來(lái)源: xyquant

領(lǐng)域輪動(dòng)是權(quán)益投資中受到廣泛關(guān)注和獲得相對(duì)利益的重要手段。 本報(bào)告比較區(qū)域輪換，首先處理以下問(wèn)題:

1、區(qū)域輪動(dòng)主要有那些做法嗎？ 各有優(yōu)劣嗎？

2、興業(yè)金工在領(lǐng)域輪作方面以前做過(guò)那些努力嗎？ 還有那些問(wèn)題嗎？

3、中信一級(jí)領(lǐng)域之間可以根據(jù)業(yè)務(wù)優(yōu)勢(shì)和市場(chǎng)表現(xiàn)重新執(zhí)行分類和聚類嗎？

4、各領(lǐng)域的市場(chǎng)表現(xiàn)影響因素有那些嗎？ 你怎么評(píng)價(jià)這些因子？

5、如何結(jié)合各決策因子形成區(qū)域的時(shí)間選擇信號(hào)，形成最終區(qū)域的輪回戰(zhàn)略？

本報(bào)告是系統(tǒng)化資產(chǎn)配置系列的第二篇，重點(diǎn)整理中信一級(jí)區(qū)域間表現(xiàn)的相似性，重新聚類區(qū)域，構(gòu)建基于大分類區(qū)域表現(xiàn)的區(qū)域選擇時(shí)方案，構(gòu)建區(qū)域循環(huán)戰(zhàn)略，獲得相對(duì)區(qū)域等權(quán)組合的超額收益

因?yàn)檫@個(gè)模型是在年8月初建立的，所以樣本內(nèi)的數(shù)據(jù)從2004年12月31日到年8月3日，在建立模型后，我們每天追蹤各因子的表現(xiàn)，最終形成真正的樣本外的純曲線(年8月4日到2019年9月9日)

風(fēng)險(xiǎn)提示:本報(bào)告的結(jié)論基于歷史數(shù)據(jù)，在市場(chǎng)環(huán)境轉(zhuǎn)換時(shí)模型有失效的風(fēng)險(xiǎn)。

?

報(bào)告正文

1

區(qū)域輪換戰(zhàn)略:從區(qū)域再聚類出發(fā)

1.1領(lǐng)域輪流戰(zhàn)略當(dāng)前的首要做法及其優(yōu)劣分析

傳統(tǒng)的領(lǐng)域輪流策略通常基于中信領(lǐng)域或申萬(wàn)領(lǐng)域進(jìn)行輪流，但通常基于截面分解，類似于多因子選擇株。 即，尋找影響整個(gè)領(lǐng)域的共同因子，根據(jù)領(lǐng)域因子的評(píng)分對(duì)整個(gè)領(lǐng)域進(jìn)行排序，進(jìn)而選擇“特征區(qū)域”和“劣勢(shì)區(qū)域”，據(jù)此構(gòu)建多空的組合或純多頭的組合。 另一個(gè)是分別構(gòu)建整個(gè)區(qū)域的時(shí)間選擇模型，根據(jù)每個(gè)區(qū)域的時(shí)間選擇模型的結(jié)果，決定在下一期配置的區(qū)域，基于形成區(qū)域循環(huán)戰(zhàn)略的時(shí)間序列分解。

?

兩種做法各有優(yōu)劣，前者直接比較各領(lǐng)域的因素，符合選擇“特征領(lǐng)域”和“劣勢(shì)領(lǐng)域”的基本思想，但領(lǐng)域本身一般數(shù)量少(中信一級(jí)領(lǐng)域共計(jì)29個(gè))，有些領(lǐng)域關(guān)聯(lián)性太高(例如輕工制造和紡織) 因此，許多文獻(xiàn)中使用的第一因子是運(yùn)動(dòng)量當(dāng)量因子，價(jià)值量因子長(zhǎng)期受益匪淺，但會(huì)發(fā)生大的撤回( momentum crash )，增加輪回的風(fēng)險(xiǎn)。 興業(yè)證券金融工程團(tuán)隊(duì)在斷面模型上進(jìn)行了年改善(見報(bào)告書《基于不同市場(chǎng)狀況下領(lǐng)域的輪回戰(zhàn)略》，明明)。 重新選擇截面分解的因子時(shí)，即把市場(chǎng)劃分為不同的市場(chǎng)狀況，在不同的市場(chǎng)狀況下選擇不同的因子對(duì)所有的區(qū)域進(jìn)行排序，捕捉到不同市場(chǎng)環(huán)境下投資者的關(guān)注要素。 第二種方法是為各個(gè)領(lǐng)域構(gòu)建時(shí)間選擇戰(zhàn)略，因此在領(lǐng)域較多的情況下，越來(lái)越難以通過(guò)涉及多個(gè)領(lǐng)域的中觀因子構(gòu)建戰(zhàn)略，由于一部分及領(lǐng)域表現(xiàn)的關(guān)聯(lián)性過(guò)高，因此縮小維度，表現(xiàn)市場(chǎng)股票和根據(jù)主要業(yè)務(wù) 我們認(rèn)為有必要根據(jù)新的分類構(gòu)建時(shí)間選擇指標(biāo)，形成新的風(fēng)格回合戰(zhàn)略。

?

1.2重新進(jìn)行區(qū)域群集

從前面的分析可以看出，無(wú)論是基于因子的截面模型還是基于時(shí)間序列的選擇模型，區(qū)域的分類都很重要，但良好的區(qū)域分類應(yīng)該綜合考慮區(qū)域的主要業(yè)務(wù)和區(qū)域的表現(xiàn)，總部首先就區(qū)域的表現(xiàn)重新聚類中信一級(jí)區(qū)域，各區(qū)域之間的連 因?yàn)榭梢葬槍?duì)每個(gè)2個(gè)區(qū)域計(jì)算關(guān)聯(lián)性，所以可以針對(duì)每個(gè)2個(gè)區(qū)域定義“距離”，如果有29個(gè)中信一級(jí)區(qū)域，則合計(jì)有29*28/2=406個(gè)“距離”，不方便觀測(cè)區(qū)域間的優(yōu)勢(shì)，因此導(dǎo)入到圖論中的“最小生成樹”

?

最小生成樹

簡(jiǎn)單地說(shuō)，最小生成樹是無(wú)權(quán)重?zé)o向圖中權(quán)重最小的生成樹，具體地說(shuō)，在某無(wú)向圖g = (v，e )中，( u，v )表示連接頂點(diǎn)u和頂點(diǎn)v的邊，w(u，v )表示這一邊的權(quán)重，

的w(t )最小時(shí)，該t是g的最小生成樹，最小生成樹其實(shí)是最小權(quán)重生成樹的簡(jiǎn)稱。

最小生成樹提供了一個(gè)簡(jiǎn)單的方法，注意所有區(qū)域的“距離”，刪除“距離”的遠(yuǎn)邊，剩下的邊表示我們應(yīng)該關(guān)注的消息。

?

使用最小生成樹簡(jiǎn)化第1級(jí)的區(qū)域

計(jì)算2005年1月至2019年8月各行業(yè)每月收益率的兩個(gè)相關(guān)矩陣如下

兩個(gè)區(qū)域間的距離矩陣d

其中，m是區(qū)域的個(gè)數(shù)。

可知兩個(gè)領(lǐng)域的關(guān)聯(lián)性越高距離越近，關(guān)聯(lián)性為1時(shí)表示兩個(gè)領(lǐng)域的趨勢(shì)完全一致，此時(shí)定義的距離為0。 按照最小生成樹kruskal算法，可以生成如下圖所示的一次區(qū)域最小生成樹。 根據(jù)最小生成樹的定義，如果兩個(gè)節(jié)點(diǎn)之間沒有連通的邊，表示兩者的距離很遠(yuǎn)，即關(guān)聯(lián)性很低。 從下圖可以看到，整個(gè)照片大致被“分割”成了四大部分。 例如，計(jì)算機(jī)、介質(zhì)、通信和電子部件之間相互連通，但與其他領(lǐng)域不連通。 這四個(gè)領(lǐng)域是一般基本面拆師口中的“tmt”領(lǐng)域，房地產(chǎn)、銀行、銀行以外的金融是我們通常稱之為“大金融”領(lǐng)域。 其他兩大部分分別和“大金融”一樣。

?

1.3中信風(fēng)格分類綜合考慮了領(lǐng)域的主要業(yè)務(wù)和領(lǐng)域的表現(xiàn)

通過(guò)上述最小生成樹的分解，有可能重新凝聚市場(chǎng)上所有行業(yè)，綜合考慮領(lǐng)域的業(yè)務(wù)優(yōu)勢(shì)，充分符合基本面的分解邏輯，因此在本報(bào)告中，將中信風(fēng)格分類用作大領(lǐng)域的分類基準(zhǔn)。

中信證券風(fēng)格系列指數(shù)基于中信證券的三級(jí)領(lǐng)域分類標(biāo)準(zhǔn)，根據(jù)中信在各三級(jí)領(lǐng)域設(shè)定的風(fēng)格標(biāo)簽將股票分為金融、周期、費(fèi)用、增長(zhǎng)及穩(wěn)定五大類，各大分類指數(shù)根據(jù)股票流通的市場(chǎng)價(jià)格進(jìn)行加權(quán)

我們提取了年8月的5大中信風(fēng)格指數(shù)的成分股，計(jì)算了各中信1級(jí)領(lǐng)域和2級(jí)領(lǐng)域的市場(chǎng)價(jià)格占有率，風(fēng)格指數(shù)的區(qū)分與1.2部分的最小生成樹的各部分一致度高，唯一的區(qū)別是中信風(fēng)格指數(shù)單列“穩(wěn)定風(fēng)格”

從各流派風(fēng)格指數(shù)的歷史表現(xiàn)來(lái)看，花時(shí)間表現(xiàn)最好，花時(shí)間贏得市場(chǎng)，但金融領(lǐng)域表現(xiàn)出強(qiáng)脈沖效應(yīng)，周期領(lǐng)域從年開始長(zhǎng)時(shí)間跑輸標(biāo)準(zhǔn)。 從各類別風(fēng)格指數(shù)超額收益的相關(guān)性來(lái)看，各類別的風(fēng)格指數(shù)普遍較低，其中金融與周期的相關(guān)性最低，達(dá)到-53%，可能與周期偏差攻擊、金融偏差防御有關(guān)。

?

2

風(fēng)格系數(shù)選擇時(shí)的方法介紹

2.1基于時(shí)間選擇因子的構(gòu)建

本報(bào)告致力于探索影響各風(fēng)格指數(shù)的因素，分別構(gòu)建時(shí)間序列模型。 因子是量化分解的素材，本文建立了邏輯上可能影響各風(fēng)格指數(shù)的因子庫(kù)。 分別包括實(shí)體經(jīng)濟(jì)、通貨膨脹水平、市場(chǎng)資金流動(dòng)性、市場(chǎng)風(fēng)險(xiǎn)偏好、板塊自身優(yōu)勢(shì)和市場(chǎng)間新聞。 具體如下表所示。 在最終模型中，各種風(fēng)格的選擇因素不同，例如商品價(jià)格影響循環(huán)領(lǐng)域的利潤(rùn)，影響循環(huán)領(lǐng)域的趨勢(shì)等，但不一定會(huì)對(duì)其他板塊的趨勢(shì)產(chǎn)生很大的影響。 這樣的指標(biāo)最初適用于循環(huán)風(fēng)格指數(shù)的選擇。

?

2.2時(shí)間選擇系數(shù)數(shù)據(jù)調(diào)整

宏觀經(jīng)濟(jì)因子一般更新頻率低，一般其發(fā)行具有延遲性，因此在解決宏觀數(shù)據(jù)時(shí)考慮宏觀因子的發(fā)行時(shí)間，即不要“窺視”將來(lái)的數(shù)據(jù)，只在數(shù)據(jù)發(fā)行后才重新發(fā)行的宏觀經(jīng)濟(jì)因子

本論文最終分別構(gòu)建了定期選擇時(shí)和不定期選擇時(shí)的兩個(gè)模型(實(shí)際上定期選擇時(shí)是不定期選擇時(shí)的一個(gè)樣本)，但由于各數(shù)據(jù)的更新頻率和更新時(shí)間不同，所以需要將所有的因子統(tǒng)一為相同的頻率，要統(tǒng)一為相同的頻率，以下

?

統(tǒng)一為低頻數(shù)據(jù):將所有因子統(tǒng)一為低頻因子。 例如，有日頻率的shibor利率，但可以將每月的最后一天或本月所有日的平均值用作該每月的shibor因子。

統(tǒng)一為高頻數(shù)據(jù):將所有因子統(tǒng)一為高頻因子，即盡管不能得到日頻率的宏觀經(jīng)濟(jì)數(shù)據(jù)，但在高頻時(shí)刻可以用一點(diǎn)手段進(jìn)行映射。 例如，根據(jù)新聞的獲得時(shí)間，在二次因子的更新時(shí)間前嵌入上次更新數(shù)據(jù)的方法，得到高頻數(shù)據(jù)是直觀方便的。

?

以前傳來(lái)的統(tǒng)一頻率方法以第一種為中心，該方法的優(yōu)點(diǎn)是數(shù)據(jù)井然有序，容易以低頻為基礎(chǔ)預(yù)測(cè)資產(chǎn)的長(zhǎng)期收益，而且倉(cāng)庫(kù)的頻率是固定的，所以比較有效地控制交換率 但其缺點(diǎn)也很明顯:首先宏觀經(jīng)濟(jì)數(shù)據(jù)的更新不一定及時(shí)，各種指標(biāo)的延遲更新長(zhǎng)度不一定一致，所以很難在時(shí)間維度上很好地對(duì)齊各因子。 其次，新數(shù)據(jù)發(fā)表后，除非是我們調(diào)整倉(cāng)庫(kù)的低頻時(shí)刻，否則該消息不會(huì)準(zhǔn)確及時(shí)地反映在模型中，因此我們將所有的因子統(tǒng)一為高頻因子(本文調(diào)整為日頻率)，因子的兩次更新期間的數(shù)據(jù)

?

3

因子信號(hào)生成機(jī)制及其合成

3.1三分位法t統(tǒng)計(jì)量結(jié)構(gòu)機(jī)制

從戰(zhàn)略表現(xiàn)的角度來(lái)看，我們追求的是戰(zhàn)略夏普的比率足夠大，即每單位風(fēng)險(xiǎn)的收益足夠大。 對(duì)于單一因子，為了測(cè)定其預(yù)測(cè)效果，作為信號(hào)生成機(jī)構(gòu)采用3分位點(diǎn)法明確了將來(lái)的投資信號(hào)。

三分位點(diǎn)方法是根據(jù)指標(biāo)的注意樣本數(shù)據(jù)明確上下三分位點(diǎn)，結(jié)合該指標(biāo)的方向邏輯，明確下一期的頭寸方向(分別對(duì)應(yīng)多看，和平看，空個(gè)方向)，進(jìn)一步不同的分位點(diǎn)方案

其中:

t統(tǒng)計(jì)量越大，證明該因子的發(fā)行越多和空信號(hào)未來(lái)收益的差異越顯著，其預(yù)測(cè)效果越好。 使用我們之前構(gòu)建的基于因子的數(shù)據(jù)進(jìn)行測(cè)量時(shí)，發(fā)現(xiàn)t統(tǒng)計(jì)量的值與我們要求的夏普比率(不考慮手續(xù)費(fèi)和交易摩擦)的關(guān)聯(lián)性非常高，可以將t統(tǒng)計(jì)量是否顯著作為因子預(yù)測(cè)效果的重要測(cè)量指標(biāo)。

?

. 2時(shí)間因子疊加方法介紹

我們?cè)谝蜃訋?kù)中因子很多，所以各種因子的“同質(zhì)性”可能很強(qiáng)。 由于各因子之間選擇時(shí)表現(xiàn)的關(guān)聯(lián)性很高，所以各選擇時(shí)因子信號(hào)的疊加用等權(quán)結(jié)合方法(“cta戰(zhàn)略系列報(bào)告書的5 :商品量化基本面研究框架的搜索的螺紋鋼”不合適。 本報(bào)告使用了因子簇的再等權(quán)方法，即某種風(fēng)格。

step 1:隨機(jī)將n個(gè)因子中的幾個(gè)作為初始值，使用kmeans方法(用“correlation”的距離定義所有n個(gè)因子的方法)分類為3種uk，k = 1，2，3。

步驟2 :各大分類中各因子的信號(hào)是使用該大分類中的因子信號(hào)等的權(quán)重而得到的:

但是，|uk|是uk中的因子個(gè)數(shù)。

step 3:最終，這種風(fēng)格的選擇時(shí)因子信號(hào)是三種信號(hào)的等權(quán)。

step4:重復(fù)step1- step31000次，是得到全部的sign算術(shù)平均，即該風(fēng)格的最終選擇指標(biāo)，該指標(biāo)越大，表示越能看到該風(fēng)格未來(lái)的表現(xiàn)。

?

4

選擇時(shí)及區(qū)域輪的樣本內(nèi)外表現(xiàn)

4.1各風(fēng)格指數(shù)樣本內(nèi)外選擇時(shí)表現(xiàn)

由于這個(gè)模型是在年8月初建立的，樣本內(nèi)的數(shù)據(jù)從2004年12月31日到年8月3日，在建立模型后，我們每天跟蹤各因子的表現(xiàn)，最終形成了真正樣本外的純曲線。

選擇本報(bào)告時(shí)的目標(biāo)是各大分類風(fēng)格的超額收益率(相對(duì)于等權(quán)配置)，因此分別計(jì)算樣品內(nèi)外各大分類的超額收益率選擇時(shí)的年化收益和收益變動(dòng)比，在樣品內(nèi)對(duì)各大分類有非常好的表現(xiàn)，在樣品外是最優(yōu)先的

?

4.2根據(jù)各類別的樣式指數(shù)選擇時(shí)的樣式輪策略

根據(jù)3.2的各大分類風(fēng)格的評(píng)分( sign )，在各調(diào)倉(cāng)節(jié)點(diǎn)上按降序排列所有大分類風(fēng)格的評(píng)分，分?jǐn)?shù)越高表示模型看到這樣的風(fēng)格的未來(lái)表現(xiàn)，分別計(jì)算選擇不同排序的風(fēng)格指數(shù)的戰(zhàn)略表現(xiàn) 具體而言，如果評(píng)分順序?yàn)?，則各交換節(jié)點(diǎn)選擇配置當(dāng)前所有風(fēng)格指數(shù)中得分最高的，如果觀測(cè)和交換頻率為日頻率，則稱為不定期的交換倉(cāng)庫(kù)，如果每月末進(jìn)行評(píng)分順序確定下個(gè)月的持倉(cāng)，則與月頻率交換倉(cāng)庫(kù)

?

從下表可以看出，評(píng)分順序越高，風(fēng)格指數(shù)的表現(xiàn)越好，隨著評(píng)分順序的降低，年化收益率和最大回歸顯示了良好的單調(diào)性。 第一位指數(shù)在不定期調(diào)倉(cāng)條件下，樣品內(nèi)的年化收益率達(dá)到50.2%，遠(yuǎn)高于其他排名指數(shù)和5種風(fēng)格等權(quán)利表現(xiàn)，撤回也更低，樣品外也同樣優(yōu)秀(觀察到這是真正的樣品外)，年

因?yàn)樵骂l率調(diào)倉(cāng)是日頻率調(diào)倉(cāng)的采樣，所以如果每月末觀測(cè)各指數(shù)的評(píng)分情況，下個(gè)月配置的指數(shù)就會(huì)明確，月中間不進(jìn)行調(diào)倉(cāng)，此時(shí)的輪轉(zhuǎn)利益依然很好，樣品內(nèi)第一位指數(shù)的年化收益率是40。

?

風(fēng)險(xiǎn)提示:本報(bào)告的結(jié)論基于歷史數(shù)據(jù)，在市場(chǎng)環(huán)境轉(zhuǎn)換時(shí)模型有失效的風(fēng)險(xiǎn)。

?

全天候滾動(dòng)播放最新的財(cái)經(jīng)信息和視頻，越來(lái)越多的粉絲福利掃描二維碼備受關(guān)注( finance )。