20171107-华泰证券-华泰行业轮动系列之一_基于通用回归模型的行业轮动策略_33页_1mb

基于通用回归模型的行业轮动策略总结

核心内容

本文提出了一种基于通用回归预测模型的行业轮动策略，旨在通过挖掘行业收益率之间的交叉预测关系，实现对行业配置的有效指导。核心思想是利用所有行业当期收益率作为解释因子，对每个行业下期收益率进行回归分析，识别出行业间的相互影响关系，构建轮动策略。

主要观点

• 行业轮动是市场中根据各行业表现差异进行配置的过程，有助于捕捉超额收益。
• 行业之间存在紧密联系，一个行业的变化可能影响其他行业的表现，这种关系可以通过回归模型进行量化分析。
• 金融市场的行业指数可以作为宏观经济的晴雨表，通过收益率序列反映市场动态变化。
• 回归模型可以识别行业间的显著交叉预测关系，构建板块动力图以可视化展示这些关系。

关键信息

• 模型构建：采用时间序列回归模型，对每个行业下期收益率进行预测，以期捕捉行业之间的传导规律。
• 数据预处理：包括去极值、中心化和标准化，以提高回归效果。
• 共线性处理：采用逐步回归法或主成分回归法，以消除多重共线性影响。
• 主成分回归：通过特征值分解，提取主成分作为新的解释变量，构建定价方程，指导行业配置。
• 策略回测：在训练窗口长度为242周、参与回归主成分个数为6时，多空对冲组合年化收益率为 $28.68%$，夏普比率为1.51，优于纯多头策略。
• 参数敏感性分析：参与回归的主成分越多，训练窗口越长，策略表现越稳定。
• 业绩归因：策略获取了显著的alpha收益，且主要暴露在市值因子上，表明其收益来源于市场风格的把握，而非特定风险因子的暴露。

策略表现与市场风格

• 分层回测：组合1（持有预测收益最高的两个板块）表现最优，年化收益率 $16.90%$，夏普比率0.61，胜率接近60%，显著优于基准。
• 多空回测：年化收益率为 $28.68%$，夏普比率为1.51，最大回撤为 $25.13%$，优于纯多头策略。
• 市场风格切换：2016年5月至2017年10月，周期上游板块成为主导板块，但9月后市场风格切换，资金流入防御板块，市场整体处于防守状态，短期回调可能为长期上涨积蓄力量。

风险提示

• 通用回归模型基于历史数据，存在失效风险。
• 市场风格可能发生变化，需持续监控和调整策略。

附录与图表说明

• 图表1：时间序列回归示意图。
• 图表2：回归预测模型构建流程。
• 图表3：六大板块构成。
• 图表4：2005年1月~2017年10月六大板块周频收益率统计。
• 图表5：六大板块相关性分析。
• 图表6：六大板块方差膨胀因子。
• 图表7：板块动力图示例。
• 图表8：2005年1月~2017年10月六大板块净值图。
• 图表9：2005年1月~2017年10月六大板块回归系数。
• 图表10：2005年1月~2017年10月六大板块动力图。
• 图表11：2013年1月~2015年6月六大板块净值图。
• 图表12：2013年1月~2015年6月六大板块回归系数。
• 图表13：2013年1月~2015年6月六大板块动力图。
• 图表14：2015年6月~2016年1月六大板块净值图。
• 图表15：2015年6月~2016年1月六大板块回归系数。
• 图表16：2015年6月~2016年1月六大板块动力图。
• 图表17：2016年5月~2017年10月六大板块净值图。
• 图表18：2016年5月~2017年10月六大板块回归系数。
• 图表19：2016年5月~2017年10月六大板块动力图。
• 图表20：行业轮动模型示意图。
• 图表21：主成分回归流程。
• 图表22：六大板块收益率协方差矩阵的特征值。
• 图表23：六大板块收益率主成分分析。
• 图表24：第一主成分在六大板块上的暴露。
• 图表25：第一主成分与市场基准的净值走势。
• 图表26：第二主成分在六大板块上的暴露。
• 图表27：第二主成分与周期/非周期风格指数的净值走势。
• 图表28：分层回测净值曲线（分3层）。
• 图表29：分层回测业绩指标（分3层）。
• 图表30：分层回测业绩指标对比图示（分3层）。
• 图表31：分层组合净值除以基准组合净值示意图（分3层）。
• 图表32：分层回测净值曲线（分6层）。
• 图表33：分层回测业绩指标（分6层）。
• 图表34：分层回测业绩指标对比图示（分6层）。
• 图表35：分层组合净值除以基准组合净值示意图（分6层）。
• 图表36：不同分层场景多头策略对比。
• 图表37：多空策略净值曲线。
• 图表38：多空策略业绩表现。
• 图表39：多空策略净周收益率及累计收益率。
• 图表40：多空策略业绩表现。
• 图表41：参数遍历场景下的多空收益率图示。
• 图表42：参数遍历场景下的多空收益率统计结果。
• 图表43：参数遍历场景下的多空夏普比率图示。
• 图表44：参数遍历场景下的多空夏普比率统计结果。
• 图表45：5因子累计净值曲线。
• 图表46：5因子月度收益率统计。
• 图表47：5因子之间相关性分析。
• 图表48：去共线性后5因子累计净值曲线。
• 图表49：基于主成分回归模型的行业轮动策略业绩归因结果。

实证分析结果

• 2005年1月~2017年10月：成长板块是市场先导板块，消费板块是防御板块，周期板块之间存在正向传导关系。
• 2013年1月~2015年6月：成长板块主导了这轮牛市，其他板块如周期中游、周期下游和消费板块受到其正向推动。
• 2015年6月~2016年1月：大金融板块成为主导板块，其他板块受其影响而企稳。
• 2016年5月~2017年10月：周期上游板块成为市场动力节点，推动其他板块上涨，但9月后风格切换，资金流入防御板块。

策略总结

• 该策略基于主成分回归模型，能够有效捕捉行业轮动规律，且具有良好的鲁棒性。
• 策略在多空对冲下表现优于纯多头策略，获取了显著的alpha收益。
• 市场风格的切换会影响策略表现，但长期趋势仍保持上升。
• 策略的参数敏感性分析表明，参与回归的主成分越多，训练窗口越长，策略表现越稳定。