外生因子系列研究报告（一）：股市流动性预测指标构建-20220302-财信证券-20页_977kb

股市流动性预测指标构建专题报告总结

核心内容

本报告围绕股市流动性预测指标的构建展开，旨在通过机器学习方法，尤其是典型相关分析（CCA）模型，研究宏观流动性对股市流动性的传导机制。报告指出，宏观流动性对股市流动性具有重要影响，但随着经济形势的复杂化，单一指标已难以全面反映市场流动性变化。因此，构建一个能够动态适应市场变化的流动性预测系统至关重要。

主要观点

• 股市流动性的重要性：股市流动性对市场行情具有重要影响，与股市净流入资金呈正相关，与市场容量呈负相关。流动性的变化是股价变动的重要驱动力。
• 流动性代理指标：报告提出以“万得全A期间成交额/期末流通市值”作为股市流动性的观测代理指标，因其与股市流动性（增量资金角度）指标具有较高的相关性。
• 系统构建方法：构建了一个自适应滚动学习系统，每半年更新一次模型，从2180个宏观指标中筛选出对股市流动性敏感度高的指标。系统使用CCA模型进行降维和相关性分析，以提高预测的准确性。
• 模型性能：模型预测值与实际值之间的Spearman相关性指数为0.56，Pearson相关性指数为0.44，p值远小于0.05，表明预测具有中等程度的相关性，并能较好捕捉长期趋势。
• 流动性与行情关系：流动性上升通常伴随行情的改善，但需结合其他信号（如市场情绪、经济增长）进行综合判断，避免过度依赖单一指标。

关键信息

• 宏观流动性传导机制：流动性从基础货币出发，通过信用扩张，最终影响企业和居民的投资融资行为，从而作用于股市流动性。
• 指标筛选过程：
  • 从基础货币、信用扩张、投资融资三个角度收集宏观指标。
  • 每个指标提取10种特征，包括原值、同比、差值、变化率、相对窗口均值偏离、相对窗口分位值等。
  • 每个滚动窗口包含104周的训练数据和26周的测试数据。
• 模型应用：
  • 使用CCA模型对指标进行筛选，提取出对流动性指标敏感度高于阈值的特征。
  • 模型输出预测值用于判断股市流动性的趋势变化。
• 历史预测表现：
  • 模型在不同时间段（如2008年、2012年、2015年、2020年等）均能捕捉到股市流动性的变化趋势。
  • 部分时期如2021年H2至今，模型预测流动性震荡上行，但并未直接导致行情上升，表明流动性并非行情的唯一驱动因素。
• 未来预测：当前判断2022H1经济下行压力较大，货币政策延续中性宽松，预计股市流动性将呈边际向好趋势，未来3个月将小幅上行。

系统结构

滚动窗口机制

• 系统以半年为单位滚动更新。
• 每个窗口分为训练窗口（2年）和测试窗口（半年）。
• 每个窗口内，使用CCA模型筛选出对流动性敏感的指标特征。

指标特征

• 每个指标提取10种特征，包括：
  • 原值
  • 同比
  • 差值
  • 变化率
  • 相对窗口均值偏离
  • 相对窗口分位值
  • 流速等

模型输出

• 模型预测值与实际值长期趋势一致，但相关性仅为中等。
• 预测值经过平滑处理后，用于判断流动性趋势。

投资思考

• 流动性对行情的影响：流动性是行情的重要驱动力，但并非唯一因素。
• 多因子结合：建议投资者结合市场情绪、经济增长等其他外生因子进行综合判断。
• 未来展望：模型预测未来3个月股市流动性将小幅上行，但需谨慎看待其对行情的带动作用。

风险提示

• 数据局限性：统计数据仅反映市场历史情况，不能保证未来趋势。
• 模型误差：模型存在一定的预测误差，不能作为唯一投资依据。

附录

• 指标筛选记录：展示了不同时间段内模型筛选出的指标特征，如货币当局、贷款利率、存款利率、回购利率等。
• 指标特征格式：如“指标@特征”，例如“贷款利率:短期贷款n期@原值”。

投资评级系统

• 股票投资评级：根据投资收益率与沪深300指数的对比，分为推荐、谨慎推荐、中性、回避四个等级。
• 行业投资评级：分为领先大市、同步大市、落后大市三个等级。

免责声明

• 本报告仅供财信证券客户及员工使用。
• 本报告信息来源于公开资料，不保证其准确性、完整性或可靠性。
• 报告不构成投资建议，投资者应自行判断。

总结

本报告构建了一个基于典型相关分析（CCA）的股市流动性预测系统，通过滚动窗口机制和指标特征筛选，实现对股市流动性趋势的动态预测。模型在历史数据中表现良好，能够捕捉流动性变化趋势，但需结合其他信号进行综合判断。未来流动性预计将小幅上行，但对行情的带动作用需谨慎看待。