开源量化评论（45）：行业泡沫膨胀与破裂的识别，以拥挤之名-20211227-开源证券-20页_1mb

金融工程研究团队行业泡沫识别与拥挤度分析总结

核心内容

本文主要探讨了如何识别行业泡沫的膨胀与破裂，并基于A股市场的特性，分析了多种拥挤度代理变量的表现，提出了一种改进的泡沫识别模型。研究团队认为，一个理想的行业轮动模型应包含三个维度的信息：动量、景气度和拥挤度。

主要观点

1. 单一指标识别泡沫不足

   • 换手率能够有效识别泡沫破裂，但对泡沫膨胀识别效果一般。
   • 配对相关性可以识别泡沫是否存在，但无法预测破裂时间。
   • 下行波动率、乖离率和相对估值测试效果不达预期。

2. 资产集中度与相对价值模型不适用于A股市场

   • 资产集中度可识别泡沫存在与否，但无法预测破裂时间。
   • 相对价值在泡沫膨胀期上升，破裂期下降，但A股测试结果与预期相反，泡沫破裂组表现最好。
   • A股行业资产集中度变动频繁，市场弱有效性特征明显。

3. 配对相关性与换手率组合表现更优

   • 配对相关性能够有效识别泡沫是否存在，换手率可识别泡沫破裂时间。
   • 通过象限切分，配对相关性+换手率模型能够较好地识别泡沫膨胀和破裂阶段。
   • 泡沫破裂组C表现最差，年化收益率为-3.5%，最大回撤达64.4%；泡沫膨胀组B表现最好，年化收益率为9.3%，最大回撤为42.3%。

4. 拥挤度在行业轮动中的应用

   • 每月选出的拥挤行业个数中位数为3个，特定时间段可能为0。
   • 剔除拥挤行业后，行业轮动模型年化收益率提升约2%。
   • 将动量与拥挤度结合，高动量+低拥挤组表现最优，年化收益率达18.8%，最大回撤为42.9%。

关键信息

• 研究团队成员：魏建榕（首席分析师）、张翔、傅开波、高鹏、苏俊豪、胡亮勇、王志豪、盛少成、苏良。
• 研究时间范围：主要基于2016年至2021年的市场数据进行回测分析。
• 主要指标：换手率、下行波动率、配对相关性、乖离率、相对估值、资产集中度、相对价值。
• 模型测试结果：
  • 高换手率组在2016年后表现出负超额收益。
  • 高配对相关性组在2021年后具有一定的反向预测能力。
  • 高相对估值组稳定跑赢基准，与预期相反。
  • 高资产集中度+高相对价值组表现最好，与参考文献结论不符。
  • 配对相关性+换手率组合模型能够有效识别泡沫阶段，提升策略表现。
• 风险提示：模型测试基于历史数据，市场未来可能发生改变。

挤出行业与模型优化

• 行业剔除策略：每月剔除高拥挤行业，测试期内触发58次，剔除后当月超额收益为正的有38次，占比约66%。
• 模型优化：将动量与拥挤度结合，形成双维度筛选策略，显著改善策略表现。

指标与方法

• 换手率：通过市值加权计算，反映市场交易热度。
• 配对相关性：反映行业内个股的联动性，用于判断泡沫是否存在。
• 相对价值：基于PB值标准化，反映行业冷热状态变化。
• 数据预处理：采用历史分位点法和两步标准化法对指标进行去量纲处理。
• 象限切分：根据资产集中度和相对价值，将行业分为四个象限，分别代表不同行情阶段。

图表与数据

• 图1：高换手率通常是潜在回撤的先行指标。
• 图2：下行波动率与波动率走势整体接近，部分时候存在差异。
• 图3：金融、周期板块的行业换手率较低。
• 图4：指数加权后，两种标准化方法的走势接近。
• 图5：高相对换手率组在2016年后逐渐表现出负超额收益。
• 图6：高下行波动率组并不是拥挤度的良好代理变量。
• 图7：高配对相关性组有一定的反向预测能力，但波动较大。
• 图8：成交量乖离率不适合用来刻画行业拥挤状态。
• 图9：高相对估值组稳定跑赢基准，与预期相反。
• 图10：A股不同行业资产集中度变动更加频繁。
• 图11：相对价值指标能够较好地反应市场上各行业的冷热状态变化。
• 图12：资产集中度和相对价值无法有效地捕获A股泡沫。
• 图13：高分组纳入的行业数量越少，未来超额收益越高。
• 图14：配对相关性可用来识别泡沫是否存在。
• 图15：换手率可用来识别泡沫何时破裂。
• 图16：配对相关性+换手率能够较好地识别行业泡沫膨胀和破裂阶段。
• 图17：每月拥挤行业个数中位数为3个。
• 图18：不含拥挤行业的轮动模型表现年化收益率提升约2%。
• 图19：高动量+低拥挤组表现优异，超额稳定性较好。

表格数据

• 表1：泡沫破裂组C显著跑输等权参照组。
• 表2：高动量+低拥挤组合能有效改善策略表现。

结论

本文通过分析多个拥挤度代理变量的表现，发现配对相关性与换手率组合在识别泡沫膨胀与破裂方面效果更佳。同时，将拥挤度纳入行业轮动模型，能够有效规避泡沫破裂带来的回撤，提升整体收益。研究团队认为，基于“拥挤”之名构建的泡沫识别模型对行业轮动策略有显著的改善作用，但需注意模型基于历史数据，未来市场可能发生变化。

风险提示

• 模型测试基于历史数据，未来市场可能发生变化。
• 投资者需注意，本报告适用于专业投资者及风险承受能力为C3、C4、C5的普通投资者，非此类投资者请勿使用。