20170604-广发证券-量化投资专题_基于舆情的大类资产配置_42页_3mb

基于舆情的大类资产配置总结

核心内容

本报告探讨了如何将互联网舆情数据应用于大类资产配置，旨在提升传统资产配置模型的预测准确性。报告以广发证券发展研究中心的数据为基础，结合行为金融学与网络舆情分析，构建了包含舆情因子、动量因子和传统因子的多因子模型，并基于Black-Litterman模型进行实证分析，验证了舆情数据在资产配置中的应用价值。

主要观点

1. 网络舆情数据的重要性：
   在大数据时代，网络舆情数据（如搜索指数）能够反映市场关注度与投资者情绪，成为传统金融数据的重要补充。

2. 舆情指数作为情绪代理变量：
   百度指数作为舆情数据的代表，能够反映关键词的搜索热度，进而体现市场对特定资产的关注程度。投资者情绪与资产价格之间存在相互影响的正反馈机制。

3. 舆情因子构建：
   报告对舆情数据进行了多维度处理，构建了包括舆情值、舆情波动率、舆情增长率及增长率变化率在内的多个舆情因子，同时结合动量因子与传统因子，形成综合预测模型。

4. 舆情因子的有效性分析：
   通过回归分析，报告评估了各因子对资产未来收益率的预测能力，选取信息比率（IR）绝对值较高的因子用于模型构建。

5. Black-Litterman模型改进：
   传统Black-Litterman模型依赖投资者主观观点，存在不确定性。本报告尝试将舆情因子作为投资者观点的补充，提高模型的预测稳定性与准确性。

6. 资产配置策略：
   基于舆情因子与传统因子的综合分析，报告提出了针对不同资产的配置比例建议，并通过回测验证了模型的有效性。

关键信息

舆情数据可预测性分析

• 投资者情绪与资产价格存在相互影响关系，表现为“追逐热点”与“追涨杀跌”等行为。
• 舆情数据能够作为投资者情绪的代理变量，用于预测资产收益率。

舆情因子分类

舆情因子与资产收益率相关性

• 权益类资产（沪深300、中证500、标普500）与舆情因子正相关。
• 商品类资产（贵金属、农产品）与舆情因子负相关。
• 债券类与货币类资产相关性较弱。

回测结果（2013-2017）

• 标普500在2014年表现最佳，夏普比率达到1.99。
• 2015年资产配置模型表现最优，年化收益率达41.58%。
• 2016年表现最差，年化收益率为-2.54%，夏普比率为-0.07。

资产配置建议（2017年6月）

模型应用与展望

• 本报告通过舆情数据改进Black-Litterman模型，提升了资产配置的预测能力。
• 舆情数据作为“群体智慧”的体现，能够反映市场情绪的变化趋势。
• 未来可进一步拓展舆情数据的来源与分析方法，如引入文本分析与深度学习技术，以构建更精准的舆情因子。

风险提示

• 模型基于历史数据，可能无法准确预测未来市场变化。
• 报告内容仅供参考，不构成投资建议。
• 投资者应结合自身情况与市场环境进行独立判断。

免责声明

• 本报告仅发送给广发证券重点客户，不对外公开发布。
• 报告内容基于可靠数据来源，但不保证其准确性或完整性。
• 广发证券不对因使用本报告内容而造成的损失承担任何责任。

致谢

• 感谢广发证券发展研究中心提供的数据支持。
• 感谢所有参与本研究的团队成员与合作伙伴。