重构量化行业轮动框架：技术篇，考虑拥挤度的细分行业动量策略-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与拥挤度因子的复合策略，用于重构量化行业轮动框架，旨在通过捕捉市场的动量效应与拥挤度风险，实现更稳健的行业配置。

动量策略

动量策略基于行业涨幅的延续性，认为过去一段时间内表现优异的行业在未来仍可能继续上涨。通过选取不同时间段（1/2/3/6/12个月）的平均涨跌幅作为因子，结合不同行业数量（10/20/30/40）筛选出具有动量效应的行业。

拥挤度策略

拥挤度因子用于衡量市场交易的热度，包括流动性因子（成交量、成交额、换手率）和乖离率因子（成交量乖离率、成交额乖离率、换手率乖离率）。当行业触发拥挤度信号时，表明市场情绪过热，风险上升，应进行清仓操作。

复合策略

动量与拥挤度策略的结合，旨在剔除短期交易过热的行业，保留具有持续上涨潜力的行业。通过设置不同的信号数量（1至6信号）进行筛选，进一步优化策略表现。

主要观点

• 动量效应：在A股市场中，动量效应仍然存在，但其表现弱于预期，特别是在细分行业中。
• 拥挤度效应：拥挤度因子可以有效识别市场交易过热的行业，从而规避潜在风险。
• 复合策略优势：通过结合动量与拥挤度因子，策略表现显著优于单独使用动量或拥挤度策略，年化超额收益达28.94%。
• 信号数量影响：复合因子中，3信号策略表现最佳，能有效平衡风险与收益。

关键信息

• 策略回测结果：在2010年1月至2021年6月的样本区间内，动量+拥挤度复合策略相对行业等权基准指数获得约29%的年化超额收益。
• 最新推荐行业：截至2021年6月，所有行业均处于拥挤状态，因此建议7月维持空仓。
• 风险提示：本模型基于历史数据统计和建模，不保证在当前市场环境下的有效性，极端市场可能失效。

策略构建与实证

策略构建

• 动量因子：过去k个月平均月度涨跌幅排名前n，其中k为1/2/3/6/12，n为10/20/30/40。
• 拥挤度因子：成交量、成交额、换手率及它们的乖离率，设置为60/70/80/90百分位。
• 复合因子：结合动量因子和拥挤度因子，通过信号数量（1至6）进行筛选，形成复合策略。

实证结果

• 年化表现：动量+拥挤度复合策略年化收益率为41.46%，年化波动率为29.37%，信息比率为1.41。
• 分年度表现：在2012年至2020年期间，复合策略年化超额收益均较高，尤其在2013年和2019年表现突出。
• 案例展示：通过实际案例验证，复合策略在剔除高拥挤度行业后，保留的行业往往具有较好的表现。

策略展望

• 优化方向：进一步研究不同信号数量和动量因子对策略表现的影响，以优化配置。
• 风险控制：通过拥挤度因子有效控制风险，避免市场过热带来的回撤。
• 市场适应性：在不同市场环境下，策略可能需要调整参数，以适应市场变化。

风险提示

• 本模型基于历史数据构建，可能无法准确预测未来市场变化。
• 在极端市场条件下，策略可能失效。
• 投资者需注意市场风险，合理配置资产。

图表目录

• 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
• 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：复合策略原理
• 图6：复合策略（不同个数的信号）累计净值比较
• 图7：复合策略（不同的动量因子）累计净值比较
• 图8：子策略与复合策略累计净值比较
• 图9：801053.SI前后两月涨跌幅及拥挤程度对比
• 图10：801014.SI前后两月涨跌幅及拥挤程度对比
• 图11：801076.SI前后两月涨跌幅及拥挤程度对比
• 图12：801721.SI前后两月涨跌幅及拥挤程度对比
• 图13：动量+拥挤度复合策略表现
• 图14：动量+拥挤度复合策略分年度超额收益

表格目录

• 表1：动量策略表现
• 表2：拥挤度策略表现
• 表3：动量因子汇总
• 表4：动量策略表现
• 表5：筛选前20/30/40/50个行业收益表现
• 表6：拥挤度因子汇总
• 表7：拥挤度因子胜率汇总
• 表8：单因子表现
• 表9：复合因子表现
• 表10：不同信号个数下持仓行业个数
• 表11：复合策略表现
• 表12：子策略与复合策略表现比较
• 表13：子策略与复合策略分年度超额收益比较
• 表14：近两年持仓数量与每月收益
• 表15：案例展示
• 表16：动量+拥挤度复合策略表现
• 表17：动量+拥挤度复合策略分年度收益表现
• 表18：近两年动量+拥挤度复合策略下的持仓

总结

通过动量与拥挤度因子的结合，构建的复合策略在A股市场中表现出色，年化超额收益显著。该策略通过筛选出未处于拥挤状态的行业，有效规避了市场过热带来的风险，提高了投资组合的稳定性。然而，需要注意的是，该策略基于历史数据，可能无法完全适应当前市场环境，投资者应谨慎评估风险并进行适当调整。