量化技术分析系列之三：从股本分布看宽基指数择时

近一年权益市场增量资金并不显著，卖盘和抛压强弱成为股价的核心定价因素，抛压变小时市场存在较好的做多机会，而卖盘阶段性增加时应从风险视角看待问题。 股价拐点经常伴随放量发生，此时观点相悖的的资金充分换筹。相反市场在稳量上涨阶段延续性较好，也容易触发平台突破信号。沪深300指数在平台突破信号后1个月内平均涨幅约为2%，平均最大涨幅达到3.8%，而平均最大回撤仅为1.3%。中证1000指数在信号触发后1个月最大涨幅达到4.3%，创业板指的表现则为5.7%。 市场连续下跌后，主动卖盘得到充分释放，此时容易触发超跌反弹信号。沪深300、中证1000和创业板指在信号后一周平均获得1.6%，2.6%和1.3%的涨幅，如果将时间窗口拉长至1个月，中证1000和创业板指的平均上涨幅度可提升至4%以上，并且期间指数最大涨幅平均达到7%以上。 数据回测发现沪深300指数的信号表现最稳健，发出做多信号后，指数不仅短期内上涨概率较高，即便将时间窗口拉长至40-60个交易日仍然可以获得正收益。相比之下中证1000和创业板指的信号表现略短，做多窗口期在30个交易日左右。 当前指数尚未出现明确的平台突破或者超跌反弹信号。 风险提示：本报告结论完全基于公开的历史数据进行计算，模型结果仅表示不同风格及行业预期未来相对强弱情况，不代表点位预测，不代表未来宽基指数和行业指数整体走势的判断，亦不构成投资收益的保证或投资建议。股市系统性风险发生使得各类规律失效。宏观和产业政策超预期改变市场交易环境。报告中的模拟组合构建在实际投资中难以完全复制，主要是证明方法论的有效性。 在此前系列报告《利用流通股本分布寻找上涨信号—量化技术分析系列之一》和《从股价抛压视角构造行业轮动策略—量化技术分析系列之二》中主要介绍了如何利用流通股本分布实现行业板块择时，以及根据抛压大小对行业进行排序从而选择抛压小的行业。 本篇作为系列报告的第三篇，旨在对沪深300、中证1000、创业板指等宽基指数进行择时研究，研究框架仍基于此前报告中提及的流通股本分布等工具。 1.量化技术分析系列研究回顾 1.1.模型计算展示 在此前报告《利用流通股本分布寻找上涨信号》中我们对流通股本分布的方法进行介绍，计算方法的要点可以总结如下： Key1：选择任意初始点作为100%流通股本价格，设为P0。 Key2：按照每天的成交价格跟换手率进行流通股本的分布更新，比如换手率T，成交价格P1，则此时分布矩阵从（P0）(100%)变成（P0，P1）(100%-T,T)。 Key3：日内成交分布的假设一般有三角形分布、均匀分布两种，我们认为M型分布更为合理。 Key4：根据行为金融学中的处置效应，换手率主要来自于获利的投资者而非亏损的投资者，近期交易者换手率高于长期持有者，因此在时间和空间上也对流通股本分布进行调整。 以中信一级行业指数为标的进行流通股本分布模型计算，以波动较高的计算机行业指数为例作为展示，下图分别为2024-2-5以及2024-3-23的股本分布： 图1：计算机指数在2024-2-5流通股本分布图 图2：计算机指数在2024-3-23流通股本分布图 1.2.基于流通股本分布的择时应用 将流通股本分布模型利用在行业指数择时上，主要构件平台突破和超跌反弹两类信号： 超跌反弹量化择时信号构建：超跌反弹信号的触发是以下三个条件交集（1）累计获利股本比例为10%以内。（2）当前价格和上方20%区间内累计股本分布不超过15%。（3）出现底分型。 定量的统计超跌反弹信号发出后持有5个交易日、10个交易日的持仓表现，以及按照跌破10日均线作为卖点进行优化。统计范围是40个行业指数自从2017年至2024年3月所发出的信号，其表现如下表所示。 表1：超跌反弹信号表现 平台突破量化择时信号构建：换手率处于过去40个交易日的70%分位以内，获利盘比率提升30%以上。 利用40个行业指数2018年以来数据进行回测，平台突破信号的表现如下表所示： 表2：超跌反弹信号在行业指数上表现 1.3.基于抛压比较的行业轮动策略 传统行业轮动策略聚焦于盈利、估值和资金等维度，从定价逻辑分析以上均是对场外增量资金做出判断。本篇报告旨在从股价抛压的视角构建行业轮动策略，其基本思路为：假设增量资金对各板块均匀加仓，选择抛压最小的行业将会获得超额收益，而持股者行为是决定抛压的重要因素，通过流通股本分布模型可以定量刻画持股者行为变化。 抛压因子由两个因子等权复合生成，第一个因子从Amihud因子衍生而来，其计算公式为涨跌幅除以成交额，代表单位成交额所引发的涨跌幅度，比如缩量上涨时代表股价抛压较小。第二个因子为理论抛压因子，由流通股本分布模型计算得到。 从2018年至今进行回测，第一个因子多头组合为2.2%年化收益，第二个因子多头组合年化11%收益，相比于同期的沪深300指数获得约13%超额，其多空组合的收益率达到18%，但是超额收益的回撤较大。对两个因子等权复合，最终生成的因子效果大幅提升，多头组合年化收益率提升至13%附近，相对基准超额16%，而空头组合为-10%收益，超额收益回撤下降至10%附近。 图3：流通股本抛压因子表现 图4：调整后非流动性因子表现 图5：抛压因子表现 2.宽基指数择时研究 2.1.宽基指数上的平台突破信号 此前我们诠释过平台突破信号的底层逻辑，即投资者持股比较坚定抛压较小，所以当股价上传流通股本密集分布区时会出现无量长阳线。 将该信号用于沪深300、中证1000以及创业板指数。 图6：沪深300指数平台突破信号 图7：中证1000指数平台突破信号 图8：创业板指数平台突破信号 三个指数出现信号的频率不同，波动较高的创业板指跟中证1000信号出现次数多于沪深300,，侧面反映出沪深300指数的信噪比更高。下表统计了三个指数出现平台突破信号之后未来5个交易日、10个交易日以及20个交易日的涨跌表现，从平均表现来看各指数在信号出现后的5天、10天、20天均录得正收益。 表3：创业板指数平台突破信号表现 并且不同指数信号收益的衰退期有所不同，我们统计信号发出后未来N个交易日的平均收益率，沪深300指数出现平台突破之后未来30个交易日的平均收益表现最好，此后呈现出衰退的迹象，而在50-60个交易日时收益率再度提升。 图9：沪深300平台突破信号有效期 图10：中证1000平台突破信号有效期 图11：创业板指数平台突破信号有效期 2.2.宽基指数的超跌反弹信号 下图分别为沪深300、中证1000和创业板指超跌反弹信号发出的时间以及后续涨跌表现。 图12：沪深300指数超跌反弹信号 图13：中证1000指数超跌反弹信号 图14：创业板指数超跌反弹信号 表4：各宽基指数超跌反弹信号表现统计 由于沪深300波动率较创业板跟中证1000小，超跌反弹信号有效期更长，超跌反弹信号不仅对短期底部识别效果较好，对中长期比如60个交易日的预测效果也较为稳健。 创业板指和中证1000指数的反弹往往在短时间内完成，所以超跌反弹信号的最有效周期约为40个交易日，较沪深300周期更短。 图15：沪深300超跌反弹信号收益周期 图16：中证1000指数超跌反弹信号收益周期 图17：创业板指数超跌反弹信号收益周期 3.总结 本篇报告从两种择时信号的角度对宽基指数进行研究，沪深300指数在平台突破信号后1个月内平均涨幅约为2%，平均最大涨幅达到3.8%，中证1000指数在信号触发后1个月最大涨幅达到4.3%，创业板指的表现则为5.7%。 而当超跌反弹信号触发后沪深300、中证1000和创业板指后一周平均获得1.6%，2.6%和1.3%的涨幅，如果将时间窗口拉长至1个月，中证1000和创业板指的平均上涨幅度可提升至4%以上，并且期间指数最大涨幅平均达到7%以上。 回测发现沪深300指数的信号表现最稳健，发出做多信号后，指数不仅短期内上涨概率较高，即便将时间窗口拉长至40-60个交易日仍然可以获得正收益。相比之下中证1000和创业板指的信号表现略短，做多窗口大多在30个交易日左右。 4.风险提示 风险提示：本报告结论完全基于公开的历史数据进行计算，模型结果仅表示不同风格及行业预期未来相对强弱情况，不代表点位预测，不代表未来宽基指数和行业指数整体走势的判断，亦不构成投资收益的保证或投资建议。股市系统性风险发生使得各类规律失效。宏观和产业政策超预期改变市场交易环境。报告中的模拟组合构建在实际投资中难以完全复制，主要是证明方法论的有效性。