光大证券-20191117-RSRS择时：回顾与改进——技术指标系列报告之六.pdf

敬请参阅最后一页特别声明-1-证券研究报告 2019 年 11 月 17 日 金融工程 RSRS 择时：回顾与改进 技术指标系列报告之六 金融工程深度 2017 年初，我们开发了 RSRS 指标与择时模型用以预测宽基指数的未来涨跌方向。本文回顾与总结了 RSRS 择时模型样本外跟踪的近 3 年时间里在不同指数上的择时表现与暴露出来的不足之处，并通过对指标算法进行优化尝试改进 RSRS 指标及其择时策略。样本外样本外RSRS 择时策略整体表现较好择时策略整体表现较好。RSRS 择时策略在样本外区间（2017/3/31 2019/11/13）内各个指数上均有择时效果。其中沪深 300上效果最好，年化收益 10.9%，最大回撤 13.7%，在收益与回撤上均有较强的择时效果。而在上证综指、上证 50、创业板指上 RSRS 择时策略跑赢指数同时也都较好地控制净值回撤。但中证 500 上样本外择时效果较为一般。择时信号在震荡行情下稳定性较差择时信号在震荡行情下稳定性较差。各宽基指数在样本外经历震荡市时，RSRS 信号开平仓的次数会显著增加，此时信号的稳定性大大降低。虽然在 2018 年之前的震荡期间中择时策略表现较好，但在 2019年震荡市中，信号胜率显著下滑，上证 50 与创业板指在此期间信号胜率仅 2 成左右。加权回归计算下的加权回归计算下的 RSRS 指标对择时效果提升有限指标对择时效果提升有限。通过在回归时给更重要的样本点更高权重的方式改进 RSRS 择时策略。实证下来，基于时间距离的线性加权回归与指数线性回归并不能有效提升择时策略的效果；而基于当日成交额的加权回归方式能一定程度上提升中证 500与创业板指的择时效果，但在大盘股指上效果一般。钝化钝化RSRS 择时指标有效提高各指数择时效果。择时指标有效提高各指数择时效果。将 RSRS 指标构造融入收益率波动的信息，使得指标值能达到在震荡市场上钝化的效果，从而减少策略在震荡期间的误判次数。实证结果表明，钝化 RSRS 指标能提高各宽基指数的择时效果，使得择时策略在全样本与近年均有较好表现。在中证 500 与创业板指上，将样本点加权与钝化操作结合的成交额加权回归钝化 RSRS 指标效果更佳。风险提示：风险提示：测试结果均基于模型和历史数据，模型存在失效的风险。分析师 胡骥聪(执业证书编号：S0930519060002)021-52523683 hujIC 刘均伟(执业证书编号：S0930517040001)021-52523679 相关研报 基于阻力支撑相对强度（RSRS）的市场择时技术择时系列报告之一2017.05 RSRS 择时及行业轮动技术择时系列报告之二2017.06 阻力支撑相对强度（RSRS）选股技术指标系列报告之三2017.07 基于波动率时序排名的指数轮动技术指标系列报告之四2017.09 行业轮动：从动量谈起技术指标系列报告之五2018.05 2019-11-17 金融工程 敬请参阅最后一页特别声明-2-证券研究报告 目目 录录 1、RSRS 择时模型回顾.5 1.1、RSRS 指标原理及构建方式.5 1.2、RSRS 择时策略近期表现.6 2、RSRS 择时策略改进.12 2.1、调整回归运算中不同样本点的权重：效果不佳.12 2.2、融入市场波动调整指标敏感度：较为有效.16 3、总结.22 4、风险提示.22 2019-11-17 金融工程 敬请参阅最后一页特别声明-3-证券研究报告 图目录图目录 图 1：沪深 300 RSRS 择时策略样本外跟踪净值.6 图 2：上证 50 RSRS 择时策略样本外跟踪净值.7 图 3：上证综指 RSRS 择时策略样本外跟踪净值.8 图 4：中证 500 指数 RSRS 择时策略样本外跟踪净值.9 图 5：创业板指 RSRS 择时策略样本外跟踪净值.10 图 6：不同加权线性回归方式权重对比图.13 图 7：不同加权线性回归下沪深 300 RSRS 择时策略净值.13 图 8：不同加权线性回归下上证综指 RSRS 择时策略.14 图 9：不同加权线性回归下上证 50 RSRS 择时策略.14 图 10：不同加权线性回归下中证 500 RSRS 择时策略.14 图 11：不同加权线性回归下创业板指 RSRS 择时策略.14 图 12：成交额加权线性回归下沪深 300 RSRS 择时策略净值.15 图 13：成交额加权线性回归下上证综指 RSRS 择时策略.15 图 14：成交额加权线性回归下上证 50 RSRS 择时策略.15 图 15：成交额加权线性回归下中证 500 RSRS 择时策略.16 图 16：成交额加权线性回归下创业板指 RSRS 择时策略.16 图 17：钝化 RSRS 指标下沪深 300 择时策略净值.17 图 18：上证综指钝化 RSRS 择时策略净值.18 图 19：上证 50 钝化 RSRS 择时策略净值.18 图 20：中证 500 钝化 RSRS 择时策略净值.18 图 21：创业板指钝化 RSRS 择时策略净值.18 图 22：成交额加权回归钝化 RSRS 指标下沪深 300 择时策略净值.19 图 23：上证综指成交额加权回归钝化 RSRS 择时策略.20 图 24：上证 50 成交额加权回归钝化 RSRS 择时策略.20 图 25：中证 500 成交额加权回归钝化 RSRS 择时策略.20 图 26：创业板指成交额加权回归钝化 RSRS 择时策略.20 图 22：沪深 300 近几年各 RSRS 择时策略效果对比.21 图 23：上证综指近几年各 RSRS 择时策略效果对比.21 图 24：上证 50 近几年各 RSRS 择时策略效果对比.21 图 25：中证 500 近几年各 RSRS 择时策略效果对比.21 图 26：创业板指近几年各 RSRS 择时策略效果对比.21 2019-11-17 金融工程 敬请参阅最后一页特别声明-4-证券研究报告 表目录表目录 表 1：不同市场状态下阻力支撑相对强弱的含义.5 表 2：沪深 300 RSRS 择时策略样本外逐笔信号详情.6 表 3：上证 50 RSRS 择时策略样本外逐笔信号详情.8 表 4：上证综指 RSRS 择时策略样本外逐笔信号详情.9 表 5：中证 500 指数 RSRS 择时策略样本外逐笔信号详情.10 表 6：创业板指 RSRS 择时策略样本外逐笔信号详情.11 表 7：不同加权线性回归下沪深 300 RSRS 择时策略的统计表现.13 表 8：成交额加权线性回归下沪深 300 RSRS 择时策略的统计表现.15 表 9：钝化 RSRS 择时策略与原始 RSRS 择时策略参数,对比.17 表 10：沪深 300 钝化 RSRS 择时策略的统计表现.17 表 11：成交额加权回归钝化 RSRS 择时策略与原始 RSRS 择时策略参数,对比.18 表 12：沪深 300 成交额加权回归钝化 RSRS 择时策略的统计表现.19 2019-11-17 金融工程 敬请参阅最后一页特别声明-5-证券研究报告 1、RSRS 择时模型回顾择时模型回顾 2017 年初，我们开发了 RSRS 指标与择时模型用以预测宽基指数的未来涨跌方向。至如今，在这近 3 年的时间里，市场指数经历了各类行情。2017年大盘股指的慢牛、2018 年遭遇贸易摩擦后的单边下跌、2019 年一季度的快速上涨、以及最近半年的宽幅震荡。本章节将回顾 RSRS 择时模型在不同指数各个行情下的表现。1.1、RSRS 指标指标原理及原理及构构建方式建方式 我们先简单回顾一下 RSRS 指标的原理与构建方式。在基于阻力支撑相对强度（RSRS）的市场择时技术择时系列报告之一中，我们提出了利用最高价、最低价序列来动态刻画市场的阻力位与支撑位，我们认为阻力位与支撑位实质上反应了交易者对目前市场状态顶底的一种预期判断。如果这种预期判断极易改变，则表明支撑位或阻力位的强度小，有效性弱；如果众多交易者预期较为一致、变动不大，则表明支撑位或阻力位强度高，有效性强。按照上述逻辑，我们可以通过对比支撑位与阻力位的强度大小来对后市走势变化作出预判。当支撑位的强度弱于阻力位，则表明市场参与者对于支撑位的分歧大于对于阻力位的分歧，市场倾向于下跌；当支撑位的强度强于阻力位，则表示市场参与者对于支撑位的认可度高于对于阻力位的认可度，市场更倾向于上涨。表表 1：不同市场状态下阻力支撑相对强弱的含义不同市场状态下阻力支撑相对强弱的含义 市场状态市场状态 支撑强度显著大于阻力强度支撑强度显著大于阻力强度 阻力强度显著大于支撑强度阻力强度显著大于支撑强度 上涨 价格加速上涨 上涨可能结束，转向下跌 震荡 向上突破，转向上涨 向下突破，转向下跌 下跌 下跌结束，市场见底 价格加速下跌 资料来源：光大证券研究所 从最高价与最低价的形成机制出发，每日的最高价与最低价就是一种阻力位与支撑位，它是当日全体市场参与者的交易行为所认可的阻力与支撑。当然我们并非用支撑位与阻力位作突破或反转交易的阈值，而是更关注市场参与者们对于阻力位与支撑位的定位一致性。当日最高价与最低价能迅速反应近期市场对于阻力位与支撑位态度的性质，是我们使用最高价与最低价的最重要原因。根据上述逻辑，我们建立 RSRS 指标：1.在每个交易日，取前 N 日的最高价序列与最低价序列。2.将两列数据按下式的模型进行滚动 OLS 线性回归，计算出当前交易日的值。=+，(0,)#(1)3.取前 M 日的时间序列，计算当日斜率的 z_score 标准分 z。2019-11-17 金融工程 敬请参阅最后一页特别声明-6-证券研究报告 4.将 z 与拟合方程的决定系数相乘，作为当日 RSRS 指标值 在有了 RSRS 指标值后，RSRS 择时策略的构建则相对简单。只需根据RSRS指标值的大小变化相应开平仓即可：当指标值上穿高点阈值S时开仓，下穿低点阈值-S 时平仓。1.2、RSRS 择时策略近期表现择时策略近期表现 继沪深 300 指数 RSRS 择时策略，我们还将 RSRS 指标分别应用在上证 50、上证综指、中证 500 与创业板指上。不同指数在这 3 年有着不同走势，其择时效果也有所差异。1.2.1、沪深沪深 300 指数指数 RSRS 择时效果择时效果 沪深 300 指数在样本外区间（2017/3/31 2019/11/13）内年化收益率4.6%，最大回撤 32.5%；RSRS 择时策略在同期内年化收益 10.9%，最大回撤 13.7%。在收益与回撤上均有较强的择时效果。图图 1：沪深：沪深 300 RSRS 择时择时策略样本外跟踪净值策略样本外跟踪净值 资料来源：光大证券研究所，Wind；注：样本区间为 2017/3/31 2019/11/13 除了 2019 年二季度开始的震荡市，沪深 300 样本外的走势多以单边趋势为主。整体上择时策略较好地捕捉了 2017 年与 2019 年年初的大部分上涨利润，同时基本规避了 2018 年单边下跌的损失。在 2019 年快速上涨后到来的震荡市里策略及时离场，净值未遭受巨大回撤损失，但在 3 月 20 日与 7 月 12 日的两次平仓信号后有不足 5%的小幅踏空，略有遗憾，详细数据可见下表。表表 2：沪深沪深 300 RSRS 择时策略样本外逐笔信号择时策略样本外逐笔信号详情详情 信号日期信号日期 信号方向信号方向 期间指数最终涨跌期间指数最终涨跌 2017/7/17 平仓 4.9%2017/8/28 开仓-0.3%0.80.91.01.11.21.31.41.5Mar-17Jun-17Sep-17Dec-17Mar-18Jun-18Sep-18Dec-18Mar-19Jun-19Sep-19沪深300RSRS净值2019-11-17 金融工程 敬请参阅最后一页特别声明-7-证券研究报告 2017/9/19 平仓-0.3%2017/9/26 开仓 6.0%2018/2/7 平仓-14.1%2018/7/12 开仓-1.5%2018/7/19 平仓-6.5%2018/9/17 开仓-1.2%2018/11/9 平仓 0.0%2019/1/30 开仓 21.0%2019/3/20 平仓 4.0%2019/4/12 开仓 1.0%2019/4/24 平仓-5.0%2019/6/20 开仓-0.5%2019/7/12 平仓 3.2%2019/9/11 开仓-0.8%资料来源：光大证券研究所 1.2.2、上证上证 50 指数指数 RSRS 择时效果择时效果 上证 50 指数在样本外区间（2017/3/31 2019/11/13）内年化收益率9.0%，最大回撤 28.9%；RSRS 择时策略在同期内年化收益 9.6%，最大回撤 12.3%。在回撤上均有较强的择时效果，而收益上效果不如沪深 300 择时效果佳。图图 2：上证：上证 50 RSRS 择时策略样本外跟踪净值择时策略样本外跟踪净值 资料来源：光大证券研究所，Wind；注：样本区间为 2017/3/31 2019/11/13 上证 50 RSRS 择时策略在 2017 年与 2018 年 9 月前很好地捕捉了单边上涨的收益、规避了贸易摩擦后单边下跌的损失。但在 2018 年 9 月至 2019年 1 月、以及 2019 年 4 月开始的震荡市场里预测能力大幅下降。在这些时间段内，策略开平仓次数显著上升，共 10 次信号，而预测正确的次数仅 2次，造成小幅反弹时策略净值跟不上指数走势，回调时又冲进市场的窘境。0.80.91.01.11.21.31.4Mar-17Jun-17Sep-17Dec-17Mar-18Jun-18Sep-18Dec-18Mar-19Jun-19Sep-19上证50RSRS净值2019-11-17 金融工程 敬请参阅最后一页特别声明-8-证券研究报告 表表 3：上证上证 50 RSRS 择时策略样本外逐笔信号详情择时策略样本外逐笔信号详情 信号日期信号日期 信号方向信号方向 期间指数最终涨跌期间指数最终涨跌 2017/3/30 平仓 2.6%2017/5/24 开仓 3.7%2017/6/21 平仓 0.8%2017/6/22 开仓 20.4%2018/2/7 平仓-15.1%2018/9/21 开仓-4.9%2018/10/19 平仓-2.1%2018/11/27 开仓-2.5%2018/12/20 平仓 4.5%2019/1/30 开仓 15.3%2019/3/20 平仓 7.5%2019/4/16 开仓-1.6%2019/4/24 平仓-1.1%2019/6/20 开仓-1.9%2019/7/11 平仓 3.9%2019/9/12 开仓-1.1%资料来源：光大证券研究所 1.2.3、上证综指上证综指 RSRS 择时效果择时效果 上证综指在样本外区间（2017/3/31 2019/11/13）内年化收益率为-3.8%，最大回撤 30.8%；RSRS 择时策略在同期内年化收益-0.8%，最大回撤 16.9%。在收益与回撤上均有一定择时效果。图图 3：上证综指上证综指 RSRS 择时策略样本外跟踪净值择时策略样本外跟踪净值 资料来源：光大证券研究所，Wind；注：样本区间为 2017/3/31 2019/11/13 上证综指 RSRS 择时策略在 2018 年的单边下跌与 2019 年初的快速上涨行情里表现优异。但在 2017 年的震荡爬升阶段踏空情况较为严重，而在今年 4 月份的回撤未能及时规避。使得择时效果未能进一步体现。0.70.80.91.01.11.2Mar-17Jun-17Sep-17Dec-17Mar-18Jun-18Sep-18Dec-18Mar-19Jun-19Sep-19上证综指RSRS净值2019-11-17 金融工程 敬请参阅最后一页特别声明-9-证券研究报告 表表 4：上证综指上证综指 RSRS 择时策略样本外逐笔信号详情择时策略样本外逐笔信号详情 信号日期信号日期 信号方向信号方向 期间指数最终涨跌期间指数最终涨跌 2017/6/23 开仓 0.6%2017/7/17 平仓 5.2%2017/9/25 开仓 1.5%2017/11/20 平仓-2.1%2017/12/11 开仓-1.4%2017/12/27 平仓 8.7%2018/1/24 开仓-7.5%2018/3/14 平仓-14.0%2018/7/13 开仓-0.1%2018/7/20 平仓-5.2%2018/9/14 开仓-0.8%2018/11/6 平仓-2.2%2018/12/12 开仓-1.2%2019/1/16 平仓 0.6%2019/1/31 开仓 12.2%2019/5/31 平仓 4.6%2019/9/16 开仓-4.1%资料来源：光大证券研究所 1.2.4、中证中证 500 指数指数 RSRS 择时效果择时效果 中证 500 指数在样本外区间（2017/3/31 2019/11/13）内年化收益-9.7%，最大回撤 40.1%；RSRS 择时策略在同期内年化收益-10.1%，最大回撤 29.7%。策略规避了一些回撤，但收益端未体现出择时效果。图图 4：中证中证 500 指数指数 RSRS 择时策略样本外跟踪净值择时策略样本外跟踪净值 资料来源：光大证券研究所，Wind；注：样本区间为 2017/3/31 2019/11/13 中证 500 指数 RSRS 择时策略整体效果一般，其择时点位更多是右侧开平仓，而不是像其它指数 RSRS 择时那般有大部分左侧开平仓信号，致使其在反弹与回调频繁发生时来回误判。0.60.70.80.91.01.1Mar-17Jun-17Sep-17Dec-17Mar-18Jun-18Sep-18Dec-18Mar-19Jun-19Sep-19中证500RSRS净值2019-11-17 金融工程 敬请参阅最后一页特别声明-10-证券研究报告 表表 5：中证中证 500 指数指数 RSRS 择时策略样本外逐笔信号详情择时策略样本外逐笔信号详情 信号日期信号日期 信号方向信号方向 期间指数最终涨跌期间指数最终涨跌 2017/3/30 平仓-4.5%2017/5/5 开仓-1.3%2017/6/16 平仓 9.3%2017/9/8 开仓-0.9%2017/10/30 平仓-4.7%2017/12/8 开仓-0.1%2017/12/20 平仓-0.3%2018/3/15 开仓-6.4%2018/3/23 平仓-0.2%2018/6/6 开仓-10.0%2018/7/16 平仓-10.1%2018/9/14 开仓-8.9%2019/1/29 平仓 9.6%2019/2/18 开仓 3.2%2019/8/2 平仓 4.1%2019/9/2 开仓-2.7%资料来源：光大证券研究所 1.2.5、创业板指创业板指 RSRS 择时效果择时效果 创业板指在样本外区间（2017/3/31 2019/11/13）内年化收益率为-4.6%，最大回撤 38.1%；RSRS 择时策略在同期内年化收益-0.2%，最大回撤 24.7%。在收益与回撤上均有一定择时效果。图图 5：创业板指：创业板指 RSRS 择时策略样本外跟踪净值择时策略样本外跟踪净值 资料来源：光大证券研究所，Wind；注：样本区间为 2017/3/31 2019/11/13 创业板指不同于大部分大盘股指，在 2017 年属于明显的震荡市行情，RSRS 择时策略多次抓住反弹拐点，使得策略净值小幅上行；2018 年的下跌也有一定程度规避。但 2019 年后的信号有效性显著降低，4 月未及时平0.50.60.70.80.91.01.11.21.3Mar-17Jun-17Sep-17Dec-17Mar-18Jun-18Sep-18Dec-18Mar-19Jun-19Sep-19创业板指RSRS净值2019-11-17 金融工程 敬请参阅最后一页特别声明-11-证券研究报告 仓规避大幅回调，5 月份开始的震荡上行行情也多次踏空；最近 9 次信号中仅 2 次信号判断对未来涨跌方向。表表 6：创业板指创业板指 RSRS 择时策略样本外逐笔信号详情择时策略样本外逐笔信号详情 信号日期信号日期 信号方向信号方向 期间指数最终涨跌期间指数最终涨跌 2017/3/28 平仓-6.4%2017/4/26 开仓-2.6%2017/5/11 平仓 1.2%2017/8/14 开仓 2.3%2017/11/17 平仓-3.1%2017/12/7 开仓 0.2%2017/12/18 平仓-1.6%2017/12/29 开仓-1.1%2018/1/15 平仓-5.0%2018/2/14 开仓 8.1%2018/3/26 平仓-4.4%2018/6/4 开仓-5.0%2018/7/13 平仓-11.1%2018/8/22 开仓-12.0%2019/1/15 平仓 3.9%2019/2/11 开仓 12.7%2019/5/31 平仓 4.3%2019/7/5 开仓-2.1%2019/7/22 平仓 7.4%2019/8/27 开仓 2.9%2019/10/25 平仓 2.3%2019/11/5 开仓-1.8%资料来源：光大证券研究所 1.2.6、RSRS 样本外择时效果小结样本外择时效果小结 样本外跟踪情况体现出了 RSRS 择时策略在不同指数不同走势下的择时效果迥异。我们归纳出以下几处明显特点：RSRS 指标在走势明确的趋势行情下误判少，且能及时入场退场；在震荡市中，RSRS 信号开平仓的次数会显著增加，但此时信号胜率往往会有显著下滑。2019 年后半年，大部分指数 RSRS 择时策略信号效果均不佳。2019-11-17 金融工程 敬请参阅最后一页特别声明-12-证券研究报告 2、RSRS 择时策略改进择时策略改进 上一章中，我们看到 RSRS 择时策略在样本外暴露出了不少不足之处。本章将以这些缺陷作为克服方向，尝试寻找优化策略的方法。2.1、调整回归调整回归运算中不同样本点的运算中不同样本点的权重权重：效果不佳：效果不佳 在之前的 RSRS 指标计算过程中，回归操作是采用简单线性回归的方式，意味着我们假设对于每一天的数据样本应当同等重视。但在真实市场上，每一日的价格信息对于当前市场情绪的影响可能并不相同，在这一部分，我们希望能够通过加权线性回归的方式改进 RSRS 择时模型，使得那些更能表达当前市场情绪的价格信息样本点在回归中更受重视。相较于简单线性回归的目标函数：min()2=1 加权线性回归通过在每一个样本点加入权重的方式来重新构建目标函数：min()2=1 这一表达形式使得在回归时每一个样本点的重要程度由不同的权重决定。上式矩阵表达式为：()()其中矩阵是对角线元素由权重组成的对角阵。与简单线性回归采用相同的求解方法，加权线性回归的解为：=()1。首先考虑根据距离当前时刻的远近来给不同日期上的样本点加权，其逻辑在于离当前越近的数据其信息衰减与信息滞后越小。我们选取“线性”加权和“指数”加权两种方式来进行尝试。在进行线性加权回归中，我们赋予距离当前交易日日前的样本点的权重为(+1)/2，权重构成一个等差数列且加和为 1，这一加权方式使得距离当前交易日更近的样本点得到更大的权重，但权重等量递增。在指数加权回归中，我们赋予距离当前交易日日前的样本点的权重为2+1(1+1)，由拉格朗日展开式可知权重加和近似为 1，但与线性加权相比，由于采用指数增长的形式，越靠近当前交易日的样本点得到的权重更大。2019-11-17 金融工程 敬请参阅最后一页特别声明-13-证券研究报告 图图 6：不同加权线性回归方式权重对比图：不同加权线性回归方式权重对比图 资料来源：光大证券研究所 我们在沪深 300 指数上尝试加权回归 RSRS 策略。从结果上看，虽然线性加权回归与指数加权回归下的 RSRS 策略仍有效，但相比原始策略，它们在超额收益、回撤控制上均明显不如。并不能达到改善择时效果的目的。图图 7：不同加权线性回归下沪深：不同加权线性回归下沪深 300 RSRS 择时策略净值择时策略净值 资料来源：光大证券研究所，Wind 表表 7：不同加权线性回归下沪深不同加权线性回归下沪深 300 RSRS 择时策略择时策略的统计表现的统计表现 统计项统计项 等权回归等权回归 RSRSRSRS 策略效果策略效果 线性加权回归线性加权回归 RSRSRSRS 策略效果策略效果 指数加权回归指数加权回归 RSRSRSRS 策略效果策略效果 年化收益率年化收益率 13.54%7.22%7.23%年化超额收益年化超额收益 12.93%6.62%6.63%夏普比率夏普比率 0.82 0.47 0.48 最大回撤最大回撤 -41.98%-47.11%-47.73%交易次数交易次数 42 43 48 平均持仓天数平均持仓天数 32 32 28 单次最大盈利单次最大盈利 47.83%40.80%45.47%单次最大亏损单次最大亏损 -18.54%-20.48%-21.41%00.511.522.533.544.552008-06-02 2009-06-11 2010-06-21 2011-06-30 2012-07-11 2013-07-25 2014-08-04 2015-08-11 2016-08-18 2017-08-29 2018-09-05 2019-09-17沪深300指数净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值2019-11-17 金融工程 敬请参阅最后一页特别声明-14-证券研究报告 胜率胜率(按次按次)52.38%53.49%50.00%平均盈亏比平均盈亏比(按次按次)3.98 1.85 2.03 资料来源：光大证券研究所 除了沪深 300，我们也在其它各大宽基指数上测试了线性加权回归与指数加权回归下的 RSRS 择时策略。从下图可以看出，在全样本区间下几乎所有指数都是等权回归 RSRS 择时策略的效果最好。但值得注意的是大部分指数在最近一段时间，往往是线性加权回归下的 RSRS 择时策略效果最佳。图图 8：不同加权线性回归下：不同加权线性回归下上证综指上证综指 RSRS 择时策略择时策略 图图 9：不同加权线性回归下：不同加权线性回归下上证上证 50 RSRS 择时策略择时策略 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 图图 10：不同加权线性回归下：不同加权线性回归下中证中证 500 RSRS 择时策略择时策略 图图 11：不同加权线性回归下：不同加权线性回归下创业板指创业板指 RSRS 择时策略择时策略 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 其次，我们考虑采用每日成交额来给交易日赋予不同的权重，其逻辑在于参与的交易越多，当天的价格数据融入的信息交换就越充分，其最低价最高价对于市场对阻力跟支撑的表征能力就越强。在回归中其具体权重设置为令每个数据点的权重等于当日成交额除以回归样本内日的总成交额。在沪深 300 指数上尝试成交额加权回归 RSRS 策略，相比于线性加权和指数加权的回归方式，成交额加权回归 RSRS 择时策略在沪深 300 指数上有更好的表现，与等权回归 RSRS 择时策略相比，择时收益并未增强，但策略在胜率及最大回撤上有更好的表现。01234562008-06-02 2009-06-11 2010-06-21 2011-06-30 2012-07-11 2013-07-25 2014-08-04 2015-08-11 2016-08-18 2017-08-29 2018-09-05 2019-09-17上证综指净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值00.511.522.533.52008-06-022009-06-112010-06-212011-06-302012-07-112013-07-252014-08-042015-08-112016-08-182017-08-292018-09-052019-09-17上证50指数净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值01234562008-06-02 2009-06-11 2010-06-21 2011-06-30 2012-07-11 2013-07-25 2014-08-04 2015-08-11 2016-08-18 2017-08-29 2018-09-05 2019-09-17中证500指数净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值012345672012-12-272014-01-152015-01-232016-02-012017-02-152018-02-222019-03-05创业板指净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值2019-11-17 金融工程 敬请参阅最后一页特别声明-15-证券研究报告 图图 12：成交额加权线性回归下沪深：成交额加权线性回归下沪深 300 RSRS 择时策略净值择时策略净值 资料来源：光大证券研究所，Wind 表表 8：成交额加权线性回归下沪深成交额加权线性回归下沪深 300 RSRS 择时策略择时策略的统计表现的统计表现 统计项统计项 等权回归等权回归 RSRSRSRS 策略效果策略效果 成交额加权回归成交额加权回归 RSRSRSRS 策略效果策略效果 年化收益率年化收益率 13.54%13.32%年化超额收益年化超额收益 12.93%12.72%夏普比率夏普比率 0.82 0.81 最大回撤最大回撤 -41.98%-41.38%交易次数交易次数 42 44 平均持仓天数平均持仓天数 32 30 单次最大盈利单次最大盈利 47.83%47.83%单次最大亏损单次最大亏损 -18.54%-16.84%胜率胜率(按次按次)52.38%54.55%平均盈亏比平均盈亏比(按次按次)3.98 3.33 资料来源：光大证券研究所 将成交额加权回归 RSRS 择时策略应用于其它指数，效果则参差不一：上证 50 上效果差劲，但在中证 500 与创业板指上择时效果相比原始 RSRS择时策略有所提升。图图 13：成交额成交额加权线性回归下加权线性回归下上证综指上证综指 RSRS 择时策略择时策略 图图 14：成交额成交额加权线性回归下加权线性回归下上证上证 50 RSRS 择时策略择时策略 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 00.511.522.533.544.552008-06-022009-06-112010-06-212011-06-302012-07-112013-07-252014-08-042015-08-112016-08-182017-08-292018-09-052019-09-17沪深300指数净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值成交额加权回归RSRS择时策略净值01234562008-06-02 2009-06-11 2010-06-21 2011-06-30 2012-07-11 2013-07-25 2014-08-04 2015-08-11 2016-08-18 2017-08-29 2018-09-05 2019-09-17上证综指净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值成交额加权回归RSRS择时策略净值00.511.522.533.52008-06-022009-06-112010-06-212011-06-302012-07-112013-07-252014-08-042015-08-112016-08-182017-08-292018-09-052019-09-17上证50指数净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值成交额加权回归RSRS择时策略净值2019-11-17 金融工程 敬请参阅最后一页特别声明-16-证券研究报告 图图 15：成交额成交额加权线性回归下加权线性回归下中证中证 500 RSRS 择时策略择时策略 图图 16：成交额成交额加权线性回归下加权线性回归下创业板指创业板指 RSRS 择时策略择时策略 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 经过上述测试，整体来看基于时间距离远近的加权方式并不能提升RSRS 策略的择时效果，而基于成交额多少的加权方式下的择时策略效果有一定提升，但提升效果不大。2.2、融入市场波动融入市场波动调整指标敏感度调整指标敏感度：较为有效较为有效 2.2.1、RSRS 指标新的构造方式指标新的构造方式 在上一部分我们考虑使用不同的加权方式来对 RSRS 择时策略进行提升，但并没得到很好的提升效果。在这一节中，我们考虑通过改变指标本身表达形式而非回归方法，以改进 RSRS 择时指标。先看原始 RSRS 择时指标的表达形式：=_()2 其中，计算标准分_()所用的周期为。而这里我们再乘以 2的原因是当回归结果的2较小时，说明回归模型的解释力度较弱，此时标准分乘以 2后数值会被往零点的方向压缩，由于策略仅在指标值绝对值大于一定阈值后才会发出，因而指标值实际上在此时是被钝化了。延续这个思路，既然我们观察到 RSRS 择时策略最近在震荡市内表现不够稳定，那么在市场没有明确趋势的时候让指标值钝化能不能减小指标误判的风险，从而提升指标的择时效果呢？考虑到收益率的波动率往往能够一定程度上体现市场当前的震荡水平，我们对 RSRS 择时指标做出如下调整：=_()4(),)其中，(),)表示当前市场收益率波动率在过去 日的历史波动率中所处的分位数大小。由于 大于 0 小于 1，当分位数越大时，震荡水平越高，此时 RSRS 指标将得到更大的钝化效果。为了方便区分新的RSRS 指标与原始的 RSRS 指标，我们将新的指标命名为钝化 RSRS 指标。计算收益率标准差的分位数中需要两个参数，一个是用最近多少天的收益率数据来计算标准差，一个是用多少个标准差数据来计算分位数。为了尽01234562008-06-022009-06-112010-06-212011-06-302012-07-112013-07-252014-08-042015-08-112016-08-182017-08-292018-09-052019-09-17中证500指数净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值成交额加权回归RSRS择时策略净值012345672012-12-272014-01-152015-01-232016-02-012017-02-152018-02-222019-03-05创业板指净值等权回归RSRS择时策略净值线性加权回归RSRS择时策略净值指数加权回归RSRS择时策略净值成交额加权回归RSRS择时策略净值2019-11-17 金融工程 敬请参阅最后一页特别声明-17-证券研究报告 量与 _()在信息来源上保持一致，这两个参数的值即选用与计算_()时一样的 N 与 M。这样指标及策略的参数数量仍保持不变。钝化 RSRS 择时策略需要选取新的参数来最优化择时效果。考虑到我们改进 RSRS 择时策略的目的是为了降低回撤风险，本文采用夏普比率的大小来选取最优参数，得到的钝化 RSRS 择时策略与原始 RSRS 择时策略参数。表表 9：钝化钝化 RSRS 择时策略与原始择时策略与原始 RSRS 择时策略参数择时策略参数,对比对比 指数名指数名 钝化钝化 RSRSRSRS 择时策略择时策略 原始原始 RSRSRSRS 择时策略择时策略 沪深沪深 3 30000 18,700,0.7 18,600,0.7 上