光大量化 【深读】光大金融工程“量化择时及行业轮动”系列报告

特别声明:

光大证券研究所金融工程研究团队

眼睛

记录

◆基于阻力支撑相对强度的市场时机(RSRS)

◆阻力支撑相对强度(RSRS)计时和行业轮换

◆阻力支撑相对强度(RSRS)选股

◆基于波动率时间序列排序的轮换策略

◆行业轮换:从势头出发

基于阻力支撑相对强度的市场时机(RSRS)

在本报告中，我们提出了阻力支撑相对强度的概念，并构建了阻力支撑相对强度指数(简称RSRS)。本文从预测未来市场状态的角度出发，探讨了支撑位和阻力位在市场时机选择中的应用。

阻力支撑的新视角:

不同于传统的阻力位和支撑位的定值应用，我们从变量的角度探讨它们对未来市场涨跌的预测价值。通过定义阻力支撑相对强度的概念，我们设计了可以显著预测未来市场回报的技术指标。RSRS右标评分指数与未来两周市场收益率的相关系数高达75%。

及时把握市场变化；

阻力位的相对强弱指数对市场状态的变化很敏感。滞后低。与均线、MACD等技术指标相比具有明显的滞后性，RSRS指标可以作为先行指标，可以预测市场变化。在选择时机时使用RSRS指数的优势之一是，即使市场即将改变多头和空头，它也可以提前离场并锁定利润。

匹配量好，价格效果好:

2005年3月至2017年3月，沪深300指数数据采用了RSRS右偏标准分指数，共有39笔战略交易。12年无成本总收益1573.60%，年均25.82%，夏普比率1.20。价格优化的正确标准是做32笔多策略交易。12年总收入1971.05%，平均年化率28.19%，夏普比率1.56。同期沪深300指数总收益率为350.94%。

许多市场是有效的:

2005年3月至2017年3月，RSRS价格优化权标准得分策略应用于上证50指数，交易32笔。12年总收益1432.36%，平均年化率24.84%，夏普比率1.42，最大回撤-18.37%。同期上证50指数总收益率为290.13%。2005年3月至2017年3月，RSRS价格优化权标准分策略应用于沪深500指数，交易39笔。12年总收益为2898.93%，平均年化率为32.39%，夏普比率为1.58，最大回撤为-26.21%。同期，沪深500指数总收益为661.20%。

阻力支撑相对强度(RSRS)与产业轮换的时机

在《基于阻力支撑相对强度的市场时机选择(RSRS)——技术时机选择系列报告之一》中，我们提出利用最高价和最低价系列的相对强度来动态描述市场的阻力和支撑水平，并将日频率应用于沪深300指数。本文将延续第一份报告的思路。一方面，将RSRS指数及时应用于不同频率的数据，并给出合适的参数范围。另一方面，将RSRS指数应用于产业指数，建立了基于RSRS指数的产业轮换模型。

RSRS指数的原理与构建:不同于传统的阻力位和支撑位的定值应用，我们从变量的角度探讨其对未来市场涨跌的预测价值。通过定义阻力支撑相对强度的概念，我们设计了可以显著预测未来市场回报的技术指标。RSRS右标评分指数与未来两周市场收益率的相关系数高达75%。

RSRS指标时机频率建议:总体来说，频率越高，时机信号越多，策略年化收益率越高，胜率逐渐下降，最大回撤逐渐增加。根据市场阶段，趋势市场30分钟线时机最好，波动市场日线时机最好。

RSRS指数时序参数选择:在计算RSRS指数时，更重要的是选择拟合方程的样本数。频率越高，定时策略对参数(n，m，s)的敏感度越高。从不同频率使用的历史信息长度来看，RSRS指数可能有一个适用的频率上限，约为30分钟。

RSRS指数行业轮换模型:不同于市场指数时机，行业轮换模型不需要判断行业指数的多空信号，只需要比较行业之间的相对排名。通过每月换岗，选择前三个行业，等权构建的行业轮换模型年化收益为31.54%，夏普比率为0.959，最大回撤为69.78%。相对于全行业同权基准，年化超额收益率为10.45%，12年9年跑赢基准，年胜率75%。

“阻力支撑相对力量(RSRS)选股”

在RSRS技术指数系列的前两份报告中，我们提出了利用最高价和最低价系列的相对强弱来动态描述市场的阻力位和支撑位，并构建了RSRS指数，研究和讨论了在不同时间和频率下将其应用于沪深300指数的时机和行业轮换的效果。本文将延续本系列前两篇报告的思路，挖掘RSRS指数在选股中的价值，并在RSRS指数的基础上开发一个选股模型。

RSRS指数的原理与构建:不同于传统的阻力位和支撑位的定值应用，我们从变量的角度探讨其对未来市场涨跌的预测价值。通过定义阻力支撑相对强度的概念，我们设计了可以显著预测未来市场回报的技术指标。

RSRS指数在个股和大盘/行业指数应用上的差异:个股和大盘/行业指数在可靠性、及时性和代表性上存在显著差异。通过按市值对股票进行分组，我们展示了这些差异对RSRS指标有效性的影响，并给出了削弱这些影响的解决方案，在一定程度上恢复了RSRS指标在个股中的有效性。

RSRS指标可以在不同维度上预测股票的未来涨幅:通过分别对时间区间进行极值剔除和标准化，直观地展示了RSRS指标对时间区间和时间序列的不同预测效果:在时间序列层面，股票的预期未来收益与RSRS指标的大小显著正相关；在时间区段层面，股票的预期未来回报与RSRS指标的规模之间存在显著的负相关关系。

RSRS指数在中小企业选股中的应用:根据RSRS指数与未来时间区间预期收益的负相关关系以及与其价值相对应的各种市场状态，细分前期涨跌和成交量变化，选择特定条件下未来跑赢市场概率较高的股票，构建RSRS选股策略。样本外等权策略年化收益33.80%，夏普比率0.916，最大回撤32.20%，较沪深500超额收益年化16.93%；行业中性策略年化收益率26.37%，夏普比率0.801，最大回撤31.58%，较沪深500超额收益年化10.43%。

RSRS指数在大规模选股中的应用:基于相似逻辑，通过选择RSRS高价值群体的股票来构建选股策略。样本外策略年化收益33.75%，夏普比率1.19，最大回撤24.26%。与沪深300相比，年化超额收益率为17.50%，信息比率为1.34，最大回撤为5.95%。

基于波动性时间序列排序的指数轮换

随着中国金融市场的不断繁荣，a股市场有3000多家上市公司。对于投资者来说，可供选择的投资对象越来越多，同时也产生了根据不同股票属性构建的指数。在不同的市场时期，不同种类的股票有不同的表现。本文比较了不同指数或主要股票同期的风险特征，构建了轮换策略。

指数本身的回报与风险正相关:

市场指数或风格指数本身的风险程度不是一成不变的，在不同的时间或不同的市场条件下其风险程度是不同的。通常，当指数风险较大时，其预期回报也相应较大。

波动率时间序列排名指数对市场指数有较好的轮换作用；

上证50、沪深300、沪深500和创业板指数采用波动性时间序列排名指数进行轮换，2010年底至2017年期间轮换效果显著。轮换策略年化收益18.58%，远高于同期收益率最高的创业板指数6.26%；旋转策略的夏普比率为0.76，最大回撤为46.61%。

波动率时间序列排名指数在风格轮换上也是有效的:

根据一级产业指数与公众认可的产业归属的相关矩阵，将一级产业分为六种不同的风格；并通过市值加权构建了六种风格指数。波动率时间序列排名指数对这种风格指数也有很强的旋转效应。在2006年至2017年期间，轮换策略实现了26.02%的年化收益、0.91的夏普比率和64.30%的最大回撤。

用价格序列计算波动率，提高了轮换效应；

除了用收益率序列来计算波动率外，我们还尝试用价格序列来计算波动率。价格波动时间序列排序指数的敏感性往往低于收入波动时间序列排序指数。与基于收入波动时间序列排名指数的轮换策略相比，基于价格波动时间序列排名指数的轮换策略轮换效果更强，年化收益、夏普比率和最大回撤的表现也更好。

风险警告:

测试结果都是基于模型和历史数据，模型有失效的风险。

行业轮换:从势头开始

动量是产业旋转的重要因素。动量效应是金融市场中最常见的现象之一。许多研究指出，不同行业之间存在明显的动量效应，尤其是大型行业。从动量旋转效应来看，行业分类越粗，动量越强，月动量旋转效应比其他时间段更强。而传统的仅用前期收益率计算动量指数的方法存在一定的局限性，使得其轮换效应在今年逐渐失效。建立新的指标以增强势头强度的需要应运而生。

领先的后续效应预示着未来行业的强弱关系。行业领导者在引领行业或应对外部冲击方面的作用不同于其他企业，往往是领导者引领，其他企业跟随的情况。通过构建一个好的领先指标，可以量化当前各行业领先企业和跟随企业的差距。由于后续效应，领先指标在一定程度上可以预测未来行业的强势关系。根据该指数构建的行业轮换策略，样本年化超额收益率为14.4%，最大回撤为12.2%，夏普比率为0.98。

龙头的领先程度有动量增强的效果。龙头企业的领先程度表明，以下股票将弥补未来的增减空。空差距越大，之前的行业趋势延续下去的概率就越大。从这个角度出发，我们可以用领先度指数来修正传统的动量指数，从而构建一个基于领先度的动量增强指数。根据该指数构建的行业轮换策略，样本年化超额收益率为7.5%，最大回撤为19.1%，夏普比率为0.528。

体积包含动量增强的信息。旋转节奏的变化在某种程度上是由信息扩散程度的变化或者说是价格进入所需时间的变化引起的。新的行业信息传播吸收越快，旋转节奏变化越快。所以换手率越低动量效应越强。结合体积信息，构造动量增强指数，同样具有很强的旋转效应。根据该指数构建的行业轮换策略，样本年化超额收益率为15.5%，最大回撤为14.3%，夏普比率为0.96。

利用多指标信息构建产业轮换战略。利用打分法和布莱克-莱特曼模型，结合多指标轮换信息，构建了完整的产业轮换策略，取得了良好的轮换效果。评分法样本中，超额年化收益12.3%，夏普比率1.07，相对最大回撤10.9%，月胜率62.3%；样本外超额年化收益3.6%，夏普比率0.43，相对最大回撤13.2%，月胜率60.0%。BL模型样本中，超额年化收益为10.2%，夏普比率为0.94，相对最大回撤为13.2%，月胜率为63.8%；样本外超额年化收益9.4%，夏普比率0.90，相对最大回撤10.5%，月胜率52.5%

风险预警:测试结果基于模型和历史数据，模型有失效的风险。

放弃声明书