兴业证券_20180513_CTA策略系列报告之七：量化基本面探索之基于宏观经济因素以及市场自身特点的沪深300和创业板轮动策略.pdf

请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 定定量量研研究究 专专题题报报告告 证券研究报告证券研究报告 分析师：于明明 S0190514100003 任瞳 S0190511080001 assAuthor 研究助理：报告关键点报告关键点 本文继续将量化基本面应用到股票市场之间的轮动，分析沪深300 指数和创业板指数历次轮动的可能原因，尝试对未来市场两个板块相对强弱走势进行判断，创新地运用宏观经济变量、板块自身特点以及政策信息去分析和预测沪深 300 指数和创业板指之间的轮动规律，构建有效模型。relatedReportrelatedReport 相关报告相关报告 CTA 策略系列报告之一：顺势而为，趋势为王 CTA 策略系列报告之二：基于商品期货的期限结构的投资策略 CTA 策略系列报告之三：基于库存基本面视角的商品期货投资策略（上）CTA 策略系列报告之三：基于库存基本面视角的商品期货投资策略（下）CTA 策略系列报告之五：商品量化基本面研究框架的探索之螺纹钢 CTA 策略系列报告之六：商品量化基本面研究框架的探索之铁矿石 团队成员：投资要点投资要点 summary 近年来主板和创业板的轮动愈来愈频繁，而风格的判断一定程度上对最终投资组合的表现起到不可忽视的作用，因此去探究板块轮动的原因，解释甚至预测市场轮动的行情，无论对于板块标的进行直接投资，还是以此作为基础选股池进行筛选，都变得愈来愈重要。沪深 300 与创业板指估值和市值有所分化，行业分布也各有偏重，其相对收益与各种风格收益有较高的相关性，且处于动态变化中。根据沪深 300 和创业板指历史上历次轮动的宏观基本面原因分析，我们构建了从逻辑上可能影响两板块相对强弱表现的因子库，包括实体经济、物实体经济、物价水平、市场资金流动性、市场风险偏好、板块自身特点以及政策信息价水平、市场资金流动性、市场风险偏好、板块自身特点以及政策信息；并在此基础上完成了对因子频率、更新的延迟调整以及奇异值的处理。为了衡量单个因子的预测效果，我们采用三分位点法作为信号生成机制，确定未来的投资信号，用前面构建的因子库的数据进行测算，发现 t 统计量的值与我们追求的夏普比率（不考虑手续费和交易摩擦）相关性非常高从而可以用 t 统计量是否显著作为因子预测效果的重要衡量指标；并考虑了数据公布延迟情况下的有效因子筛选。在筛选最终因子时本文兼顾因子的预测能力和解释能力，并综合考虑因子间的相关性，最终在每个大类中选出一个最优因子组成有效因子库；然后根据因子发出的信号构建沪深 300 指数与创业板指的轮动策略。按照等权按照等权配置各个因子以及少数服从多数原则进行信号发出，多空策略的年化收益配置各个因子以及少数服从多数原则进行信号发出，多空策略的年化收益率为率为 36%，夏普比可达到，夏普比可达到 1.55，远高于单纯买入创业板指卖出沪深，远高于单纯买入创业板指卖出沪深 300；由于市场由于市场有做空限制，有做空限制，若执行纯多头策略，年化收益率为若执行纯多头策略，年化收益率为 22%，夏普比，夏普比达到达到 0.76，远优于等权配置的，远优于等权配置的 0.27，可见轮动效果十分显著。，可见轮动效果十分显著。风险提示风险提示：模型结论模型结论是基于合理假设前提下结合历史数据推导得出，是基于合理假设前提下结合历史数据推导得出，在市场环境转变时模型存在失效的风险。在市场环境转变时模型存在失效的风险。title CTACTA 策略系列报告之七：策略系列报告之七：量化基本面探索量化基本面探索之之基基于宏观于宏观经济经济因素因素以及市场以及市场自身特点自身特点的沪深的沪深300300 和创业板轮动策略和创业板轮动策略 createTime1 20182018 年年 5 5 月月 1313 日日 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -2-定量研究专题报告定量研究专题报告告告 目目 录录 1、沪深 300 和创业板指收益分化可能的原因分析.-4-1.1、两板块估值和市值有所分化.-4-1.2、两板块行业分布各有偏重.-5-1.3、与各种风格收益有较高的相关性，且处于动态变化中.-6-2、沪深 300 和创业板指历史上历次轮动的基本面解释.-7-3、沪深 300 和创业板指相对强弱表现因子库构建.-9-3.1、两板块相对强弱表现的因子库构建.-9-3.2、因子库因子调整.-10-3.2.1、因子频率调整.-10-3.2.2、因子更新延迟调整.-11-3.2.3、奇异值处理.-11-4、单因子信号生成机制及其评价.-12-4.1、三分位法 t 统计量构造机制.-12-4.2、轮动解释因子筛选.-13-4.3、考虑数据公布延迟的预测因子筛选.-16-5、因子筛选以及轮动表现.-17-6、总结.-19-图 1、沪深 300 以金融地产等周期性行业为主.-5-图 2、创业板指以医药生物等非周期性行业为主.-6-图 3、与各种风格的移动相关性.-7-图 4、沪深 300 和创业板指历次轮动及其可能原因分析.-7-图 5、标准正态分布函数的逆变换函数.-12-图 6、沪深 300 和创业板指轮动影响因子的 t 值和夏普比率高度相关-13-图 7、PMI 指数解释能力.-15-图 8、IPO 规模占比解释能力图示.-15-图 9、IPO 规模占比预测能力图示（考虑数据公布延迟）.-17-图 10、多空择时净值与基准表现（2010.6.2-2018.4.26）.-18-图 11、纯多头择时净值表现（2010.6.2-2018.4.26）.-19-表 1、两板块的估值和市值有显著差异（截至 2018.5.4）.-5-表 2、与各种风格的相关性（2010.6.1-2018.4.26）.-6-表 3、沪深 300 和创业板指历次轮动及其可能原因分析.-8-表 4、沪深 300 和创业板指相对强弱表现因子库.-10-表 5、筛选的轮动解释因子及表现.-14-表 6、市场轮动有效的预测因子及表现（考虑数据公布延迟）.-16-请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -3-定量研究专题报告定量研究专题报告告告 表 7、沪深 300 和创业板指轮动稳健有效因子库.-17-表 8、择时多空与不择时策略表现对比（2010.6.2-2018.4.26）-18-表 9、纯多头轮动策略表现（2010.6.2-2018.4.26）.-18-请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -4-定量研究专题报告定量研究专题报告告告 报告正文报告正文 自 2010 年 6 月有创业板指以来，历史大部分时期，创业板的表现都显著优于沪深 300指数。但2017 年全年来看，沪深300 全年涨幅超过 22%，而同期创业板指下跌 11%，就在市场开始信奉“价值为王”，一致看好大盘蓝筹时，2018 年年初市场风格又发生了变化，截至 2018 年 5 月 4 日，创业板指上涨 3.5%，走势远优于沪深 300（下跌 6.4%），可见主板和创业板的轮动愈来愈频繁，而风格的判断一定程度上对最终投资组合的表现起到不可忽视的作用，因此去探究板块轮动的原因，解释甚至预测市场轮动的行情，无论是对于板块标的进行直接投资，还是以此作为基础选股池进行筛选，都变得愈来愈重要。我们在前几篇报告中利用量化方法对商品库存、螺纹钢、铁矿石等品种的基本面因子进行分析，提出了三分位法构造 t 统计量，进而对因子进行评价分析，本文尝试研究沪深 300 指数和创业板指数的成份股特点，分析历次轮动的可能原因，进而用相似方法尝试对未来市场两个板块相对强弱走势进行判断，所不同的是本文利用了宏观经济数据、政策信息以及板块自身特点等因子，希望为投资者在对宏观经济和政策信息进行量化时提供一定的参考。1 1、沪深沪深 300300 和创业板和创业板指指收益分化收益分化可能可能的原因的原因分析分析 沪深 300 和创业板指分别是主板和创业板的代表性指数，两者在上市门槛、信息披露、保荐人制度、退市制度、高管股份交易等多方面均有一定差异，因而导致两者在市值、估值、行业以及风格上有明显差异。1.11.1、两板块估值和市值有所分化两板块估值和市值有所分化 创业板上市要求发行人最近两年连续盈利，最近两年净利润累计不低于1000 万元，且持续增长；或者最近一年盈利，且净利润不低于 500 万元，最近一年营业收入大于 5000 万元，最近两年营业收入增长率不低于 30%。而主板则要求发行人连续 3 年盈利，且累计净利润超过 3000万元，或者最近 3 年经营活动产生的现金流量净额累计超过 5000 万元，或者最近 3 年营业收入累计超过 3 亿元。可见从上市门槛上天然决定了两者的市值以及成长性会有较大不同。从表 1 看出，截至 2018 年 5 月 4 日，沪深 300 指数的平均市值为 833亿，远高于市场平均水平 132 亿，而创业板指平均市值为 148 亿，略高于市场平均水平，可见目前创业板指并不是市场普遍认为的“小盘股”。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -5-定量研究专题报告定量研究专题报告告告 从估值上来看，创业板指的市盈率（PE-TTM）均值为 44，远高于沪深300 的估值，可见创业板指相对于沪深 300 市值较小，估值较高。表表 1 1、两板块的估值和市值有显著差异（截至两板块的估值和市值有显著差异（截至 2018.2018.5.5.4 4）证券代码证券代码 证券简称证券简称 市盈率市盈率 PE(TTM)PE(TTM)成份个数成份个数 年初至今涨年初至今涨跌幅跌幅（%）平均市值平均市值(亿）亿）000903.SH 中证 100 12 100-6.51 1892 000300.SH 沪深沪深 300 13 300-6.36 833 000906.SH 中证 800 14 800-6.12 391 399006.SZ 创业板指创业板指 44 100 3.54 148 000985.CSI 中证全指 17 3228-6.69 132 000905.SH 中证 500 25 500-5.46 126 930903.CSI 中证 A 股 17 3504-6.70 123 000852.SH 中证 1000 32 1000-6.93 58 资料来源：Wind，兴业证券经济与金融研究院整理 1.21.2、两板块两板块行业分布各有偏重行业分布各有偏重 由于创业板和主板对于上市公司的成长性和创新性要求有所不同，所以两者在行业分布上也出现了显著差异。从行业分布来看，沪深 300 以金融、地产等周期性行业为主，而创业板指以医药生物、计算机等非周期性行业为主，从而两者的成长性有很大不同，且其所受宏观经济的影响程度有很大区别。图图 1 1、沪深沪深 300300 以金融地产等周期性行业为主以金融地产等周期性行业为主 资料来源：Wind,兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -6-定量研究专题报告定量研究专题报告告告 图图 2 2、创业板指以医药生物等非周期性行业为主创业板指以医药生物等非周期性行业为主 资料来源：Wind,兴业证券经济与金融研究院整理 1.31.3、与各种风格收益有较高的相关性，且与各种风格收益有较高的相关性，且处于处于动态变化中动态变化中 根据前面分析，沪深 300 指数和创业板指在估值、市值、成长性以及行业分布有显著差异，本文利用沪深 300 和创业板指日收益率之差，可以构造沪深 300 和创业板指相对价值走势净值，同理可以计算出大盘-小盘指数、价值-成长指数、周期-非周期指数以及低估值-高估值指数，发现沪深 300-创业板指相对收益率确实与其他四者有较强的相关性，说明沪深 300 和创业板指表现的差异确实可以解释为大盘和小盘差异、价值股和成长股的差异、周期股与非周期股的差异以及低估值和高估值股票的差异。表表 2 2、与、与各种风格的相关性（各种风格的相关性（2010.6.12010.6.1-2018.4.262018.4.26）HS300HS300-创创业板指业板指 大盘大盘-小盘小盘 价值价值-成长成长 周期周期-非周期非周期 低估值低估值-高估高估值值 HS300HS300-创业板指创业板指 100%81%76%82%84%大盘大盘-小盘小盘 81%100%75%81%93%价值价值-成长成长 76%75%100%81%80%周期周期-非周期非周期 82%81%81%100%83%低估值低估值-高估值高估值 84%93%80%83%100%资料来源：Wind，兴业证券经济与金融研究院整理 从与四个相对收益率的移动相关性来看，沪深 300 与创业板指相对表现在不同时期的风格解释有所不同，总的来说，与各种风格相关性均较为 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -7-定量研究专题报告定量研究专题报告告告 显著，且 2018 年后整体相关性均有所回升，这为我们探索影响板块轮动的因子提供了基本依据。图图 3 3、与各种风格的移动相关性与各种风格的移动相关性 资料来源：Wind,兴业证券经济与金融研究院整理 2 2、沪深沪深 300300 和创业板和创业板指历史上历次轮动的基本面解释指历史上历次轮动的基本面解释 我们根据沪深 300 和创业板指相对的表现，将其分为上涨、下跌和震荡阶段，分别对应的是沪深 300 指数相对走强、两者无相对强弱、以及创业板指相对走强三种状态，且可能的原因如下图所示，其中可能原因主要来自其他分析师（尤其是策略分析师）的报告。图图 4 4、沪深沪深 300300 和创业板指历次轮动及其可能原因分析和创业板指历次轮动及其可能原因分析 资料来源：兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -8-定量研究专题报告定量研究专题报告告告 表表 3 3、沪深沪深 300300 和创业板指历次轮动及其可能原因分析和创业板指历次轮动及其可能原因分析 起始时间起始时间 终止时间终止时间 占优板块占优板块 可能原因分析可能原因分析 2010/6/2 2010/10/19 沪深 300 经济数据持续走强，PMI 指数持续较高，工业增加值同比环比均大幅上升。2010/10/20 2010/12/17 创业板指 通胀水平持续较高，CPI 同比连续几个月 4%以上，而作为 CPI 的先行指标 PPI 同比也是居高不下，市场无风险利率处于高位；存款准备金上调导致券商股大跌。2010/12/18 2011/6/29 沪深 300 通胀高企，存款准备金率再次上调，市场担心后续加息，创业板跌幅惨重。2011/6/30 2013/2/4 无明显优势盘 2013/2/5 2014/10/29 创业板指 IPO 几乎停滞，小盘股的壳资源优势明显。2014/10/30 2015/1/5 沪深 300 市场如期降息，市场大幅上涨，大盘股前期涨幅较小，反弹较大。2015/1/6 2015/6/8 创业板指 市场连续降息，货币宽松，市场杠杆较高，大小盘起飞，但小盘股持续跑赢大盘。2015/6/9 2015/9/2 沪深 300 股灾来临，市场整体去杠杆，前期表现好的创业板大跌，跌幅远高于大盘股。2015/9/3 2015/12/23 创业板指 救市开启，市场杠杆整体下降，系统性风险下降，市场整体开始修复，前期跌幅较大的创业板弹性较大。2015/12/24 2018/1/24 沪深 300 2016 年年初市场再次急速下跌，大盘股抗跌能力较强；此后市场开始重新回归价值投资理念，低估值的沪深 300 被市场热捧，再次大幅战胜小盘股；工业增加值环比持续上升，沪深 300 整体估值非常有优势。2018/1/25 目前 创业板指 2017 年经济数据和业绩数据较为优越，从而给2018 年同比增长带来较大压力；前期大盘股涨幅较大，有回调需求。资料来源：兴业证券经济与金融研究院整理 可见基本面分析师一致认为板块之间的相对强弱表现可能有以下规律：宏观经济较好时，沪深 300 指数表现较强，可能与其周期股占比较高有关；市场流动性宽裕、IPO 减缓时创业板指表现更优，弹性更强；市场系统性风险越高，沪深 300 由于估值有优势，将比创业板指更有抗跌优势；从技术面来看，相对净值曲线的短期收益率有一定持续性，历史收益率序列具有自相关性。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -9-定量研究专题报告定量研究专题报告告告 3 3、沪深沪深 300300 和和创业板创业板指相对强弱表现因子库构建指相对强弱表现因子库构建 3 3.1.1、两板块相对强弱表现的因子库两板块相对强弱表现的因子库构建构建 因子是量化分析的素材，根据前面分析，我们构建了从逻辑上可能影响两板块相对强弱表现的因子库，包括实体经济、物价水平、市场资金流动性、市场风险偏好、板块自身特点以及政策信息，具体的：宏观经济因子：宏观经济因子：主要反映的是经济的景气程度，具体指标包括工业增加值、PMI 指数、社会消费品零售额以及地产等数据，从不同方面反映了经济的发展状况，根据前面分析沪深 300 和创业板指的主要行业分别是周期性和非周期性行业，从而当宏观经济景气时，沪深 300 相对于创业板指更有可能表现强势；物价水平：物价水平：物价水平能反映市场的通胀情况，而上升的通货膨胀会带来货币紧缩，因此大盘股表现相对较好。原因可能是当物价水平增加时通胀压力增大，央行采取紧缩的货币政策可能性加大，由于大盘股相对而言财务更稳健，冲击相对较小，从而表现可能相对更好；资金流动性资金流动性因子：因子：从企业生命周期角度看，成长型股票未来现金流具有不确定性较大且现金流前低后高的特征，这意味着相对于价值型股票具有相对更长的久期。久期越长，自然受利率的影响也就越大，由此来看，当无风险利率下行时，成长股受益更多，从而创业板指走势更易占优；相反，当无风险利率上行，成长股受损更大，此时价值股应会有超额收益；风险偏好风险偏好：风险偏好是主动追求风险，喜欢收益的波动性胜于收益的稳定性的态度。沪深 300 相对创业板流动性好、估值低，因此在市场风险偏好较低时往往更受欢迎，而创业板指成份股未来的经营不确定性更大，但利润和市值的潜在增长空间也往往较大，因此在市场风险偏好较高时表现更好；两板块自身差异两板块自身差异：两板块当前市场走势方向、估值水平以及当前风险情况亦会对未来两者的相对走势有较大影响；政策信息：政策信息：小盘股通常具有“壳资源”的价值，而“壳资源”价值由于A 股上市制度的特点显得更加重要且多变，而这一部分的估值与市场 IPO 的速度和数量有很大的关系，因此本文用 IPO 的数据作为政策信息的度量变量。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -10-定量研究专题报告定量研究专题报告告告 表表 4 4、沪深沪深 300300 和创业板指相对强弱表现因子库和创业板指相对强弱表现因子库 大类大类 方向方向 影响变量影响变量 实体经济实体经济 正向 工业增加值 PMI 社会消费品零售额 固定资产投资 房地产 进出口 居民收入 物价水平物价水平 正向 通胀水平 商品价格 资金流动性资金流动性 负向 Shibor 利率 债券到期利率 货币供给量 风险偏好风险偏好 负向 信用利差 市场波动 大小盘走势差异 金价 板块自身板块自身 正向 板块收益差 板块估值差 板块波动之差 政策信息政策信息 负向 壳资源价值度量 资料来源：兴业证券经济与金融研究院整理 3 3.2.2、因子库因子调整因子库因子调整 宏观经济因子与商品的基本面因子在更新频率、数据延迟等方面有一些相似之处（具体请见报告CTA 策略系列报告之五：商品量化基本面研究框架的探索之螺纹钢2018-01-07），因此处理方式上也可以互相借鉴。3.3.2 2.1 1、因子频率、因子频率调整调整 非行情（非二级市场量价数据）指标更新频率存在差异，从而我们需要将所有因子统一到同一频率中，而统一到同一频率有以下两种方式：统一成统一成低频数据：低频数据：将所有因子都统一变成低频因子，例如尽管我们有日频的 Shibor 利率，我们依然可以用每个月最后一日或者本月所有日的平均值作为该月度 Shibor 因子。统一统一成成高频高频数据：数据：将所有的因子统一成高频因子，即我们尽管无法 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -11-定量研究专题报告定量研究专题报告告告 获得日频的宏观经济数据，但我们可以通过一些手段将其映射到高频时间点上，如根据信息获得时间，将两次因子更新之间填充为前一次更新所得数据的方式获得高频数据便是常见的一种形式。传统的统一频率方法以第一种为主，这种方法优点是数据规整，便于在低频基础上实现资产价格的长期预测，调仓频率固定，从而可以有效控制换手率。但是其缺点也非常明显，首先由于宏观经济数据更新并不总是及时且未必一致，通常下个月的月中才能发布上个月的数据，从而很难做到各个因子很好地对齐；其次很难做到及时性，如新的数据发布后，如果没到我们调仓的低频时点，其信息就无法准确及时地反映到模型中去，尤其是一些重要的行情数据通常能够体现出市场的变化，因为有必要将其充分考虑到整个模型框架中。鉴于此，我们将所有因子统一成高频因子，即因子两次更新期间的数据用前一次数据代替。3 3.2.2.2.2、因子、因子更新延迟调整更新延迟调整 非行情数据通常有更新延迟的情况，为了稳妥起见我们只能将数据延迟一期，同理此调整也会应用于周频和月频数据的调整上，但值得注意的是部分经济数据（如 PMI）是可以在当月最后一天公布的，从而这些数据的因子延迟处理相对来说更宽松。3.2.33.2.3、奇异值、奇异值处理处理 由于统计的原因或者基本面本身的剧烈变化，部分因子比较容易出现极端数值，且很难服从正态分布，所以奇异值的处理变得很有必要，本文采用将因子的经验累计分布数据通过正态分布的累积分布函数逆变换的方式获得新的因子数据作为该因子的调整值，为日后进行投资决策作为因子素材，具体变换如下公式：1()iiiaiiSortIndexFEFNFN orm D istEF 其中：iF是第 i 个调整前因子；iSortIndexF是因子iF在所有样本中的排序（从小到大升序排列）；iN是因子iF的数据长度；1N orm D ist是均值为 0，方差为 1 的累积正态分布函数的逆变换，其函数曲线形态如下图所示。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -12-定量研究专题报告定量研究专题报告告告 图图 5 5、标准正态标准正态分布函数的逆变换函数分布函数的逆变换函数 数据来源：兴业证券经济与金融研究院整理 通过此变换不仅可以有效地缩窄原因子的范围，达到处理极值的目的（其数值在-3,3以外概率较低），同时还能将原因子正态化，从而为后续我们可能的回归分析奠定基础。4 4、单因子信号生成单因子信号生成机制机制及其评价及其评价 4 4.1.1、三分位法三分位法 t t 统计量构造机制统计量构造机制 从策略表现角度，我们追求的是夏普比率足够大，即单位风险所带来的收益足够大，对于单个因子来说，为了衡量其预测效果，我们采用三分位点法作为信号生成机制，确定未来的投资信号。所谓三分位点方法，是指可以依据指标的观察样本数据确定上下三分位点，结合该指标的方向逻辑，确定下一期的头寸方向（分别对应看多，看平和看空三个方向），进而分析在不同分位点情景下市场下一期收益率的统计差异，其差异程度可以通过以下统计量衡量：22113313131311112nSnSnnnnFFt 其中：1F为发出看多信号时未来一个交易日交易标的收益率的均值；3F为发出看空信号时未来一个交易日交易标的收益率的均值；请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -13-定量研究专题报告定量研究专题报告告告 21S为发出看多信号时未来一个交易日交易标的收益率的方差；23S为发出看空信号时未来一个交易日交易标的收益率的方差；1n为发出看多信号的样本容量；3n为发出看空信号的样本容量；t 统计量越大，说明该因子发出看多和看空信号未来收益的差异越明显，其预测效果越好。我们用前面构建的因子库的数据进行测算，发现 t 统计量的值与我们追求的夏普比率（不考虑手续费和交易摩擦）相关性非常高，从而可以用 t 统计量是否显著作为因子预测效果的重要衡量指标。图图 6 6、沪深沪深 300300 和和创业板指轮动影响因子的创业板指轮动影响因子的 t t 值和夏普比率高度相关值和夏普比率高度相关 数据来源：Wind，兴业证券经济与金融研究院整理 4 4.2.2、轮动解释因子筛选轮动解释因子筛选 为了揭示沪深 300 和创业板指轮动的原因，先假设我们可以在同期知道所有因子的值，即我们可以每次都准确预测出下期该因子的数值大小，如 2018 年 3 月的 CPI 我们可以在当期得知，而不受发布日期的限制，我们可从因子库中筛选出指标如下表所示，可见在大类指标中有较多变量能够对市场轮动有显著的解释效果。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -14-定量研究专题报告定量研究专题报告告告 表表 5 5、筛选的、筛选的轮动解释轮动解释因子因子及及表现表现 子类别子类别 变量名称变量名称 t-Value 年化年化 收益率收益率 夏普夏普比例比例 最大最大回撤回撤 年化波年化波动率动率 实体经济 PMI 2.69 19%0.93 29%21%实体经济 PMI 新出口订单 2.09 14%0.67 31%21%实体经济 PMI 原材料库存 2.42 16%0.78 42%20%实体经济 PMI 主要原材料购进价格 2.02 13%0.65 41%20%实体经济 PMI 进口 1.68 10%0.50 39%21%物价水平 CPI 环比 1.81 11%0.56 39%20%流动性 SHIBORO/N 2.91 20%1.01 27%20%流动性 SHIBOR1W 2.18 14%0.71 40%20%流动性 SHIBOR2W 3.28 24%1.17 31%21%流动性 SHIBOR1M 2.37 16%0.79 32%20%流动性 SHIBOR3M 1.74 10%0.54 28%19%风险偏好 信用利差（AA 和无风险）1.74 10%0.55 32%18%风险偏好 波动率 1M 1.76 11%0.55 44%20%风险偏好 波动率 2M 2.13 14%0.69 29%20%风险偏好 波动率 3M 2.16 14%0.70 29%20%风险偏好 收益率之差 1M(平均每日）3.64 27%1.32 36%21%风险偏好 收益率之差 2M(平均每日）1.68 11%0.51 40%21%风险偏好 收益率之差 3M(平均每日）1.71 11%0.52 32%21%板块特点 收益率之差 2M(平均每日）8.00 74%3.58 16%21%板块特点 收益率之差 3M(平均每日）5.09 41%2.02 20%20%板块特点 波动率之差 1M 3.84 30%1.44 29%21%政策信息 IPO 规模 1.74 174%0.11 54%40%政策信息 IPO 数量占比 1.75 175%0.11 54%48%政策信息 IPO 规模占比 2.14 214%0.14 70%32%数据来源：Wind,兴业证券经济与金融研究院整理 以 PMI 为例，2012 年至 2014 年 PMI 值虽然有缓慢上升，但是依然处于历史较低水平，此阶段创业板指表现优秀，而到了 2017 年 PMI 稳步回升，处于历史较高水平，此阶段沪深 300 表现优秀，按三分位法其 t统计量为 2.69，表现较为显著。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -15-定量研究专题报告定量研究专题报告告告 图图 7 7、PMI 指数解释能力指数解释能力 数据来源：Wind，兴业证券经济与金融研究院整理 IPO 规模占比是将 IPO 的总市值与当期 A 股流动市值相除得到的因子，从下图可以看出在 2013 年至 2014 年 IPO 暂停时间较久，从而市值较小的股票的“壳资源”价值较高，从而提高了市值较小的股票的价值，使得创业板指走势明显优于沪深 300。随后市场 IPO 放开，小股票的“壳资源”优势降低，原来走势不佳的沪深 300 便出现补涨行情。图图 8 8、IPO 规模占比规模占比解释能力图示解释能力图示 数据来源：Wind，兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -16-定量研究专题报告定量研究专题报告告告 4 4.3 3、考虑数据公布延迟的预测考虑数据公布延迟的预测因子筛选因子筛选 考虑到部分因子数据并非连续公布，且数据公布有延迟，我们继续挖掘考虑数据公布延迟后的因子表现，则按照 t 统计量显著性筛选出市场轮动有效的预测因子如下表。表表 6 6、市场轮动有效的预测因子市场轮动有效的预测因子及表现（考虑及表现（考虑数据公布延迟数据公布延迟）子类别子类别 变量名称变量名称 t-Value 年化收益率年化收益率 夏普比夏普比例例 最大回撤最大回撤 年化波年化波动率动率 实体经济 PMI 1.75 11%0.53 29%20%实体经济 PMI 新订单 2.39 16%0.79 27%20%实体经济 PMI 在手订单 2.45 17%0.81 40%21%实体经济 房屋新开工面积累计同比 1.84 12%0.58 29%20%实体经济 进口金额季调当月同比 1.95 12%0.62 29%20%实体经济 进出口金额季调环比 1.69 10%0.51 31%19%物价水平 CRB 现货指数综合对数 1.82 11%0.57 34%20%流动性 SHIBORO/N 1.98 13%0.63 36%20%流动性 SHIBOR1W 2.99 21%1.04 29%21%流动性 SHIBOR2W 3.08 22%1.08 27%21%流动性 SHIBOR1M 3.00 21%1.05 33%20%风险偏好 波动率 1M 2.38 16%0.79 37%20%风险偏好 波动率 2M 2.42 16%0.81 29%20%风险偏好 波动率 3M 2.39 16%0.79 29%20%板块特点 收益率之差2M(平均每日）2.31 16%0.77 33%21%政策信息 IPO 数量 2.94 20%0.99 29%21%政策信息 IPO 规模 2.58 18%0.86 33%21%政策信息 IPO 数量占比 3.27 24%1.15 28%21%政策信息 IPO 规模占比 2.67 18%0.90 31%20%数据来源：Wind,兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -17-定量研究专题报告定量研究专题报告告告 图图 9、IPO 规模占比规模占比预测预测能力图示能力图示（考虑考虑数据公布延迟数据公布延迟）数据来源：Wind，兴业证券经济与金融研究院整理 5 5、因子筛选以及轮动表现因子筛选以及轮动表现 本文在筛选最终因子时会兼顾因子的预测能力和解释能力，认为两种情况皆显著的为稳健且有效的因子，综合考虑因子间的相关性，我们最终在每个大类中选出一个最优因子，组成的有效因子库如下表所示。表表 7 7、沪深沪深 300300 和创业板指轮动稳健有效因子库和创业板指轮动稳健有效因子库 子类别子类别 变量名称变量名称 t-Value 年化年化 收益率收益率 夏普比例夏普比例 最大回撤最大回撤 实体经济 PMI 1.75 11%0.53 29%物价水平 CRB 现货指数综合对数 1.82 11%0.57 34%流动性 SHIBOR1M 3.00 21%1.05 33%风险偏好 波动率 3M 2.39 16%0.79 29%板块特点 收益率之差 2M(平均每日）2.31 16%0.77 33%政策信息 IPO 规模占比 2.67 18%0.90 31%数据来源：Wind,兴业证券经济与金融研究院整理 按照等权配置各个因子以及少数服从多数原则进行信号发出（具体方法请见报告CTA 策略系列报告之五：商品量化基本面研究框架的探索之螺纹钢2018-01-07）,多空夏普比可达到 1.55，远高于单纯买入创业板指卖出沪深 300。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -18-定量研究专题报告定量研究专题报告告告 表表 8 8、择时多空与不择时择时多空与不择时策略策略表现表现对比对比（2010.6.22010.6.2-2018.4.262018.4.26）年化收益率年化收益率 年化波动率年化波动率 夏普比率夏普比率 最大回撤最大回撤 择时多空择时多空 36%23%1.55 29%买入创业板卖出买入创业板卖出 hs300 2%24%0.09 50%卖出创业板买入卖出创业板买入 hs300-7%24%-0.31 74%数据来源：Wind,兴业证券经济与金融研究院整理 图图 1010、多空择时净值与基准表现多空择时净值与基准表现（2010.6.22010.6.2-2018.4.262018.4.26）数据来源：Wind，兴业证券经济与金融研究院整理 由于市场有做空限制，若执行纯多头策略，当发出创业板指优于沪深300 的信号时，买入创业板指；当发出创业板指劣于沪深 300 的信号时，买入沪深 300；若两者旗鼓相当则各配置一半，则夏普比可达到 0.76，远优于等权配置的 0.27，可见轮动效果十分显著。表表 9 9、纯多头轮动纯多头轮动策略策略表现表现（2010.6.22010.6.2-2018.4.262018.4.26）年化收益率年化收益率 年化波动率年化波动率 夏普比率夏普比率 最大回撤最大回撤 择时多头择时多头 22%29%0.76 53%等权配置等权配置 7%25%0.27 48%买入创业板买入创业板指指 8%32%0.25 60%买入买入沪深沪深 300 指数指数 4%23%0.18 47%相对配置相对配置 15%11%1.29 15%完美轮动完美轮动 301%27%11.30 24%数据来源：Wind,兴业证券经济与金融研究院整理 请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -19-定量研究专题报告定量研究专题报告告告 图图 1111、纯多头择时净值表现、纯多头择时净值表现（2010.6.22010.6.2-2018.4.262018.4.26）资料来源：Wind,兴业证券经济与金融研究院整理 6 6、总结总结 本文继续将量化基本面应用到股票市场之间的轮动，创新地运用宏观经济变量、板块自身特点以及政策信息去分析和预测沪深 300 指数和创业板指之间的轮动规律，构建有效模型，取得了很好的效果。风险提示：模型结论是基于合理假设前提下结合历史数据推导得出，在市场环境转变时模型存在失效的风险。请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 -20-定量研究专题报告定量研究专题报告告告 分析师声明分析师声明 本人具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度，独立、客观地出具本报告。本报告清晰准确地反映了本人的研究观点。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。投资评级说明投资评级说明 投资建议的评级标准投资建议的评级标准 类别类别 评评级级 说明说明 报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后的12个月内