2023年金融工程2024年度策略（一）：兵无常势，水无常形

1 三维情绪模型

1.1 三维情绪择时策略介绍及回测

我们发布的报告《外生因子系列研究报告（二）：三维情绪信号体系及策略构建》中， 创建集成情绪温度、情绪预期、情绪浓度三个维度信号的择时信号体系，并根据不同维 度指标有效信息的更新频率，投入不同层次的市场波动（基本波动、次级波动和日常波 动）判断中。结合钟摆效应和三重运动原理，我们试图对 A 股的情绪面进行多维度的描 述，并构建情绪信号体系用以对情绪面的综合性判定。

三维情绪指标详述：情绪浓度：当市场资产间的相关性不断提升时，各类资产走势 变化呈一致步调，资产特性消失，代表市场受情绪因素的影响不断加深。我们用 PCA （Principal Component Analysis，主成分分析法）计算 A 股市场多资产的相关性来量化情 绪浓度指标。情绪温度：由于在 A 股资金结构中，机构资金或者说主力资金，是普遍意 义上更具影响力的“中坚力量”，我们使用主力资金在市场交易中的相对强弱，即主力买 入率，来感知情绪温度。情绪预期：股指期货价格可以一定程度表现市场对未来价格的 预期，期货升贴水率上升体现市场情绪向好，反之悲观。同样，期权可以体现对未来的 预期，从而判断市场情绪。成交额 PCR 是指在某个时间段内，看跌期权成交额和看涨期 权成交额的比值，能够体现主力情绪。在大部分投资者倾向于买入而不是卖出期权的市 场中，成交额 PCR 越大，市场情绪越趋向悲观。沪深 300 股指期货升贴水率和 50ETF 期权成交额 PCR 的倒数之间具有一定的同步性，我们对两个指标做取均值和取主成分处理 合成情绪预期指标。 情绪浓度指标的信号频次较低，对长牛长熊拐点的判断较为有效，适用于基本波动 的研究；情绪预期和情绪温度指标的有效信号频次较高，适用于次级波动的研究。情绪 浓度、情绪预期和情绪温度组成三维情绪指标。我们提取三维情绪指标信号，构建三维 情绪信号体系及策略。策略在三维情绪指标的信号形成各项组合时，按下表所示调整仓 位到指定百分比。

回测区间（2010-01-01 至 2023-12-18）内，三维情绪择时策略的夏普比率为 0.4248， 持有沪深 300 的策略为 0.0854；三维情绪择时策略的年化收益为 6.46%，持有沪深 300 的策略为-0.47%；三维情绪择时策略的最大回撤为26.93%，持有沪深300的策略为46.50%， 该策略各指标均远优于持有沪深 300ETF 的策略。

1.2 情绪浓度

模型中我们给情绪浓度设置警戒线，情绪浓度值达到或超过 0.83 时触及警戒线，下 图黄色区域展示 2005 年 4 月至今情绪浓度触及警戒线的部分。黄色警戒部分多与牛熊市 转折点重合。

历史上情绪浓度登顶（触及警戒线）的发生通常伴随标志性大事件的出现，如下表 所示。我们或许无法验证情绪浓度登顶和历史大事件间的因果关系，且情绪浓度登顶为 一段时间累积的结果，但登顶的情形可一定程度上说明市场对于当时各项事件反应的一 致程度达峰，侧向说明市场偏离基本面、偏离理性的程度达到某个顶点。而市场不可能 在非理性的状态下一直持续下去，因此情绪浓度登顶通常预示年度级别大行情的转折。

最近一次情绪浓度登顶发生于 2020 年 7 月至 9 月，此后尚未触及警戒线。我们认为 此次情绪浓度登顶预示了后来 2021 年初牛熊的转换，此次熊市持续至今。因此我们等待 情绪浓度再次触及警戒线，完成下一个熊转牛的警示，或需一系列事件催化。按情绪浓 度登顶的频率来看，下一次登顶有较大可能发生于 2024 年。

1.3 情绪温度

我们分别查看，由情绪浓度警戒区域划分下的各个阶段，情绪温度的情况。如下图 所示，绿色部分为情绪浓度警戒区域，将市场行情和情绪温度划分出大致 5 个时期，即 2010 年 12 月至 2012 年 1 月、2012 年 2 月至 2015 年 5 月、2016 年 4 月至 2018 年 11 月、 2019 年 2 月至 2020 年 7 月、2020 年 9 月至今。各个时期，情绪温度振幅超过 20%的中 期波动大致有 3 到 5次。2020年 9月至今，情绪温度振幅超过 20%的中期波动已达 4次，接下来有较大可能进入下一个时期，即发生大行情的转换。

1.4 情绪预期

由情绪浓度划分的最近一个阶段（2020 年 9 月至今）中，情绪预期振动较前两个阶 段，周期更长。在发生转变时，多显示出情绪预期的犹豫。表明此阶段市场对自我决策 的信心不足。

2 行业轮动概况

为衡量行业轮动的幅度，我们计算申万一级行业指数月度涨跌幅排名月际差值的平 方平均数，即首先计算申万一级行业指数月度涨跌幅排名，然后再计算排名的月际变化， 最后用月际差值的平方和的开方衡量月际轮动幅度。

各月绝对值均值可用来比较 2023 年以来不同行业的整体轮动情况。其中电子、 计算机、通信、煤炭、传媒、商贸零售、有色金属、非银金融、钢铁、机械设备整体轮 动幅度较大，环保、基础化工、医药生物、家用电器、交通运输、公用事业、建筑材料、 食品饮料、房地产、石油石化整体轮动幅度较小。

3 行业轮动——换手率的量能提示

3.1 行业量能轮动策略介绍

我们于今年发布的报告《金工专题行业轮动系列 1：换手率的量能提示》中，探讨了 换手率的量能提示，构建了行业量能轮动策略。策略通过筛选“底部放量”、“缩量上升”、 剔除“顶部放量”的行业等权构建组合，紧跟量的收缩和膨胀规律，即“量能”的变化 规律。 策略重点运用换手率斜率因子。在因子测试中，当期换手率斜率绝对值有较大比例 大于 0.3，且体现一定的反转效应和拐点提示的作用，即当期换手率斜率相对较高的行业， 下期收益率相对较低，当期换手率斜率相对较低的行业，下期收益率相对较高。

因此我们重点运用换手率斜率因子提示“放量”和“缩量”的转折点。在行业轮动 中，用换手率斜率排名，比较各个行业的量能大小，并结合中期行情趋势构建行业量能 轮动策略。

3.2 行业量能轮动策略回测

长期来看，行业量能轮动策略相对于等权组合，年化收益高出 3.2pct.，夏普比高出 近一倍，同时缩小最大回撤。

3.3 2023 年行业量能盘点

我们统计各个行业换手率斜率每月排名的变动情况，按其差值绝对值均值排序，可 比较各个行业量能排名变动的频繁程度。通信、电子、非银金融、计算机、商贸零售、 农林牧渔、传媒、房地产、机械设备量能排名变动相对较频繁，说明上述行业由量能产 生的投资机会相对较多。交通运输、公用事业、银行、石油石化、钢铁、建筑装饰、煤 炭、环保、基础化工、纺织服饰量能排名变动相对较少，说明上述行业由量能产生的投 资机会相对较少。 截止至最新数据，11 月末显示计算机、机械设备、综合、通信、社会服务行业量能 排名大幅上升，家用电器、建筑材料、传媒量能排名大幅下降，另外房地产行业 10 月末 排名大幅上升且11月排名变动小，展现目前市场对上述行业股票潜藏的供需关系的改变。

4 行业轮动——拥挤度的风险提示

4.1 第 1 代行业轮动策略（行业量能轮动策略+拥挤度信号）

我们于今年发布的报告《金工专题行业轮动系列 2：拥挤度的风险提示》中，探讨了 拥挤度的概念和指导意义，以及不同拥挤度指标在风险提示方面的效果，我们认为买入 方向的拥挤，起到对潜在风险的警示作用。拥挤度的表现包括内部高度协同、剧烈波动、 价格偏离以及流动性枯竭等，在行业轮动模型中，我们根据拥挤度表现构建行业成交集 中度、行业内部关联度和行业收盘价乖离率指标，对行业拥挤度进行跟踪。最后对指标 设定一定的阈值，发出拥挤度信号，和行业量能轮动策略结合，形成第 1 代行业轮动策 略。

4.2 第 1 代行业轮动策略回测

长期来看，加入拥挤度信号的第 1 代行业轮动策略相对于行业量能轮动策略，年化 收益高出 3.7pct.，胜率和盈亏比均有提升。

4.3 2023 年行业拥挤度盘点

回顾历年每月发出拥挤度信号行业的个数，可观察到 2015 年二季度、2019 年二季度、 2020 年三季度发出异常值，显著高于平均值，而 2019 年下半年显著较低。 相比于2015年至2022年数据，2023年发出拥挤度信号的月均行业个数均显著较低。 市场在历经2018年较为低迷的行情后，于2019Q2发出拥挤度信号的行业个数达到峰值。 众多行业同时发出拥挤度信号是市场情绪浓度显著提升的一个表现，发出拥挤度信号的 行业个数突升和情绪浓度达峰有异曲同工之处，回看情绪浓度于 2018 年 11 月至 2019 年 2 月触发预警，较拥挤度信号个数达峰较早，拥挤度信号集中发出或为情绪浓度持续提升 后期阶段的显化。 目前市场经历了近几年的下行，拥挤度信号未有集中爆发的情形出现。若情绪浓度 提升至警戒线或拥挤度信号集中爆发，则将释放长期看好信号，此前尚需等待观察。

2023 年 1 月至 11 月，商贸零售、计算机、汽车、农林牧渔、钢铁、房地产、通信、 银行、非银金融、石油石化相对较频繁地发出拥挤度信号。多数行业在月末发出拥挤度 信号后，下月涨跌幅为负，成功提示风险。但拥挤度信号在提示高风险的同时也提示了 机会，需综合评定。

5 行业轮动——北向资金的热度提示

5.1 第 2 代行业轮动策略（第 1 代行业轮动策略+北向资金信号）

我们于今年发布的报告《金工专题行业轮动系列 3：北向资金的热度提示》中，探讨 了北向资金作为行情“风向标”地位和指导意义，以及不同北向资金相关因子在提示行 业热度方面的效果。 我们使用下表多个指标描述行业的北向资金相关特征，包括：陆股通行业持股市值、 陆股通行业持股市值日增占比、陆股通行业持股占流通市值比、陆股通行业持股配置比 例、陆股通行业持股配置偏好。我们根据上述的陆股通持股相关指标的特征含义构建周 频因子和月频因子，选取区分效果、分层效果较好的因子运用于北向资金相关策略中， 分别构建北向资金行业跟随策略和第 2 代行业轮动策略（第 1 代行业轮动策略+北向资金 相关月频因子）。

5.2 第 2 代行业轮动策略回测

长期而言，将北向资金信号纳入行业轮动策略的第 2 代行业轮动策略相比于第 1 代 行业轮动策略，可以实现更高的年化收益，超过近 4 个百分点，提升胜率和盈亏比。

5.3 2023 年北向资金配置和轮动情况盘点

增减持情况：从 1 月至 11 月陆股通行业持股市值月度均值来看，北向资金 2023 年 持续减持食品饮料、电力设备、银行、建筑材料、商贸零售、轻工制造行业；持续增持 汽车、纺织服装、综合行业。 排名情况：截止至 11 月数据，存量排名前十的行业是食品饮料、电力设备、医药生 物、电子、银行、家用电器、非银金融、机械设备、汽车、计算机。陆股通存量持股市 值中部区间行业排名变动较为频繁，排名显著上升的行业有通信、石油石化、汽车、传 媒、电子，排名显著下降的行业有商贸零售、交通运输、房地产。 波动情况：从离散系数看北向资金持有各个行业市值的波动程度，总体来看，持有 存量较大的行业波动相对较小、持有存量较小的行业波动相对较大。但电力设备、计算 机存量较大、同时波动也较大，均值及离散系数均排名前十，因此我们评估上述两个行 业在 2023 年，受北向资金交易的波动幅度较大较频繁，是北向资金的关注重点。

从陆股通持股市值日增占比指标的跟踪情况，我们可以观察到北向资金净流入额在 不同行业的分配情况，以便了解中短期行业轮动的动向。由于指标跟踪的是净流入额， 因此指标与上述北向资金既有配置相独立，更加关注北向资金的短期动向。下表展示 31 个申万一级行业陆股通持股市值日增占比的月度均值。 中短期动向：从 2023 年 1 月至 11 月数据整体来看，北向资金每月重点关注及交易 的行业只有少数几个。每月仅有少数几个行业陆股通持股市值日增占比月度均值的绝对 值超过 3%，大部分行业集中在[-3%，3%]的围绕零的小范围区间。如 11 月份重点买入医 药生物、煤炭、电子等行业，重点卖出电力设备行业；6 月份重点买入家用电器、汽车、 电子行业；5 月份重点买入电子行业，重点卖出食品饮料行业；1 月份重点买入电力设备， 重点卖出公用事业和煤炭行业。

根据指标的绝对值均值排序，我们可推出，2023 年 1 月至 11 月电力设备、电子、食 品饮料、医药生物、公用事业、非银金融、银行、计算机、煤炭、有色金属北向资金交 易整体较为活跃，纺织服饰、综合、社会服务、轻工制造、环保、美容护理、石油石化、 交通运输、钢铁、农林牧渔北向资金交易较为平淡。

编辑：火腿肠