量化择时研究系列03：风格指数如何择时：通过估值、流动性和拥挤度构建量化择时策略

风格指数量化择时研究框架。风格指数包括大小盘、价值成长与红利类指数（沪深300、中证500、中证1000、中证红利、国证成长、国证价值）；大小盘与价值成长混合风格指数（大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值）。我们从微观结构角度引入市场流动性与交易拥挤度指标，从指数估值、市场流动性与交易拥挤度等维度识别指数底部与顶部特征，研究相关模型在风格指数择时中的作用。 风格指数估值模型。指数估值因子包括指数PB、PE、PBPE以及股权风险溢价，我们通过计算估值因子所处历史分位数水平的方法来构建风格指数估值因子。2011年以来大小盘、价值成长与红利类风格指数估值模型多头组合平均年化收益率为10.38%，平均超额年化收益率为8.30%。 市场流动性模型。市场流动性因子包括买入冲击成本、卖出冲击成本、上涨流动性指数以及下跌流动性指数。市场流动性因子底部择时的准确度与效果相较顶部择时更为显著，可单独捕捉流动性恐慌底部信号。流动性因子底部择时单次平均反弹收益6.86%；2011年以来大小盘、价值成长与红利类风格指数估值流动性模型多头组合平均年化收益率为12.38%，平均超额年化收益率为10.30%。 交易拥挤度模型。拥挤度是一种顶部择时类避险因子，可以与估值流动性模型有效互补。我们从微观结构、波动率、流动性、相关性等多维度构建拥挤度因子，应用动量均线系统改进后，相较常规拥挤度因子能够更好地规避风格指数交易拥挤下跌风险。2011年以来拥挤度复合模型超额年化收益率为4.87%。 风格指数量化择时模型合成与应用。应用估值、流动性与拥挤度的量化择时模型能够较为准确地捕捉风格指数底部与顶部特征，同时能有效规避交易拥挤下跌风险。2011年以来大小盘、价值成长与红利类风格指数择时模型多头组合平均年化收益率为18.54%，平均超额年化收益率为16.46%，平均SHARP比率为1.06，超额收益年胜率为87%。我们将择时模型应用于大小盘与价值成长混合风格指数，2013年12月以来多头组合年化收益率为20.10%，超额年化收益率为16.24%，平均SHARP比率为1.13，超额收益年胜率为86%。 风险提示：量化模型基于历史数据构建，而历史规律存在失效风险； 估值与流动性恐慌双重底部择时效果较好，单独的流动性恐慌底部可能产生于指数下跌中继阶段。 “有效市场”不是静止的状态，而是动态的过程，意味着在时间跨度上需要择时。本篇报告我们运用证券研究的2+1思维，从微观结构角度引入市场流动性与交易拥挤度模型，研究估值模型、市场流动性模型以及交易拥挤度模型在风格指数择时中的作用。研究结果表明：应用估值、流动性与拥挤度的量化择时模型能够较为准确地捕捉风格指数底部与顶部特征，同时能够有效规避指数交易拥挤下跌风险。2011年以来大小盘、价值成长与红利类指数多头组合平均年化收益率为18.54%，平均超额年化收益率为16.46%；大小盘与价值成长混合风格指数多头组合年化收益率为20.10%，超额年化收益率为16.24%。 1.风格指数量化择时研究框架 1.1.风格指数定义 市场风格指数依据成分股特征可分为大小盘、价值成长以及红利类指数；大小盘与价值成长混合风格指数（比如大盘与成长两种风格可以构成大盘成长混合风格指数）。为方便跟踪，我们选用中证和国证指数公司现有指数代表不同风格：大盘类风格包括沪深300（000300.SH）和中证500（000905.SH）指数，小盘类风格以中证1000指数（000852.SH）代表，红利类风格以中证红利指数（000922.CSI）代表，成长类风格以国证成长指数（399370.SZ）代表，价值类风格以国证价值指数（399371.SZ）代表；大小盘与价值成长混合风格以大盘成长（399372.SZ）、 大盘价值（399373.SZ）、 中盘成长（399374.SZ）、中盘价值（399375.SZ）、小盘成长（399376.SZ）、小盘价值（399377.SZ）等指数代表。 表1：风格指数定义 1.2.风格指数量化择时研究框架 证券市场估值与情绪存在极端悲观与极端乐观之间的周期往复运动，我们可以从微观结构角度解释市场的周期变化： 1.在市场持续、大幅下行时，随着悲观者持续抛出筹码、乐观者资金总量和资金成本优势逐步积累，市场风险实际上随着估值快速下降。随着市场多空力量对比逐渐反转，此时持有资金的投资者都是潜在购买者，业绩、政策或资金任一方面的边际改善都可能成为市场反弹修复的催化剂。 2.在市场持续、大幅上行时，随着乐观者持续购进筹码、悲观者筹码总量和筹码成本优势逐步积累，市场风险实际上随着估值快速上升。随着市场多空力量对比逐渐反转，此时持有筹码的投资者都是潜在抛出者，业绩、政策或资金任一方面不及预期都可能成为市场快速下行的导火索。 图1：风格指数量化择时研究框架 证券市场的底部与顶部是交易出来的（底是价值投资托底买出的，顶为乐观情绪交易出来的），采用常规的估值方法很难准确判断。我们从微观结构角度引入市场流动性与交易拥挤度指标，通过与指数估值结合，研究风格指数低估或高估状态下流动性与拥挤度等微观结构的边际变化，可以更加准确地刻画风格指数的底部与顶部特征： 1.在指数估值极低且中长期均线处于上升趋势时，此时指数存在估值修复动能，此种情形可视为风格指数底部信号（即多头信号）；在指数估值极高且中长期均线处于下行趋势时，此时指数存在估值回归动能，此种情形可视为风格指数顶部信号（即空头信号）。 2.在指数出现流动性恐慌时，指数买卖冲击成本极高、上涨与下跌流动性指数极低，此时指数买卖双方流动性极度匮乏，给指数提供流动性所获的流动性补偿较高，此种情形可视为风格指数底部信号（即多头信号）。 3.通过微观结构、波动率、流动性、相关性、收益率分布特征等多维度跟踪风格指数交易拥挤状态，当相关指标触发交易拥挤阈值且动量均线系统确认时视为风格指数阶段顶部。 本篇报告我们以大小盘、价值成长与红利类风格指数为例，从指数估值、市场流动性与交易拥挤度等维度识别指数底部与顶部特征，通过单模型测试与多模型复合研究相关择时模型在风格指数择时中的作用；展示风格择时模型应用于大小盘与价值成长混合风格指数的样本外测试效果。本篇报告中择时模型采用多头组合进行测试，只包含多头和空仓两种状态（不涉及做空），下文中空头信号即为空仓信号。 1.3.风格指数量化择时研究流程 量化择时研究流程包括基础数据处理、模型因子计算、模型测试以及复合模型合成等步骤： 1.基础数据处理：构建风格指数估值、市场流动性与交易拥挤度模型需要风格指数及其成分股的行情、财务、股本以及LEVEL2订单簿数据。在考虑数据质量的基础上需要尽量保证基础数据时间长度。 2.模型因子计算：风格指数估值与市场流动性因子均采用整体法，利用成分股自由流通市值加权的方法构建；拥挤度因子中除个股分化指标外均采用指数行情数据计算。 3.模型测试：模型因子计算后，需分析多头与空仓信号的胜率与收益情况； 筛选出有效的因子构建多头组合，并进行历史回测与绩效分析。 4.复合模型合成：通过单模型测试构建风格指数估值、市场流动性与交易拥挤度模型后，通过模型多空信号复合的方法构建量化择时复合模型并测试模型效果。 图2：风格指数量化择时研究流程 量化择时研究中需注意： 1.择时因子需要具有逻辑性，且要注意适用范围。比如，市场存在周期性低估与高估现象，估值因子可以用来刻画市场代表性比较好的宽基指数估值水位的高低，但不同风格指数间差异较大，估值因子对不同风格指数是否适用需要经过测试验证。 2.择时因子需要具有均值回复性。比如，不同的牛熊周期指数估值绝对水平不一定相同，指数估值不一定能够均值回复。这种情况我们可以计算当前指数估值在最近一个市场牛熊周期所处历史分位数水平作为估值因子。 2.风格指数估值模型 风格指数估值类因子主要包括指数PB、PE、PBPE以及股权风险溢价等。 原始估值因子均值回复性较差，我们通过计算估值因子所处历史分位数水平的方法来构建指数估值择时因子，通过因子测试与合成研究估值模型在风格指数择时中的应用。 2.1.指数估值因子分类与构建 2.1.1.指数估值因子分类 1.风格指数PB估值 风格指数PB估值，指指数成分股市值之和与股东权益之和的比值，可以用来衡量风格指数整体估值水平高低，高PB代表指数估值较高，低PB代表指数估值较低。 图3：沪深300PB估值分位数 2.风格指数PE估值 风格指数PE估值，指指数成分股市值之和与归母净利润之和的比值，可以用来衡量风格指数整体估值水平高低，高PE代表指数估值较高，低PE代表指数估值较低。 图4：沪深300PE估值分位数 3.风格指数PBPE估值 风格指数PBPE估值分位数，指指数PB估值分位数与PE估值分位数的几何平均数，可以用来衡量风格指数整体估值水平高低，高PBPE代表指数估值较高，低PBPE代表指数估值较低。 图5：沪深300PBPE估值分位数 4.风格指数股权风险溢价 风格指数股权风险溢价，指指数PE的倒数与10年期国债收益率之差，可以用来衡量风格指数整体估值水平高低，高股权风险溢价代表指数风险溢价较高、指数估值较低，低股权风险溢价代表指数风险溢价较低、指数估值较高。 图6：沪深300股权风险溢价分位数 2.1.2.指数估值因子构建 我们计算风格指数估值因子值在历史数据中所处分位数水平，通过与设定阈值比较，判断是否触发多头或空仓信号。具体构建方法如下： 1.由于估值因子值较为平稳，计算窗口长度统一设置为1天。 2.计算指数估值因子值在历史数据中所处的分位数水平。具体方法如下： 1）为与宽基择时模型兼容，沪深300指数历史区间长度设定为5年（涵盖一个完整的牛熊周期）；考虑适当提高多空信号频率，其他指数历史区间长度设定为3年； 2）历史分位数底部阈值统一设定为10%、8%、5%和3%，因子值低于指定阈值后触发多头信号；历史分位数顶部阈值统一设定为90%、92%、95%和97%，因子值超过指定阈值后触发空仓信号； 3）计算估值因子历史分位数时，因子值从小到大排序，因子值越小、所处历史分位数越低，代表指数估值越低；因子值越大、所处历史分位数越高，代表指数估值越高。 3.风格底部/顶部判断：将风格指数估值因子所处历史分位数与设定阈值比较，如果低于底部阈值则触发多头信号，如果超过顶部阈值则触发空仓信号。 通过上述方法构建风格指数估值因子，当指数估值因子值低于历史分位数底部阈值或超过历史分位数顶部阈值时，触发多头或空仓信号。 表2：风格指数估值因子构建方法 2.2.指数估值因子测试 我们采用胜率与收益统计方法测试估值因子在风格指数择时中的作用，分底部信号和顶部信号测试。 1.底部信号测试：我们统计风格指数估值因子所处历史分位数低于历史分位数底部阈值时，未来60交易日、90交易日指数收益率均值、胜率以及信号触发次数。胜率越高代表触发底部信号后一段时间指数收涨的概率越大；收益率越高代表触发多头信号后一段时间指数上涨幅度越大，说明估值因子底部择时效果越显著；触发次数越高代表触发多头信号越频繁。 2.顶部信号测试：我们统计风格指数估值因子所处历史分位数达到历史分位数顶部阈值时，未来60交易日、90交易日指数收益率均值、胜率以及信号触发次数。胜率越高代表触发顶部信号后一段时间指数收跌的概率越大；负向收益率越高代表触发空仓信号后一段时间指数下跌幅度越大，说明估值因子顶部择时效果越显著；触发次数越高代表触发空仓信号越频繁。 整体看来，指数估值因子指数择时的准确度与效果整体较为显著，但底部择时噪音信号较多： 1.从胜率与收益率角度分析，估值因子底部与顶部择时的准确度与效果较好，其中顶部择时效果更好。其中股权风险溢价所处分位数达到95%时，未来60日和90日指数下跌的概率分别超过70%和67%，指数平均下跌幅度分别为4.07%和5.82%。 2.从触发次数角度分析，我们统计90日胜率超