市场情绪体系系列报告之二：重构情绪体系探知市场温度-20190606-光大证券-24页.pdf

敬请参阅最后一页特别声明-1-证券研究报告 2019 年 6 月 6 日 金融工程 重构情绪体系，探知市场温度 市场情绪体系系列报告之二 金融工程深度 市场情绪是股市涨跌的重要影响因素市场情绪是股市涨跌的重要影响因素：股市涨跌受多种因素影响，实际投资中不仅会受到宏观政策、行业政策、公司基本面、重要事件等因素带来的市场超预期变化的影响，而且也会受到市场情绪的推波助澜。本文从市场情绪出发，筛选情绪类指标刻画市场情绪中的投资决策“放大器”与决策拐点“探测器”的效用。量化分析量化分析“经验规律”“经验规律”的历史有效性的历史有效性：本文从量化实证的角度，梳理历史经验中由市场情绪变动推断市场涨跌较为有效的代理变量，在原有的市场情绪择时体系基础上进行优化，得到全新的市场情绪择时体系。在指标的逻辑处理方面，我们追求模糊的正确，而非精确的错误通过实证分析剔除回测效果不佳的指标，保留逻辑通畅同时回测效果较优的指标。同时，我们避免了对于参数的暴力筛选，力求让模型更具有普适价值。重构市场情绪择时体系重构市场情绪择时体系：我们对市场情绪择时体系 1.0 进行了近两年的样本外跟踪，在样本外跟踪过程中我们发现原有的体系存在若干问题，基于完善体系的目的我们从以下 3 个方面入手对市场情绪择时体系进行重构：（1）由表及里寻找市由表及里寻找市场情绪代理变量场情绪代理变量我们分别从市场运行、市场资金变化、投资者行为三个维度对市场的“情绪结构”进行分解。（2）对单指标进行对单指标进行差异化特征表差异化特征表达达根据指标特性，分成平缓波动类指标、趋势类指标、剧烈波动类指标以及特殊状态值指标四类，对每一类指标进行差异化处理，充分利用“放大器”与“探测器”的差异表达指标观点。（3）定性叠加定量的方式运用定性叠加定量的方式运用市场情绪择时体系市场情绪择时体系我们构建了市场情绪监测指数（L3）便于定性观察市场的情绪“热度”，同时使用定量的开平仓指标设置构建了一套择时交易体系。市场情绪择时体系市场情绪择时体系 2.0：市场情绪择时体系 2.0 在对单指标观点进行共振之后，更加侧重对于趋势的确认和把握，弱化了对于“反转”信号的捕捉。在市场情绪择时体系 2.0 下，我们在 2005 年 3 月 11 日-2019 年 5 月 17 日测试区间对 HS300的择时胜率达到 62.50%，盈亏比达到 2.54；择时策略年化收益 31.13%，最大回撤 39.85%，夏普比率 1.16。风险提示风险提示：结果均基于模型和历史数据，模型存在失效的风险。分析师 祁嫣然(执业证书编号：S0930517110002)021-52523681 相关研报构建情绪体系，寻找涨跌信号市场情绪系列报告之一 2017-04-27 司空见惯叙指标技术形态选股系列报告之五 2018-11-25 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-2-证券研究报告 目 录 目 录 1、市场情绪是股市涨跌的重要影响因素.4 1.1、市场情绪影响股市涨跌.4 1.2、市场情绪在投资决策中的表达.4 2、重构市场情绪择时体系.5 2.1、市场情绪择时体系样本外跟踪表现平庸.5 2.2、体系重构：由表及里寻找代理变量.6 2.3、市场情绪指标优化：差异化特征表达.7 2.3.1、平缓波动类指标：决策“放大器”，固定阈值法寻求观点.8 2.3.2、趋势类指标：拐点“探测器”，注重近期观点表达.9 2.3.3、剧烈波动类指标：经验阈值法寻找规律.12 2.3.4、特殊状态值指标：注重趋势捕捉.13 2.3.5、确认市场情绪体系代理变量.15 3、指标再平衡：定性感知市场温度，定量构建交易规则.16 3.1、不同频率指标处理.16 3.2、指标共振：定性感知市场温度.16 3.3、指标共振：定量构建交易规则.18 4、市场情绪择时体系 2.0：顺势而为，捕捉趋势机会.19 5、风险提示.19 6、附录：情绪体系指标计算说明.19 6.1、Signal 1HS300 60 日强势股占比.19 6.2、Signal 2HS300 上涨家数占比.19 6.3、Signal 3HS300 八均线指标.20 6.4、Signal 4HS300 均线多空头排列指标.20 6.5、Signal 5HS300 相对强弱指标.20 6.6、Signal 6A 股换手率指标.21 6.7、Signal 7偏股型基金仓位指标.21 6.8、Signal 8股指期货升贴水.22 6.9、市场情绪择时体系单指标择时效果.22 华安基金2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-3-证券研究报告 图图目录目录 图 1：市场情绪是股市涨跌重要影响因素.4 图 2：市场情绪在投资决策中的表达.5 图 3：市场情绪择时体系样本外跟踪情况.6 图 4：市场情绪代理变量图谱.6 图 5：HS300 60 日均线以上强势股占比指标值变化.8 图 6：HS300 60 日均线以上强势股占比指标择时效果.9 图 7：HS300 相对强弱指标值变化.10 图 8：HS300 相对强弱指标择时效果.10 图 9：HS300 股指期货溢价率指标值变化.11 图 10：HS300 股指期货溢价率指标择时效果.12 图 11：股东净减持率指标值变化.12 图 12：股东净减持率指标突破阈值频数变化.13 图 13：股东净减持率指标择时效果.13 图 14：HS300 八均线区间值变化.14 图 15：HS300 八均线指标值变化.14 图 16：HS300 八均线指标择时效果（交易规则一）.15 图 17：HS300 八均线指标择时效果（交易规则二）.15 图 18：市场情绪指标值变化.17 图 19：市场情绪指标 20 日均值（L2）变化.17 图 20：市场情绪监测指数（L3）变化.17 图 21：市场情绪指标择时效果（交易规则一）.18 图 22：市场情绪指标择时效果（交易规则二）.18 表表目录目录 表 1：市场情绪代理变量明细（备选）.7 表 2：市场情绪代理变量明细（确认）.16 表 3：市场情绪指标择时效果分析.18 表 4：市场情绪择时体系单指标择时效果.22 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-4-证券研究报告 在股票市场中，投资者时常会总结一些判别市场的经验法则来预判市场的涨跌变化。学术研究领域，我们尝试从计量的角度证明或分析这些经济学或者交易信息变量之间的相关关系，结果却往往不尽人意。实际投资过程中，量化工具给我们的投资带来了便利，方便我们对模型或者观点的历史适用性、有效性进行检验。从理论上来说，量化中的回测对于观点的阐述起到了证伪证伪而非证明而非证明的作用。本文从量化实证的角度，梳理历史经验中由市场情绪变动推断市场涨跌较为有效的代理变量，在原有的市场情绪择时体系基础上进行优化，得到全新的市场情绪择时体系。在指标的逻辑处理方面，我们追求模糊的正确，而非精确的错误通过实证分析剔除回测效果不佳的指标，保留逻辑通畅同时回测效果较优的指标。同时，我们避免了对于参数的暴力筛选，力求让模型更具有普适价值。1、市场情绪是股市涨跌的重要影响因素市场情绪是股市涨跌的重要影响因素 1.1、市场情绪影响股市涨跌市场情绪影响股市涨跌 股市涨跌受多种因素影响，实际投资中不仅会受到宏观政策、行业政策、公司基本面、重要事件等因素带来的市场超预期变化的影响，而且也会受到市场情绪的推波助澜。我们在构建情绪体系，寻找涨跌信号市场情绪系列报告之一中提出，如何构建并监控市场情绪及其变化对投资者进行择时判断、仓位管理、资产配置等方面将起到重要的辅助作用。图图 1：市场情绪是股市涨跌重要影响因素：市场情绪是股市涨跌重要影响因素 资料来源：光大证券研究所绘制 1.2、市场情绪市场情绪在投资决策中的表达在投资决策中的表达 从市场情绪与股市涨跌的具体关系来看，市场情绪往往同步或滞后于市场涨跌，对市场行情演绎起到推波助澜的作用，扮演着投资决策“放大器”的角色；市场情绪偶尔也会领先市场，在极端行情中反馈交易情绪上的“异常”，扮演着投资决策拐点“探测器”的角色。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-5-证券研究报告 图图 2：市场情绪在投资决策中的表达：市场情绪在投资决策中的表达 资料来源：光大证券研究所绘制 我们在构建情绪体系，寻找涨跌信号市场情绪系列报告之一中提到市场情绪的普遍规律：通常情况下，在市场上涨时市场情绪往往随之上涨，在市场下跌时市场情绪也往往随之下跌。实际运用中，一方面如果能找到领先市场变动的情绪指标则可以对市场涨跌进行提前辅助判断，不过此类相关情绪指标总体较少，通过对市场情绪择时体系的样本外表现观察，我们发现部分在样本内具有一定领先特征的指标在样本外存在“探测器失灵”的情况；另一方面，我们可以研究分析情绪变动与股市涨跌的相关性特征进行研究，从而对市场走势进行辅助判断，尤其是在市场阶段性顶部和底部时需要特别关注情绪信号的提示作用。2、重构重构市场情绪市场情绪择时体系择时体系 2.1、市场情绪择时体系样本外跟踪表现平庸市场情绪择时体系样本外跟踪表现平庸 自发布构建情绪体系，寻找涨跌信号市场情绪系列报告之一以来，我们对市场情绪择时体系进行了近两年的样本外跟踪。在样本外跟踪过程中我们发现如下问题：1.单指标数据存在长期不可获得性，例如在模型中我们使用的投资者增速数据；2.单指标特质发生改变，样本外指标特征与样本内存在显著差异，例如期指溢价率指标；3.运用综合指标对标的指数进行择时观点判断时，确定的开平仓规则存在着对样本内数据的过度依赖；4.市场情绪择时体系在样本外整体表现欠佳，样本外未能表现出“择时”的前瞻指导意义。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-6-证券研究报告 图图 3：市场情绪：市场情绪择时体系样本外跟踪情况择时体系样本外跟踪情况 资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2016 年 1 月 8 日-2019 年 5 月 17 日 2.2、体系重构：由表及里寻找代理变量体系重构：由表及里寻找代理变量 通过梳理市场情绪择时体系在样本外跟踪过程中存在的问题，我们发现，定量的刻画以及运用市场情绪绝非易事。在重构市场情绪体系之前，我们需要从多维度找到能够表达市场情绪观点的代理变量。我们从市场运行、市场资金变化、投资者行为三个维度由表及里的对市场的“情绪结构”进行分解：1.交易决策表达方面，投资者的交易决策反应在了最终的交易状态上，即通过市场运行指标表达交易层面的真实观点，直观反映投资者交易决策下的市场强弱状态；2.市场的涨跌波动离不开流动性的变化，我们由市场资金变化入手，通过不同维度的资金变动观察市场“流动性”的潜在变化；3.在市场参与者方面，通过普通投资者行为、机构投资者行为、杠杆投资者行为以及重要股东行为四个层面对交易决策者的观点进行推演，达到“预判”的目的。图图 4：市场情绪：市场情绪代理变量图谱代理变量图谱 资料来源：光大证券研究所绘制 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-7-证券研究报告 在构建情绪体系，寻找涨跌信号市场情绪系列报告之一中提炼的代理变量基础上，我们根据主观经验进行了一些补充，初步筛选的市场情绪代理变量如下：表表 1：市场情绪代理变量明细（备选）市场情绪代理变量明细（备选）类别类别 代理变量代理变量 市场运行指标市场运行指标 HS300 40 日强势股占比 HS300 60 日强势股占比 HS300 上涨家数占比 创业板上涨家数占比 HS300 相对强弱指标 HS300 涨跌停家数占比 HS300 八均线区间指标 HS300 均线多空头排列指标 市场资金指标市场资金指标 证券交易结算资金变动 银证转账资金变动 沪股通资金变动 深股通资金变动 主动买入额 净主动买入额 投资者行为投资者行为 指标指标 普通投资者行为 A 股投资者增速 A 股投资者活跃度 A 股换手率 机构投资者行为 偏股型基金仓位 基金净申赎力度 杠杆投资者行为 股指期货升贴水 股指期货期限结构 50ETF 期权 PCR 50ETF 期权隐含波动率 50ETF 期权 P/C Skew 融资余额及增速 重要股东行为 股东净减持率-机构 股东净减持率-高管 股东净减持率-个人 资料来源：光大证券研究所 经过检验数据是否易得，以及在跟踪过程中是否存在数据更新时间滞后期过长的问题，我们剔除了指标证券交易结算资金变动、银证转账资金变动、A 股投资者增速。2.3、市场情绪市场情绪指标指标优化：差异化特征表达优化：差异化特征表达 在市场情绪择时体系中，单指标的应用存在两个方面的问题：一是单指标特质在样本内外存在显著差异，旧有的处理维度下，历史规律难以借鉴。二是单指标的同质化处理没有充分表达指标间的差异化特征。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-8-证券研究报告 通过对备选市场情绪代理变量的指标值特征梳理，我们将代理变量划分成以下四类：1.在稳定区间内平缓波动的指标，例如：HS300 40 日强势股占比、HS300 60日强势股占比、A 股换手率等；2.具有明显趋势或异方差的指标，例如 HS300 上涨家数占比、HS300 相对强弱指标、偏股型基金仓位、股指期货升贴水等；3.在稳定区间内剧烈波动的指标，例如股东净减持率、融资余额及增速等；4.具有特殊状态值的指标，例如 HS300 八均线区间指标。对于这四类指标，我们将采用差异化的方式分类处理。2.3.1、平缓波动类指标：平缓波动类指标：决策决策“放大器放大器”，”，固定阈值法寻求观点固定阈值法寻求观点 平缓波动类指标在实证特征上具有决策“放大器”的功能，这类指标值与市场的涨跌变化存在较为明显的同步性，但是通过对于指标“过冷”或者“过热”的状态捕捉可以判定当前市场是否处在趋势的非理性阶段。通过对于这种非理性的状态判断，从而提前进行决策布局，捕捉趋势或者情绪修复的交易机会。在稳定区间内平缓波动的指标具有显著共性，单指标处理逻辑上趋同。我们以 60 日均线以上强势股占比指标为例，对平缓波动类指标的处理方式进行探讨。通过对 HS300 60 日均线以上强势股占比指标值变化特征与 HS300 指数变动进行对比，我们发现如下规律：（1）该指标在 0-100 区间内平稳变动，大部分区间集中在 30-80 之间；（2）当市场处在上涨区间时，该指标往往处在 40 以上，具有较强同步性；（3）当市场处在下跌区间时，该指标往往处在 40 以下，具有较强同步性；（4）当指标向上突破 90 时，市场往往处在过热阶段，容易出现反转。图图 5：HS300 60 日均线以上强势股占比指标值变日均线以上强势股占比指标值变化化 资料来源：Wind 资讯，光大证券研究所 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-9-证券研究报告 通过对 HS300 60 日均线以上强势股占比指标值变化规律的梳理，我们制定如下的交易法则：（1）当指标处在 40-90 区间时，看多 HS300；（2）当指标大于 90 或者小于 40 时，看空 HS300。我们发现，在这种交易法则下，指标可以较快捕捉上涨机会；同时，由于选择在市场过热阶段提前止盈离场，也会错失市场持续亢奋阶段的上涨收益。指标在对下跌市场的判断也存在缺陷，难以有效规避下跌风险。图图 6：HS300 60 日均线以上强势股占比指标日均线以上强势股占比指标择时效果择时效果 资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2005 年 3 月 11 日-2019 年 5 月 17 日 2.3.2、趋势类指标：趋势类指标：拐点“探测器”，拐点“探测器”，注重近期观点表达注重近期观点表达 趋势类指标在指标值变化与标的指数涨跌变化的关系上存在一定的趋势相关性，趋势变化的过程中又存在波动上的变化差异。通过对趋势类指标与指数涨跌变化波动的梳理，我们发现，趋势类指标在趋势状态上的反向“异动”往往领先于指数，起到了拐点“探测器”的效果。这类指标的处理更强调对近期状态变化的捕捉，我们以 HS300 相对强弱指标和 HS300 股指期货溢价率变化指标的处理为例，对趋势类指标的处理方式进行探讨。首先，我们观察HS300 相对强弱指标值变化与 HS300 涨跌变化的规律特征：（1）在 HS300 指数上涨过程中，HS300 相对强弱指标值呈现抬升趋势；（2）在 HS300 指数下跌过程中，HS300 相对强弱指标值呈现下降趋势；（3）HS300 相对强弱指标值围绕趋势会出现“毛刺”信号，这些“毛刺”信号往往伴随 HS300 指数的波动变化。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-10-证券研究报告 图图 7：HS300 相对强弱指标相对强弱指标值变值变化化 资料来源：Wind 资讯，光大证券研究所 通过对HS300相对强弱指标值变化规律的梳理，我们制定如下的交易法则：（1）计算指标的 20 日均值变化，以及 20 日标准差；（2）20日均值+1倍标准差作为上阈值，20日均值-1倍标准差作为下阈值；（3）当指标值上穿上阈值时看多 HS300，下穿下阈值时看空 HS300。我们发现，在这种交易法则下，指标对于震荡行情以及下跌趋势的把握优于趋势行情表现。指标整体在 2018 年 7 月以前以及 2019 年 1 月以后表现较为稳健，2018 年 7 月至 2019 年 1 月出现较大幅度的连续回撤。通过对比 2018 年 7 月至 2019 年 1 月期间的指标变化以及信号状态，我们发现：在这一期间内，HS300 指数在趋势上的变化幅度与相对强弱指标在趋势上的变化幅度存在背离的情况，指标始终维持在窄幅区间导致观点发生了钝化。图图 8：HS300 相对强弱相对强弱指标指标择时效果择时效果 资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2005 年 4 月 8 日-2019 年 5 月 17 日 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-11-证券研究报告 接下来，我们观察 HS300 股指期货溢价率指标值变化与 HS300 涨跌变化的规律特征：（1）2015 年 8 月 25 日之前，HS300 股指期货溢价率指标值整体围绕 0 值进行波动，HS300 处在较强的趋势行情中时，HS300 股指期货溢价率指标值有明显的同趋势变化；（2）2015 年 8 月 25 日之后，HS300 股指期货溢价率指标值长期处在负向数值区间，同样的，HS300 处在较强的趋势行情中时，HS300 股指期货溢价率指标值有明显的同趋势变化。图图 9：HS300 股指期货溢价率指标股指期货溢价率指标值变值变化化 资料来源：Wind 资讯，光大证券研究所 我们知道，自 2015 年 8 月 25 日开始，中金所开始全面提高三大股指期货保证金比例，同时限制平今仓交易手续费，这些客观的政策变化导致了股指期货长期贴水的发生。虽然溢价率的均值中枢因为客观原因发生了改变，但是整体趋势性变化规律仍保持一致。基于此，我们制定如下的交易法则：（1）计算指标的 20 日均值变化，以及 20 日标准差；（2）20 日均值+0.6 倍标准差作为上阈值，20 日均值-0.6 倍标准差作为下阈值；（3）当指标值上穿上阈值时看多 HS300，下穿下阈值时看空 HS300。我们发现，HS300 股指期货溢价率指标在 2015 年 6 月之前的择时表现优于2015 年 6 月之后。我们也将通过后续的指标验证，观察其“样本外”的择时效果。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-12-证券研究报告 图图 10：HS300 股指期货溢价率股指期货溢价率指标指标择时效果择时效果 资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2005 年 4 月 8 日-2019 年 5 月 17 日 2.3.3、剧烈波动类指标：剧烈波动类指标：经验阈值法经验阈值法寻找规律寻找规律 剧烈波动类指标相对以上两类指标较为特殊，从指标值变化规律来看，整体呈现剧烈波动性，同时其与标的指数涨跌变化并不存在显著的趋势相关性。这类指标的处理相对复杂，我们以股东净减持率指标（合计）的处理为例，对剧烈波动类指标的处理方式进行探讨。首先，我们观察股东净减持率指标值变化与 HS300 涨跌变化的规律特征：（1）该指标存在不连续的情况，样本内部分时段指标值缺失；（2）指标值整体并未出现显著的趋势性变化；（3）指标值波动剧烈。图图 11：股东净减持率指标股东净减持率指标值变值变化化 资料来源：Wind 资讯，光大证券研究所 我们难以从这些特征中找出明显的数量规律，这就需要对指标值进行深度加工，进一步挖掘有效信息。我们按照以下的方式对指标值进行处理：计算指标值在过去 20 个交易日内数值大于 50 的频数，在此基础上，进一步观察处理后的指标值变化规律。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-13-证券研究报告 我们发现，当突破阈值频数处在 10 以上时，市场往往处在上涨的趋势状态中，当突破阈值频数处在 10 以下时，市场往往处在震荡或者下跌的趋势状态中。图图 12：股东净减持率指标突破阈值频数股东净减持率指标突破阈值频数变变化化 资料来源：Wind 资讯，光大证券研究所 利用以上规则，我们制定如下的交易法则：（1）当股东净减持率指标突破阈值频数大于等于 10 时，看多 HS300；（2）当股东净减持率指标突破阈值频数小于 10 时，看空 HS300。在此交易法则下，指标择时表现欠佳。类似的，其他剧烈波动类指标的择时应用效果都不尽人意，在最终的指标筛选中，我们剔除此类指标。图图 13：股东净减持率指标股东净减持率指标择时效果择时效果 资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2005 年 4 月 8 日-2019 年 5 月 17 日 2.3.4、特殊状态值指标：注重趋势捕捉特殊状态值指标：注重趋势捕捉 特殊状态类指标在数值特征上较为特殊，这类指标表达的是一种状态值，数值在-1,0,1 等固定的离散数值之间发生变化。这类指标的使用更注重对趋势2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-14-证券研究报告 的捕捉，我们以 HS300 八均线指标值的处理为例，对特殊状态类指标的处理方式进行探讨。首先，我们观察 HS300 八均线指标值变化与 HS300 涨跌变化的规律特征：（1）当 HS300 八均线区间值处在 1/2/3 的数值区间时，HS300 往往处在下跌的趋势状态；（2）当 HS300 八均线区间值处在 7/8/9 的数值区间时，HS300 往往处在上涨的趋势状态；（3）当 HS300 八均线区间值处在 4/5/6 的数值区间时，HS300 往往处在震荡的市场环境中。图图 14：HS300 八均线八均线区间区间值变值变化化 资料来源：Wind 资讯，光大证券研究所 我们在报告司空见惯叙指标技术形态选股系列报告之五中讨论过八均线体系的使用方式以指标区间对标的指数的趋势状态进行判断。我们将八均线区间值处于 1/2/3 时对八均线指标值赋值为-1，八均线区间值处于4/5/6 时对八均线指标值赋值为 0，八均线区间值处于 7/8/9 时对八均线指标值赋值为 1。通过这种划分，指标值状态与 HS300 的涨跌变化规律更加清晰。图图 15：HS300 八均线指标八均线指标值变值变化化 资料来源：Wind 资讯，光大证券研究所 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-15-证券研究报告 利用以上规则，我们制定两种交易规则进行对比。交易规则一：（1）当指标状态为 1 时，看多 HS300；（2）当指标状态为-1 时，看空 HS300；（3）当指标状态为 0 时，对 HS300 持有看平观点，保持空仓。交易规则二：（1）当指标状态为 1 时，看多 HS300；（2）当指标状态为-1 时，看空 HS300；（3）当指标状态为 0 时，对 HS300 观点维持前序判断。例如，之前看多HS300，此时依旧看多 HS300；反之亦然。通过对比两种交易规则下的择时表现，我们发现，无论选用何种交易方式，八均线指标对于上涨趋势和震荡市场的判断准确度要优于对下跌趋势的判断。对于两种交易规则的选择我们将在后市场文情绪体系指标观点合成部分进行讨论。图图 16：HS300 八均线指标择时效果（交易规则一）八均线指标择时效果（交易规则一）图图 17：HS300 八均线指标择时效果（交易规则二）八均线指标择时效果（交易规则二）资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2005 年 4 月 8 日-2019 年 5 月 17 日，下图同 资料来源：Wind 资讯，光大证券研究所 2.3.5、确认市场情绪体系代理变量确认市场情绪体系代理变量 通过对单指标变化规律的梳理、指标择时信号的处理与效果对比，我们最终选取了八个代理变量纳入到新的市场情绪体系，分别是HS300 60 日强势股占比、HS300 上涨家数占比、HS300 八均线指标、HS300 均线多空头排列指标、HS300 相对强弱指标、A 股换手率、偏股型基金仓位、股指期货升贴水。详细的指标构建方式、指标择时信号处理规则以及样本内的择时效果将在附录中进行说明。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-16-证券研究报告 表表 2：市场情绪代理变量明细（确认）：市场情绪代理变量明细（确认）类别类别 代理变量代理变量 市场运行指标市场运行指标 HS300 60 日强势股占比（Signal 1）HS300 上涨家数占比（Signal 2）HS300 八均线指标（Signal 3）HS300 均线多空头排列指标（Signal 4）HS300 相对强弱指标（signal 5）投资者行为投资者行为 指标指标 普通投资者行为 A 股换手率（Signal 6）机构投资者行为 偏股型基金仓位（Signal 7）杠杆投资者行为 股指期货升贴水（Signal 8）资料来源：光大证券研究所 3、指标再平衡：指标再平衡：定性感知市场温度，定性感知市场温度，定量构建交定量构建交易规则易规则 3.1、不同频率指标处理不同频率指标处理 在最终确认的市场情绪代理变量中，各指标频率周期存在差异。从指标共振观察市场情绪的角度出发，我们最终确认将所有的指标调整为周频维度来观察。这里需要注意的是，日频类指标我们依然采用日度更新的计算方式，在纳入指标集的过程中采用周度截取日期当天的指标值作为参考。3.2、指标共振：定性感知市场指标共振：定性感知市场温度温度 在最终筛选使用的代理变量中，既有作为拐点“探测器”的代理变量（如：HS300 相对强弱指标），又有作为决策“放大器”的代理变量（如：HS300 60 日均线以上强势股占比指标），同时还有刻画趋势状态的代理变量（如：HS300 八均线指标）。通过一些简单的实证我们也发现每一类指标都有不同的优缺点，如何将这些指标进行融合达到取长补短的目的值得我们进一步探索。借鉴我们在构建情绪体系，寻找涨跌信号市场情绪系列报告之一中使用多指标共振观察市场情绪的思路，我们依然采用多指标观点叠加的方式进行指标集构建。这里与原模型的分位数处理存在不同，我们将单指标的观点分（-1,0,1）进行汇总，取当期指标均值对市场情绪的状态进行判断。上文对八均线指标的论述中我们对交易法则一和交易法则二的取舍并未作出判断，这里为了与其他指标的观点分（-1,1）保持一致，我们选取交易法则二。最终，所有单指标的观点分为（-1,1）。市场情绪指标值变化和 HS300 涨跌之间的关系近似趋势类指标：1.HS300 处在上涨趋势中时，市场情绪指标重心抬升；2.HS300 处在下跌趋势中时，市场情绪指标重心下降；3.HS300 处在震荡行情中时，市场情绪指标变动趋缓。2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-17-证券研究报告 图图 18：市场情绪指标市场情绪指标值变值变化化 资料来源：Wind 资讯，光大证券研究所 因此，我们借鉴趋势类指标的处理方式，先对市场情绪指标进行均线平滑处理，这里我们选用指标的 20 日均线作为参考。使用20日均线进行平滑之后，我们可以更直观的看出市场情绪的趋势变化，从定性的角度对市场情绪加以判断。参考构建情绪体系，寻找涨跌信号市场情绪系列报告之一中对市场情绪指标进行百分制的处理方式，我们构建市场情绪监测指数，处理方式如下：1.市场情绪体系单指标观点分加总，总和除以当期有数值（观点分）的指标数量，得到市场情绪指标值，记为 L1；2.计算市场情绪指标值 20 日均值，记为 L2；3.对 L2 进行标准化处理，并进行百分制换算，进而得到市场情绪监测指数L3，公式为 L3=(L2+1)50 图图 19：市场情绪指标市场情绪指标 20 日均日均值值（L2）变变化化 图图 20：市场情绪监测指数（市场情绪监测指数（L3）变化）变化 资料来源：Wind 资讯，光大证券研究所 资料来源：Wind 资讯，光大证券研究所 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-18-证券研究报告 3.3、指标共振：定量构建交易规则指标共振：定量构建交易规则 定性的参考情绪指标的变化，可以让我们对市场的情绪状态有所感知。对于可量化的指标，我们更希望能够建立一套严格的择时交易系统，辅助我们对市场的多空观点进行判断。我们在处理趋势类指标时获取了一定成功的经验，即通过观察指标值在阈值（N 日均值+M 倍的 N 日标准差）之间的变化状态对标的指数的多空观点进行判断。基于此，我们构建以下两种交易规则进行对比。交易规则一：1.当市场情绪指标值上穿上阈值（20 日均值+1 倍标准差）时，看多 HS300；2.当市场情绪指标值下穿下阈值（20 日均值-1 倍标准差）时，看空 HS300；3.当市场情绪指标值处在上下阈值之间时，看平 HS300，保持空仓。交易规则二：1.当市场情绪指标值上穿上阈值（20 日均值+1 倍标准差）时，看多 HS300；2.当市场情绪指标值下穿下阈值（20 日均值-1 倍标准差）时，看空 HS300；3.当市场情绪指标值处在上下阈值之间时，对 HS300 观点维持前序判断。例如，之前看多 HS300，此时依旧看多 HS300；反之亦然。对比两种交易规则下的择时表现，我们最终采纳交易规则二的交易方式。至此，市场情绪择时体系 2.0 构建完毕。图图 21：市场情绪指标择时效果（交易规则一）市场情绪指标择时效果（交易规则一）图图 22：市场情绪指标择时效果（交易规则二）市场情绪指标择时效果（交易规则二）资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2005 年 3 月 11 日-2019 年 5 月 17 日，下图同 资料来源：Wind 资讯，光大证券研究所 表表 3：市场情绪指标择时效果分析市场情绪指标择时效果分析 年化收益率年化收益率 最大回撤最大回撤 夏普比率夏普比率 信号数信号数 胜率胜率 盈亏比盈亏比 交易规则一交易规则一 18.99%27.08%1.07 121 62.81%1.80 交易规则二交易规则二 31.13%39.85%1.16 56 62.50%2.54 HS300 9.76%71.00%0.36-资料来源：Wind 资讯，光大证券研究所 注：回测区间为 2005 年 3 月 11 日-2019 年 5 月 17 日 2 1 0 4 0 2 9 7/3 6 1 3 9/2 0 1 9 0 6 0 9 0 9:5 22019-06-06 金融工程 敬请参阅最后一页特别声明-19-证券研究报告 4、市场情绪市场情绪择时择时体系体系 2.0：顺势而为，捕捉趋势：顺势而为，捕捉趋势机会机会 与我们在构建情绪体系，寻找涨跌信号市场情绪系列报告之一中构建的市场情绪择时体系（以下简称“1.0”）不同，市场情绪择时体系 2.0（以下简称“2.0”）的构建更加侧重对于趋势的确认和把握，弱化了对于“反转”信号的捕捉。即，市场情绪的决策“放大器”效用强于拐点“探测器”的效用。对比 1.0 和 2.0 最终选用的指标：首先，从指标分类来看，1.0 对三大类别的指标都有涉及，2.0 更加侧重于对市场运行指标的刻画，同时在 2.0 的指标筛选过程中我们剔除了一些纳入 1.0 但实际择时效果欠佳的指标；其次，从单指标的使用方式来看，2.0 充分考量了每一类指标的特有属性，分类进行信号的处理；最后，在使用方式上，2.0 既提供了对市场情绪定性感知的指标市场情绪监测指数（L3），又提供了一套纯量化的开平仓法则。市场情绪择时体系的构建仍需不断完善，相信随着市场活跃度的提高，我们可以找到更多表达市场观点的代理变量，将其融入到新的市场情绪择时体系中去。5、风险提示风险提示 本报告中的结果均基于模型和历史数据，历史数据存在不被重复验证的可能，模型存在失效的风险。6、附录：情绪体系指标计算说明附录：情绪体系指标计算说明 6.1、Signal 1HS300 60 日强势股占比日强势股占比 1.指标计算方法 HS300 60 日强势股占比=HS300 收盘价在 60 日均线之上个股占比 2.指标值处理及开平仓信号应用（1）计算当日 HS300 60 日强势股占比指标的历史分位数，记为 Quantile1；（2）当 Quantile140 且 Quantile190%时，看多 HS300；（2）当 Signal 2Upper 时，Signal 6=-1；当 Quantile6Upper 时，Signal 8=1；当 mLower时，Signal 8=-1；其它情况下，Signal 8=0；（5）当 Signal 8=1 时，看多 HS300；（6）当 Signal 8=-1 时，看空 HS300；（7）当Signal 8=0 时，对HS300 观点维持前序判断。例如，之前看多HS300，此时依旧看多 HS300；反之亦然.6.9、市场情绪择时体系单指标择时效果市场情绪择时体系单指标择时效果 我们根据单指标的样本内择时效果进行统计梳理，具体情况如下表。其中