《重构量化行业轮动框架：技术篇.docx》由会员分享，可在线阅读，更多相关《重构量化行业轮动框架：技术篇.docx（25页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、-、行业轮动框架简介(-)量化行业配置框架介绍一个完整的行业轮动框架，通常涵盖了对市场交易惯性因子、风险因子的挖掘， 本文主要采用动量因子作为市场交易惯性的指标，即我们认为行业的上涨趋势是具 有惯性的，短期内可以通过行业截面比拟寻找涨幅靠前的行业进行配置。其次，采 用拥挤度因子作为风险效应的指标，我们认为当行业触发拥挤度信号后，提示行业 即将走弱，此时应立即清仓离场，从而构建行业轮动策略。本文将标的设置为申万二级行业，以行业等权为基准，首先针对动量和拥挤度 两个子策略，寻找合适的动量因子和拥挤度因子，并分别进行单因子与多因子回测。 完成对两个子策略的测试后，我们进一步尝试将两个策略结合得到新的
2、复合策略， 复合策略在样本回测中取得稳定表现。图1:重构量化行业轮动框架动量指标动量指标舟逸漫幅最大的行业动量策略行业姐合拥挤度指标单因于复合国于拥挤皮策/行业白名单03.行业轮动策略 双据来源：Wind,动量策略行业组合拥挤度策电行业白名单行业枪动候选名单(二)A股行业动量与拥挤度效应前瞻从动量角度出发寻找标的是一种十分直观的思路，一般情况下投资者更倾向于 配置一些涨幅较佳的行业。我们来考虑最简单的动量策略，在每月底买入涨的最好 的40个行业，也可以买入过去半年甚至一年涨幅最大的行业，每次买入的行业个数 也都是可以灵活变动的，下面列举了最常用的9种策略，以行业等权为基准，发现9 种策略均存在
3、超额收益，长期动量表现要好于短期动量，说明在A股市场，动量效应 目前仍然是存在的，但是也不难发现，这局部超额收益已经不那么显著，其中可能 的原因在于，对于二级细分行业，资金切换的速度和风险累积的速度很快，动量效 应持续性和稳定性不强。当两者复合以后，却产生了十清楚显的效应，这正是动量+拥挤度策略的巧妙之处， 由于资金在细分行业中的快速切换和拥挤度叠加的风险效应导致动量策略效果不佳, 但是如果利用拥挤度指标将风险效应高且资金短期涌入过多的行业剔除，剩余的行 业组合往往在接下来有十分优异的表现，因此先拥挤度策略筛选出每月的未处于拥 挤状态的行业白名单，接着从动量策略筛选出来的行业组合中剔除不在白名
4、单里的 行业即可。结论2：根据之前的回测结果，虽然拥挤度策略中复合因子表现与单因子相差无 几，但是在动量+拥挤度复合策略中，复合因子的表现要明显优于单因子。可知复合策略“过去1个月涨跌幅前40+复合因子（3信号）”有着最高的超额收益， 下面对策略合理性的进一步说明，首先动量因子保持不变，改变拥挤度因子，可见3 信号确实是有着最好的表现，其次拥挤度因子保持不变，改变动量因子，1月因子也 超过了 12月因子。图6：复合策略（不同个数的信号）累计净值比拟1010864过去1个月涨趺幅前40+复合因子（2信号）过去1个月涨跌幅前40+复合因子（3信号）过去1个月涨跌幅前40+复合因子（4信号）过去1个
5、月涨趺幅前40+复合因子（5信号）过去1个月涨跌幅前40+复合因子（6信号）20数据来源:Wind,图7：复合策略（不同的动量因子）累计净值比拟过去1个月涨跌幅前40+复合因子（3信号）过去12个月涨跌幅前40+复合因子（3信号）过去1个月涨跌幅前40+复合因子（3信号）过去12个月涨跌幅前40+复合因子（3信号）98 76 5432 10数据来源：Wind,25拥挤度筑路动量筑略复合筑略行业等权0（四）案例展示以“过去1个月涨跌幅前40+阈值-0.05+复合因子（3信号）”这种复合策略为例，从 策略表现、持仓数量等角度与其子策略进行比拟。从策略表现来看，复合策略表现大幅优于两个子策略，且基本
6、上从2012-2020每 年度均大幅跑赢两个子策略。图8：子策略与复合策略累计净值比拟2015105表 表:子策略与复合策略表现比拟（2010.01-2021.06）策略描述年化超额收益年化波动率信息比率动量策略（过去1个月涨跌幅前40 ）3.84%8.39%0.45拥挤度策略（3信号）2.86%11.50%0.25复合策略28.94%21.32%1.36数据来源:Wind,表13 :子策略与复合策略分年度超额收益比拟动量策略（%）拥挤度策略（）复合策略（%）2012-1.771.07-0.18201311.78-3.1448.27201418.12-11.389.5120154.83-1.7
7、3-2.422016-2.422.7718.6720177.130.247.6420185.661.5816.5220194.27-1.1236.1420201.962.9526.162021 （截止六月底）-5.626.61-2.35数据来源:Wind,近两年持仓个数来看，复合策略的持仓个是动量策略行业组合与拥挤度策略筛 选出来的行业白名单的交集，但是很大程度上由后者决定，比方2012/3/30,动量策 略持仓为40个，拥挤度策略持仓为9个，两个策略都持有的只有1个行业，说明当月 拥挤度策略把动量策略筛选出来的绝大局部行业全部剔除掉了，这也是我们复合两 个策略的初衷。如果拥挤度策略反映出来的
8、是大局部行业都处于过热的情况，我们 不应再参与其中，果然，2012/3/30两个子策略均是负收益，而复合策略为正收益。 而且这样的情况不是个例，经统计，通过拥挤度指标的筛选后复合策略能跑赢动量 策略的概率到达60%以上，说明拥挤度作为一个控制风险的策略是真实有效的。表14 :近两年持仓数量与每月收益数据来源：Wind,动量策略持仓数量动量策略月收益 (%)拥挤度策略持仓数量拥挤度策略月收益 (%)复合策略持仓数量复合策略每月收益 (%)2019/1/3110-0.87830.526-1.062019/2/284017.176018.851813.322019/3/29409.5119.9600
9、.002019/4/3040-2.92124.8800.002019/5/3121-7.411-6.5400.002019/6/2810-0.28570.94124.222019/7/3140-0.6868-2.0124-1.152019/8/30292.7566-2.8411-0.722019/9/3029-0.5859-0.096-1.902019/10/31400.97241.6351.452019/11/2940-3.6478-1.0727-1.822019/12/312611.41757.011811.542020/1/23400.4819-2.732-5.562020/2/2840
10、4.0612-5.3300.002020/3/3140-7.2421.6800.002020/4/30250.4580.3313.882020/5/29401.72391.0291.732020/6/30408.87574.581512.052020/7/314016.472614.80419.932020/8/31401.3900.0000.002020/9/3040-7.997-5.6300.002020/10/30105.8837-0.19114.892020/11/30403.76696.80193.262020/12/31401.5133-0.727-6.152021/1/29400
11、.5528-3.1726.702021/2/2636-0.37214.8632.652021/3/3140-1.09471.15181.022021/4/3040-1.65252.812-0.032021/5/31404.31414.5690.962021/6/30401.59381.097-0.38下表是两个具体的案例展示：2019/6/28,动量策略给出的行业组合如表中所示, 总共10个行业，但是经过拥挤度策略筛选后，只剩下一个行业801053.SF,除该行 业以外，其他的行业都是触发了三个及以上的拥挤度信号，且我们可以很明显地发 现，处于拥挤度状态分行业下月收益基本上都为负。2015/1
12、/30,动量策略组合中几 乎所有的行业均触发了6个信号，唯独801076.SF只触发了2个信号，从而得以保存。表15 :案例展示触发6信号的行业下月几乎全部为负收益，被保存下来的801076.SI单月涨幅超50%。日期动量策略组合下月收益（%）动量策略组合上月触发信号个数房屋建设n伸万广 券商11（申万）基础建设伸万）：786, 保险11（中万）：3.38, 银行11（申万）石油开采H伸万片7.68, 航运H （申万）钢铁n伸万）入0.37, 电力（申万）船舶制造n （申万广-1.66, 通信运营n （申万）,：-6.65, 多元金融n伸万）4.02, 专业工程（申万）-5.31, 航空运输n
13、伸万）,： 114, 水泥制造n伸万广73, ，房地产开发H伸万万0.19, 水务n伸万）丁。.21, 铁路运输n （申万y：-0.05,房屋建设n （申万广6.0, ，券商n伸万丫：6。基础建设（申万）:6Q保险n伸万广6。银行n （申万广6。石油开采n （申万广6。航运II伸万片6.0,钢铁n （申万y： 6.0,电力仲万）：6.0,船舶制造n仲万广6。通信运营n （申万）：6.0,多元金融n （申万丫： 6.0, 专业工程伸万）:6.0, 航空运输11（申万）：6.0,水泥制造n （申万广6.0,房地产开发n （申万广6。水务n （申万y： 6。铁路运输n （申万广6.0,2019/06
14、/28饮料制造（申万）：2.2,高速公路n （申万万i.46, 园区开发n伸万）2.09, 煤炭开采n伸万广-3.83, 机场n （申万）:2.82, 白色家电（申万）9.45, ，港口11伸万丫：3。航天装备11（申万）4.55, 采掘服务n伸万广-3.24, 黄金n伸万）,： 11.82,专用设备（申万）商业物业经营仲万）2.66,食品加工（申万y： 1.34,工业金属（申万）.24, 石油化工（申万） 汽车整车（申万）8.11, 一般零售仲万）：2.75, 稀有金属（申万）6.29,运输设备H （申万）50.92, 化学纤维（申万）2.84, 贸易II伸万）：6.62, 景点（申万）：4
15、.02饮料制造伸万）：6.0, 高速公路11（申万）：6.0, 园区开发n伸万y：6.o, 煤炭开采n （申万y： 6.0, 机场n （申万广6。白色家电伸万）:6.0, 港口11伸万y：6.0, 航天装备n （申万）：6.0, 采掘服务n伸万y： 6.0, 黄金II伸万）6.0, 专用设备伸万）：6。商业物业经营（申万）6.0, 食品加工（申万）6.0, 工业金属伸万）:6.0, 石油化工（申万）:6.0, 汽车整车伸万）6.0, 一般零售伸万）：6。稀有金属伸万）6。运输设备H （申万）:2.0, 化学纤维伸万）,:6。 贸易n（申万丫:6.0, 景点（中万）：5.0复合策略下月收益（%）
16、运输设备II （申万）:50.92种植业伸万片6.0,泮导体伸万）：3.0,稀有金属伸万）:3.0,金属非金属新材料（申万）3.0,航天装备n仲万y：3.o,黄金n伸万）：2.0,饲料n （申万广40,地面兵装n （申万y：3.o,食品加工（中万）4.0,航空装备n （申万）：3.0黄金n （申万）：24.22(n广发证券GF SECURITIES种植业（申万）176,半导体（申万）：041,稀有金属伸万）302,金属非金属新材料（申万）：146,2015/01/30航天装备 口（申万）：397,黄金H伸万）24.22,饲料n （申万）：-15.7,地面兵装n （申万”26,食品加工仲万广7.
17、95,航空装备n伸万）234数据来源：Wind,从以下给出的局部月K线图更进一步阐释了拥挤度与涨跌幅的直观联系。图9 ： 801053.SI前后两月涨跌幅及拥挤程度比照（2019/06/28 ）图10 : 801014.SI前后两月涨跌幅及拥挤程度比照（2019/06/28 ）数据来源：Wind,图11 ：801076.SI前后两月涨跌幅及拥挤程度比照( 2015/01/30)数据来源：Wind,图12 : 801721s前后两月涨跌幅及拥挤程度比照(2015/01/30 )数据来源:Wind,三、策略实证(-)策略设置行业选择：行业分类采用申万二级行业分类，由于首月涨幅过大且成分股数量 过少
18、，不具有代表性，剔除其他休闲服务11(80121581)和其他轻工制造11(801144.SI)两个行业，剩余共102个行业；调仓周期：1个月；日期区间：2010年1月至2021年6月；策略基准：行业等权基准；交易本钱：双边千分之三；策略设置：每月底筛选当月涨幅排名前40的行业，并从排名10-40的行业中剔 除月收益率小于5%的行业，剩余行业利用拥挤度复合因子进行筛选，如果某行业 当月触发3个及以上的单因子，那么剔除该行业，等权配置余下的行业。(二)实证结果从以下回测结果可以看到，在考虑了利用动量+拥挤度复合策略之后，年化超额 收益到达了28.94%。图13 :动量+拥挤度复合策略表现1超额收
19、益累计净值动量+拥挤度复合策略行业等权数据来源:Wind,表16 ：动量+拥挤度复合策略表现(2010.01-2021.06 )数据来源：Wind,动量+拥挤度复合策略行业等权超额收益年化收益率41.46%10.82%28.94%年化波动率29.37%25.08%21.31%信息比率1.410.431.35分年度来看，从2010年1月到2021年2月，各年超额收益都为较高。表17 :动量+拥挤度复合策略分年度收益表现动量+拥挤度复合策略行业等权超额收益201216.14%1.48%-0.18%201362.96%11.03%48.27%201431.21%41.06%9.51%201563.3
20、7%42.44%-2.42%201638.90%19.90%18.67%20175.13%-2.86%7.64%2018-19.15%-30.94%16.52%201950.58%23.80%36.14%202058.12%21.01%26.16%2021（截止6月底）4.27%7.25%-2.35%图14 :动量+拥挤度复合策略分年度超额收益 超额收益各期超配行业组合明细及最新行业配置结果如下表所示，每个月超配的行业组 合权重为等权。2019/1/302019/2/282019/3/302019/4/302019/5/302019/6/302019/7/302019/8/302019/9/3
21、02019/10/302019/11/302U1S/12/3U2020/1/302020/2/292020/3/302020/4/302020/5/302020/6/302020/7/30月度收益（%）-1.0613.320.000.000.0024.22-1.15-0.72-1.9U1.45-1.8211.34-5.560.000.003.881.7312.0519.93表18 ：近两年动量+拥挤度复合策略下的持仓持仓铁路运输1【（申万）7旅游综合II （申万）电力（申万）黄金II （申万）7机场n （申万）;饮料制造（申万丹r银行n （申万）,冰泥制造（申万）,石油化工（申万）7房屋建设I
22、I（申万）7铁路运输（申万）房地产开发n （申万）/其他采掘n （申万）:专业零售（申万）食品加工（申万）/钢铁n （申万）航运n （申万）,航空运输n （中万）:汽车服务n （申万），农业综合h（中万）其他建材n （中万）丁化学纤维（申万专用设备（申万）7高速公路n （申万）黄金n （申万方机场n （申万）饮料制造（申万）旅游综合n （申万）7景点（申万）航空运输n （申万）7水泥制造n（申万）7白色家电（申万）丁生物制品n （申万）/水务n（申万）丁专业零售（申万）丁酒店n伸万）曾运输设备n（申万丫，基础建设（申万）;贸易h（申万）:化学制药（申万医疗器械i【（申万）造纸n（申万）,汽车整
23、车（中万）丁化学纤维（中万）医疗服务n （申万）7房屋建设n （中万其他建材n （申万一般零售（申万）;其他采掘11（申万）橡胶（申万）,物流n （申万）:电源设备（申万）/塑料n （申万）白色家电（申万）旅游综合n （申万） 生物制品n （申万房屋建设H（申万）汽车整车（申万电力（申万）丁造纸H（申万）饮料制造（申万）7其他电子n伸万）7航运n（申万）丁畜禽养殖n （申万）/家用轻工（申万）/酒店II（申万）1化学纤维伸万）丁水泥制造n伸万）金属制品n （申万）;其他建材n （申万）:房地产开发n （申万）i 医疗服务n伸万）/生物制品n （申万丫化学制药伸万）丁白色家电仲万）其他电子n （
24、申万）医疗 器械n （申万）7景点（申万）7中药n （申万）化学纤维（申万）:玻璃制造n （申万）采掘服务n （申万）； 农产品加工（申万）7造纸n伸万）其他建材n （申万）:房地产开发H（申万）园区开发n伸万）7环 保工程及服务n伸万）保险n （申万）通信运营n伸万）;橡胶伸万）丁家用轻工伸万）丁饮料制造 （申万），农业综合n （申万）公交n （申万）7综合n （申万）7物流n （申万视听器材.（申万）稀有金属伸万）光学光电子伸万）酒店n伸万）玻璃制造n伸万）采掘服务n伸万）其他建材n伸万）汽车零部件n （申万）电源设备伸万）航运n（申万）丁汽车整车伸万）铁路运输II伸万）7其他电子n （申
25、万）7电气自动化设备（申万）;化学原料（申万）/石油化工（申万）视听器材（申万）化学制品（申万）7高低压设备（申万）1景点（申万）7其他交运设备n （申万）专业零售（申万力机场n （申万）景点（申万）玻璃制造n （申万）其他电子n （申万）:园区开发ii（申万）:橡胶（申万）高速公路H（申万）水务H（中万）航空运输n （申万）旅游综合n伸万）医疗服务n （申万）白色家电伸万）景点伸万）:物流n （申万）;其他采掘n（申万）7文化传媒（申万）玻璃制造n （申万）化学制药（申万）医药商业n （申万）燃气n （申万）化学制品伸万金属制品n伸万）/装修装饰n伸万）丁工业金属伸万）化学原料（申万）化学制
26、品（申万）综合n （申万）;农产品加工（申万）表1 ：动量策略表现（2010.01-2021.06 ）数据来源：Wind,年化超额收益年化波动率信息比率过去1个月涨跌幅前101.07%30.78%0.03过去1个月涨跌幅前200.92%27.82%0.03过去1个月涨跌幅前403.84%8.39%0.45过去6个月平均涨跌幅前101.97%31.54%0.06过去6个月平均涨跌幅前201.13%28.19%0.04过去6个月平均涨跌幅前401.10%26.15%0.04过去12个月平均涨跌幅前104.10%29.88%0.14过去12个月平均涨跌幅前202.84%27.39%0.10过去12个
27、月平均涨跌幅前405.16%9.50%0.54自然容易想到，如果一个细分行业出现了资金过度拥挤的情况，涨势是不持久 的，那么是否可以定义风险指标，从而尽可能规避风险，此时便需要用到本文的拥 挤度因子。拥挤度因子通常分为：流动性因子，如成交量、换手率等，乖离率因子： 成交量两月乖离率等等。例如，成交量因子中有一个细分因子是“成交量60百分位”， 如果某月某个行业的月成交量超过了历史上60%的时间，我们认为该行业触发了该 因子，且我们可以合理地认为这个行业交易十分火热且风险已经暴露，如果不立刻 离场，大概率会遭遇回撤。以行业等权为基准，下面表2展示的是关于6种常用搦挤 度因子，如果我们每个月反向买
28、入触发了拥挤度因子的行业，会有怎样的超额收益。 以“成交量60百分位”反向策略为例，如果月底某行业的成交量超过了历史上60%的 时间，那么我们将其加入下月持仓。可以发现超额均为负，说明在A股市场，拥挤度 效应是存在的，持仓行业如果资金过度拥挤确实会导致策略收益不佳。表2 :拥挤度策略表现（2010.01-2021.06 ）数据来源:Wind,年化超额收益年化波动率信息比率成交量60百分位（反向）-1.59%25.26%-0.06成交额60百分位（反向）-1.01%25.45%-0.04换手率60百分位（反向）-0.67%25.04%-0.03月度成父量乖离率60百分位（反向）-1.54%26.
29、78%-0.06月度成交额乖离率60百分位（反向）-3.12%26.41%-0.12月度换手率乖离率60百分位（反向）-0.49%26.77%-0.02(n广发证券GF SECURITIES2020/8/300.002020/9/300.002020/10/30玻璃制造n （申万）14.892020/11/30其他交运设备II （申万）7医疗服务II （申万）丁农业综合II （申万）7家用轻工（申万）7其他电子II （申 万）丁饮料制造（申万）;专业零售（申万）丁稀有金属（申万）半导体（申万）7黄金n （申万燃气n （申 万）7综合n（申万）钢铁n （申万），汽车服务n（申万）化学纤维（申万）
30、医药商业n （申万）酒店II （申万）丁金属非金属新材料（申万）7物流n （申万）3.262020/12/30景点（申万）航空运输n（申万）/餐饮n伸万）房地产开发n （申万）畜禽养殖II（申万）林业II （申万）7高速公路1【（申万）1-6.152021/1/30化学制品（申万）丁橡胶（申万）16.702021/2/28物流n （申万）丁医药商业n （申万）酒店n伸万）2.652021/3/30畜禽养殖n （申万）7房地产开发n （申万）:环保工程及服务II（申万）公交n （申万）/装修装饰n （申 万）水泥制造n （申万）园林工程ii（申万）农业综合n （申万）贸易n （申万）7高速公路n
31、 （申万） 房屋建设n （中万）渔业（中万）计算机设备n （申万）物流H（中万）铁路运输H（中万）:基础建设 （申万）多元金融n （申万）服装家纺（申万）i1.022021/4/30贸易n （申万）综合n （申万）-0.032021/5/30其他交运设备II （申万）7橡胶（申万）7电子制造II伸万）7综合H伸万）7园区开发II （申万）7化学制 品伸万）7视听器材（申万）丁畜禽养殖n伸万）:农产品加工伸万）】0.962021/6/30贸易n （申万）通信设备（申万）7航空运输n （申万）互联网传媒（申万）旅游综合n （申万）;采掘服 务n （申万）7餐饮n （申万）-0.38数据来源：Win
32、d,广发证券开展研究中心总结（-）策略总结基于动量和拥挤度维度的行业轮动研究，本文从传统的动量策略出发，在发现 动量效应在申万二级行业中较弱之后，总结问题在于细分行业的资金切换速度及风 险效应累积过快，进而从风险控制的角度探究A股中是否存在拥挤度效应，证明拥挤 度效应确实存在后，将动量策略和拥挤度策略结合起来，超额收益大幅提升。分别研究两种子策略。对于动量策略，选择最常见的【过去k月平均涨跌幅排名 前n】作为动量因子，并通过设定涨跌幅阈值对动量策略进行改进，通过显著性检验 和信号胜率检验的有5个因子：【过去1月涨跌幅排名前40,过去1月涨跌幅排名前50, 过去6月涨跌幅排名前50,过去12月涨
33、跌幅排名前40,过去12月涨跌幅排名前50】。其次，对于拥挤度策略，等同于寻找合适的风控指标，本文根据过往经验选择 最常用的拥挤度因子，并一一进行显著性检验和信号胜率检验，最终通过的有6个因 子：【成交量60百分位，成交额60百分位，换手率60百分位，成交量乖离率60百分 位，成交额乖离率60百分位，换手率乖离率60百分位】，先单独测试6个因子的超额 收益，接着尝试将6个因子进行复合，得到6个新的因子【2信号，3信号，4信号，5 信号，6信号】。因此拥挤度策略中总计有6+5=11个因子。(n广发证券GF SECURITIES将动量策略和拥挤度策略复合构建新的策略，总计有5*11=55种组合，回
34、测结果 最优组合为动量策略【过去1月涨跌幅排名前401+拥挤度策略【3信号】。在行业配置的具体运作上，我们以申万二级行业为标的，采取月度调仓的方式， 每月底选出当月涨幅排名前40的行业，并从排名1030的行业中剔除跌幅超5%的行 业，接着利用拥挤度策略筛选所有二级行业中未处于拥挤状态的行业白名单，最后 将动量策略行业组合与拥挤度策略行业白名单取交集，作为下月持仓，等权配置。（二）策略展望在因子最优参数的选择与策略回测过程中，使用的均是全样本数据，存在一定 程度的过拟合。实际使用中，仍需要观察策略样本外表现，并考虑采用滚动样本进 行建模。（三）最新结果根据模型最新一期识别结果，由于6月所有行业均
35、处于拥挤状态，7月应维持空 仓。五、风险提不本模型采用量化方法通过历史数据统计、建模和测算完成，所得出的规律及推 介行业未必具有严格的投资逻辑，也未必符合当前宏观环境特点，在极端的市场环 境变化中有失效的风险。二、策略构建(-)动量策略的构建我们选取动量策略是相信股票的收益率有延续原来的运动方向的趋势，即过去 一段时间收益率较高的股票在未来获得的收益率仍会高于过去收益率较低的股票。 按照这个思路我们只需在调仓时选出当月动量排名前n的行业作为下月的持仓即可。 把n设置为10/20/30/40分别讨论。根据每个行业在样本区间内的月度涨跌幅数据，常 见的动量因子便是过去k月的平均月度涨跌幅，窗口期k
36、一般设置为1/2/3/6/12。总计 有5*4=20个因子：表3:动量因子汇总数据来源：Wind,动量因子窗口期k行业个数n频率过去k个月平均月度涨跌幅排名前n1/2/3/6/1210/20/30/40月以因子过去1月涨跌幅排名前40为例，取出某月所有行业的涨跌幅截面数据进行 排序，排名前40的行业标为1,其余标为0。得到以上20个因子后，需要对因子进行显著性检验，如果通过了检验，那么说明 当月因子对于下月涨跌幅具有较好的解释性。我们采用皮尔森系数进行检验。此外， 我们仍需进行信号胜率检验，胜率是指某月假设一个行业触发了某个动量因子，下月 能够延续涨势的概率。因子胜率越高，那么下月产生超额收益
37、的概率越大。相对应的，我们可以根据因子构建动量策略，例如，过去1月涨跌幅排名前40这 个因子对应的策略是，如果某月某行业该因子对应值为1,那么我们保存该行业，否那么 剔除该行业，对所有的行业进行相同的筛选后，保存的行业便作为下月的持仓。下面对动量策略进行优化：先前的策略中我们是按照过去k个月的平均月度涨幅 前n筛选行业，但是我们没有对筛选出来的行业设置涨跌幅阈值，以过去1个月涨跌 幅前40这个因子为例，可能在某些月份，行情特别差的情况下，局部行业虽然入围 了前40的名单，但是其收益为负且大幅低于基准，我们自然应该剔除这类行业。但 是如果只是简单剔除，我们发现2013/06/28, 2015/0
38、7/31, 2016/01/29, 2018/06/29 四期会出现空仓的情况，动量策略作为基础策略，我们仍希望每月均有持仓，因此 我们对排名前10的行业不做处理，只对排名10至40的行业进行筛选，具体筛选方法 如下，设置阈值T,假设某行业当月涨幅小于T,那么在下月的持仓中剔除。这样我们便 能保证每月至少有10个行业的配置。本文T取值在卜0.1。1)之间，步长为0.01,分别 回测。改进后回测结果最优的两个组合如下，最优阈值T为-0.05,即每月我们需要把 跌幅超过5%的行业也全部剔除掉。：通过显著性检验和信号胜率检验前提下，回测表现最好的策略如下：过去12个月平均涨跌幅前405.16%9.5
39、0%0.54过去1个月涨跌幅前403.84%8.39%0.45年化波动率信息比率数据来源：Wind,表4 :动量策略表现(2010.01-2021.06 )年化超额收益进一步验证筛选40个行业的合理性，以过去1个月涨跌幅策略来说，我们来观察 分别选出前10/20/30/40个行业策略收益会有什么变化，如下。可以发现，无论是从 总体年化超额来看还是从分年度表现来看，随着行业个数的增加，策略收益也同样 增加，40个行业的最优性得到了进一步证明。前40 前30 -前20 前100.50数据来源：Wind,图2 :筛选前20/30/40/50个行业策略累计净值表5 :筛选前20/30/40/50个行业
40、收益表现(2010.01-2021.06 )前 10(%)前 20(%)前 30(%)前 40(%)年化超额收益1.061.471.793.84年化波动率15.2411.529.578.39信息比率0.070.120.180.45数据来源：Wind,(二)拥挤度策略的构建有效的拥挤度指标也是风险指标，需要及时对市场交易过热的风险做出提示, 防止投资组合出现大幅亏损。比拟常用的拥挤度指标如下表：表6:拥挤度因子汇总数据来源：Wind,指标频率阈值流动性指标成交量历史百分位月60%/70%/80%/90%成交额历史百分位月60%/70%/80%/90%换手率历史百分位月60%/70%/80%/90
41、%乖离率指标成交量乖离率历史百分位月60%/70%/80%/90%成交额乖离率历史百分位月60%/70%/80%/90%换手率乖离率历史百分位月60%/70%/80%/90%以成交量历史百分位阈值60%为例作说明，假设某月某行业的成交量超过历史60% 时间的成交量，那么记为1,否那么记为0。我们的目标是从每类因子中选出一个阈值加入因子库，比方：成交量百分位 60%/70%/80%/90%中我们只能选择60%/70%/80%/90%中的一个。选择的标准如下， 首先，我们需要从中筛选与下月涨跌幅总体成负相关的因子，因为我们在利用拥挤 度策略剔除行业的时候，就已经默认了当某行业拥挤度因子值为1时，行
42、业处于短期 过热的状态，下月的收益会受到负面的影响。其次，我们还需进行显著性检验和信 号胜率检验，筛选显著性最强和胜率最高的因子。最终筛选结果如下：表7 :拥挤度因子胜率汇总(2010.01-2021.06 )因子描述胜率成交量60百分位49.15%成交额60百分位49.01%换手率60百分位46.91%成交量乖离率60百分位50.34%成交额乖离率60百分位51.01%换手率乖离率60百分位48.20%数据来源：Wind,自此，已经可以建立单因子拥挤度策略，例如成交量60百分位为例，初始我们 的标的总共是102个二级行业，如果某月某行业在成交量60百分位对应位置的值为1, 那么我们将该行业剔
43、除，最终剩余行业作为我们下月的持仓。以行业等权为基准进行回测，结果如下，可见拥挤度效应确实存在，排除拥挤 度高的行业确实为我们带来了超额收益。表 8 :单因子表现(2010.01-2021.06 )数据来源：Wind,年化超额收益年化波动率信息比率成交量60百分位2.29%27.61%0.08成交额60百分位8.67%24.96%0.34换手率60百分位5.22%25.04%0.20月度成交量乖离率60百分位2.43%25.50%0.09月度成交额乖离率60百分位1.92%24.69%0.07月度换手率乖离率60百分位3.62%26.93%0.13下面任取两个因子展示60/70/80/90百分位的策略净值表现。从结果来看，成交 量60百分位策略表现最好，进一步验证了之前的结果。且随着百分位的提高，收益 呈现递减的状态，说明市场的敏感性是很高的，当成交量百分位等指