考虑拥挤度的细分行业动量策略：重构量化行业轮动框架，技术篇-20210709-广发证券-27页_1mb

考虑拥挤度的细分行业动量策略总结

核心内容

本文提出了一种结合动量策略和拥挤度策略的复合策略，用于构建量化行业轮动框架。该策略通过识别市场的交易惯性（动量）和资金拥挤状态（拥挤度）来优化行业配置，旨在提高超额收益并降低风险。

主要观点

• 动量效应：行业涨跌幅具有惯性，短期表现优异的行业在下月仍有上涨趋势。
• 拥挤度效应：当行业交易过热时，风险增加，可能面临大幅回撤，因此需通过拥挤度指标及时清仓。
• 复合策略优势：动量策略与拥挤度策略结合后，能够有效过滤高风险行业，提升整体收益表现。
• 策略表现：在2010年1月至2021年6月的回测期间，动量+拥挤度复合策略获得年化超额收益28.94%，显著优于动量策略和拥挤度策略。

关键信息

动量策略构建

• 动量因子：基于过去1/2/3/6/12个月的平均涨跌幅，选取排名前10/20/30/40的行业。
• 优化措施：设置阈值，剔除当月涨幅低于-5%的行业，以保证每月至少有10个行业的配置。
• 最优策略：过去12个月平均涨跌幅前40的行业配置，年化超额收益为5.16%，信息比率为0.54。

拥挤度策略构建

• 拥挤度因子：包括成交量、成交额、换手率及其乖离率的历史百分位。
• 筛选标准：选择与下月涨跌幅负相关性高的因子，进行显著性检验和胜率检验。
• 最优因子：成交额60百分位的拥挤度因子，年化超额收益为8.67%，信息比率为0.34。

复合策略构建

• 信号个数：通过1到6个拥挤度信号进行筛选，3信号策略表现最佳。
• 策略逻辑：从动量策略筛选的行业组合中剔除触发3个及以上拥挤度信号的行业，形成下月持仓。
• 实证结果：复合策略年化超额收益达28.94%，波动率21.32%，信息比率1.36，优于两个子策略。

最新推荐行业

• 截至2021年6月，所有行业均处于拥挤状态，因此7月建议维持空仓。

策略实证结果

• 年化超额收益：动量+拥挤度复合策略达到28.94%，远高于动量策略和拥挤度策略。
• 年化波动率：复合策略波动率为21.32%，低于行业等权基准的25.08%。
• 信息比率：复合策略信息比率为1.35，表明其风险调整后的收益更高。
• 分年度表现：从2010年1月至2021年2月，复合策略在多数年度中跑赢行业等权基准，2012年和2021年表现略差。

风险提示

• 本模型基于历史数据构建，可能存在失效风险，尤其是在极端市场环境中。
• 策略不保证严格的投资逻辑，需结合当前宏观环境进行判断。

图表与案例

• 图1：重构量化行业轮动框架。
• 图2：筛选前20/30/40/50个行业策略累计净值比较。
• 图3：成交量60/70/80/90百分位策略累计净值比较。
• 图4：成交额60/70/80/90百分位策略累计净值比较。
• 图5：动量+拥挤度复合策略原理图。
• 图6：不同信号个数下复合策略累计净值比较。
• 图7：不同动量因子下复合策略累计净值比较。
• 图8：子策略与复合策略累计净值比较。
• 图9-12：部分行业涨跌幅与拥挤度信号的对比图，展示策略的有效性。
• 案例：2019年6月28日，动量策略组合中只有“运输设备II(申万)”未触发拥挤度信号，获得50.92%的收益；2015年1月30日，“黄金II(申万)”未触发拥挤度信号，获得24.22%的收益。

结论

• 复合策略在多个年度中表现优异，尤其在2013年和2019年超额收益显著。
• 通过拥挤度因子筛选出未处于过热状态的行业，有助于提高动量策略的稳定性与收益。
• 在极端市场条件下，策略可能失效，需谨慎使用。