（一）研究背景
择时是投资者在金融市场中面临的关键挑战之一，无论是投资于大类资产、个股、衍生 品还是基金，只要涉及交易行为，择时都扮演着重要角色。然而，由于金融市场的不确定性 较高，投资者虽然希望通过择时获取超额收益，但往往缺乏系统的理论和方法。时序择时主 要关注单一资产的历史表现，当资产处于上升趋势时看多，反之则看空；而截面择时则综合 考虑多个资产在过去一段时间内的表现，对表现相对强势的一篮子资产持看多观点，对表现 弱势的资产则持看空态度。本报告围绕时序择时策略展开，探讨如何从资金流、筹码结构和 技术指标等角度构建择时指标，以及如何根据指标生成择时信号。
本文从“流动性回补”和“均值回归”的逻辑出发，从因子池中优先选择逻辑简单和有学术 文章支撑的指标，旨在构建出一个中低频的资产超跌信号。我们认为该择时框架也具备与政 策、宏观等基本面框架深度融合的能力，在实证研究中我们发现该量价择时得分与基本面得 分的呈现较弱相关性，因此有助于为主动投资提供信息增量。 本文以 A 股宽基指数为研究对象展开实证研究，主要系 A 股市场具有高波动性和明显 的波段特征，本文从下面三个维度明确研究的重点，其余类别资产依此类推：
在择时指标选择方面，考虑到该框架的拓展性，使其能够平滑移植至黄金、国债等其他 资产类别，同时与 A 股现有的择时框架（如宏观择时、股债性价比等）深度融合，本 文选取了资金流、筹码结构和海量技术指标等因子作为研究对象，旨在捕捉“流动性回 补”和“深度超跌”信号；
在择时指标频率方面，为确保数据的及时性，并便于与其他不同策略灵活结合，本文采 用个股因子合成指数或整体法1计算的方式，构建日频宽基指数的指标，从而确保择时 信号的实用性和有效性；
在择时信号构建方面，本文综合运用布林带和峰底搜寻方式，构建开仓信号。同时，考 虑到机构投资者的换手限制，本文将每年的做多信号触发次数尽量控制在每季度 1-2 次， 以契合实际投资操作的约束条件。
（二）框架介绍
指标分为三大类：资金流、筹码结构和技术指标，本质从量价角度衡量资产走势的同步 指标，每一类指标均由若干子类指标加权合成，以形成综 合评估体系。
资金流：包括资金流强度和高收益日资金流强度。这两个指标共同衡量市场对该类 资产的整体认可度。资金流的持续提升通常意味着市场对该资产的认可度在不断提 高，反映出资金流入的稳定性和投资者的积极态度，本质是一个趋势指标。
筹码结构：该指标衡量当前该类资产的总体估值水平，判断其是否存在低估或泡 沫。不同于 PB 和 PE 等结合基本面的估值指标，该类指标主要是比较收盘价与历 史成交均价位置的高低，确定买入或卖出的时机，尤其适用于低位反弹和高位反转 的场景。
技术指标：技术指标进一步细分为反转、趋势和震荡等多类指标。这些指标主要基于 资产的价格和成交量数据，用于捕捉市场的情绪变化、趋势强度和波动特征，是量价 同步分析的重要工具，能够为投资者提供市场短期波动和长期趋势的综合判断依据。
（一）资金流
资金流强度可被视为市场走势的同步趋势指标。资金流强度衡量了市场整体资金净流入 力度，捕捉了市场中整体的买卖方向，资金持续流入通常意味着市场对该资产的认可度提高， 反之则减弱。 以 2024 年中证全指的市场走势为例，例如，在 2024 年 1 月至 2 月上旬， 市场资金净流入呈现逐渐下滑的趋势，与市场整体走弱的态势相呼应。同样，在 10 月 8 日国 庆假期后的首个交易日，市场出现了迅速下跌，这一走势也伴随着资金流的显著衰减。此外， 9 月 24 日资金流强度的迅速放大，也直接推动了市场的强势反弹。这些实例充分表明，资金 流因子能够敏锐地反映市场资金的流动方向与力度，进而对市场走势产生显著影响。 当资金流强度触及顶部时，往往暗示着市场后续走弱的概率显著增加。这是因为流动性 开始退坡，直接导致市场上涨动能的减弱。但需要注意，资金流强度触底并不一定意味着市 场后续会出现流动性回补并推动上涨，它也可能是市场的短期休整，为接下来深层次的调整 积蓄力量，例如 2024 年 4 月和 2024 年 8 月的情形。
高收益日资金流强度指标具有一定的领先性。从因子构建的角度来看，该指标专注于涨 幅靠前的交易日的资金净流入幅度。其核心在于捕捉市场中“聪明资金”的流向，这些资金通 常来自具有信息优势和资金规模优势的主力投资者。在高收益日，市场情绪往往极端化，投 资者的交易行为更加活跃，资金流向更具指示性，能够更准确地反映主力资金的真实意图，高收益日资金流强度因子的底部往往领先于市场总体底部的出现。
本文通过将两类因子进行等权复合，并以±1 倍标准差（±1std）作为上下轨进行跟踪分 析。研究发现，这种复合类资金流因子在一定程度上保留了领先性，但总体仍 以同步指标为主。例如，在 2024 年 1 月、9 月和 11 月，市场出现局部底部时，复合因子的值 均低于-1 倍标准差的位置。随后，市场均迎来了由流动性驱动的反弹行情。这表明复合因子 能够在市场底部提供一定的领先信号，同时也能较好地反映市场整体走势。 资金流因子的择时方向并非始终稳定。本文的核心假设是，在震荡市中资金流的强弱通 常作为价格走势的同步甚至领先指标。但在单边下跌行情或市场超卖的情况下，资金流与市场走势可能会出现反向背离。
大盘股通常表现出较强的动量特征，而小盘股则更倾向于反转。因此，资金流指标对动 量类资产的胜率率往往更高。从触发信号的胜率来看，沪深 300>上证指 数>中证 500，市值风格和胜率呈现显著正相关。
（二）筹码结构
筹码分布是一种用于估算投资者持仓筹码成本的方法，通过分析成交量、换手率等交易 数据来推算不同价格区间内的筹码分布情况。换手率越高或换手重合度越高的区域，筹码累 积量也越大。本质上，筹码分布记录了每一个交易日的成交量加权平均价格（Vwap）的分布 情况。
以利安科技的上市首日为例，其筹码分布采用三角分布进行模拟。三角形的上顶点对应 当天的最高价，下顶点对应最低价，而中顶点所在的价格则是当天的 Vwap。进入第二日，筹 码分布的计算它不再是单一的三角分布，而是将首日的三角分布与当日的三角分布通过换手 率进行加权叠加合成。这种叠加方式考虑了首日筹码的留存情况以及当日交易的新增筹码， 从而更准确地反映了当前市场中筹码的分布状态。
筹码分布结构本质上是一种资产价格的同步指标，衡量这种同步程度的指标主要有两种： 盈利占比：收盘价下方的筹码权重和。较高的盈利占比通常意味着市场上多数投资 者处于盈利状态，这可能暗示资产价格已经偏离其价值中枢较远，未来回归的可能 性增加。 筹码乖离率：筹码均价/收盘价。该指标衡量当前价格与筹码分布中心的偏离程度。 较高的乖离率表明价格严重低估，回归均值的动力较强。 首先，这两 个指标是股价典型的同步指标。其次，这两个指标具有明确的上下界，使其成为更易于作为 价格点位判断的辅助指标。盈利占比的上下界分别为 0.9 和 0.1，接近 0.9 时，多数投资者盈 利，价格处于高位，调整压力大；接近 0.1 时，多数投资者亏损，价格处于低位，上涨动力强。 筹码乖离率的上下界分别为 1.15 和 0.8，对应均价的 15%和 20%调整幅度。接近 1.15 时，价 格偏离大，下调压力大；接近 0.8 时，价格偏离小，相对稳定，后续波动空间有限。
本文通过将筹码乖离率和盈利占比进行标准化处理后等权复合，并以±1 倍标准差（±1std） 作为上下轨进行跟踪分析。例如，在 2024 年 1 月、5 月、9 月和 11 月，当市 场出现超跌时，复合因子的值均低于-1 倍标准差的位置，表明大多数投资者处于亏损状态， 或价格显著低于均价。需要注意的是，在单边下跌行情中，例如 2024 年 6 月至 8 月，筹码类 因子在资产价格不断创新低的情况下，其信号的有效性可能会显著下降。
大盘股通常表现出较强的动量特征，而小盘股则更倾向于反转。因此，筹码指标对反转 类资产（如中小盘宽基指数）的赔率往往更高。尽管中小盘宽基指数 （如中证 1000、中证 500）的胜率仅在 45%左右，但每次触发信号时的赔率通常都在 1.1 以 上，其中中证 1000 的赔率更是高达约 1.39。
（三）海量技术指标
技术指标在择时中的核心假设主要包括价格沿趋势演变以及历史会反复重演等。这些假 设共同构成了技术分析的理论基石，并通过趋势类、动量类、波动类、成交量类以及反转类 等各类技术指标得以具体实施，从而为投资者在不同市场环境下提供择时决策的依据。 然而，在实证研究中，技术指标常常面临诸多挑战，例如对参数设定高度敏感、不同类 别指标可能发出反向信号，以及部分指标存在较强的滞后性等问题。为了有效解决这些难题， 本文借鉴了大数定律的思想，从 400 多个在截面上具有选股效果的技术指标中，依据指标间低相关性和与价格高度正相关的原则进行了两次筛选。最终，每期大约有 40- 60 个技术指标被纳入合成信号。在此基础上，本文进一步根据相关系数对筛 选出的指标进行加权合成，以生成最终的择时信号。
本文通过计算复合技术得分，并以±1 倍标准差作为上下轨进行跟踪分析。 例如，在 2024 年 1 月、5 月、9 月和 11 月，当市场出现超跌时，技术指标作为同步指标会下 探至-1 到-3 倍标准差的位置，此时会触发强烈的做多信号。然而，需要注意的是，在单边下 跌行情中，例如 2024 年 6 月至 8 月，技术类因子与筹码类因子类似，在资产价格不断创新低 的情况下，其信号的有效性也会显著下降。
技术指标和筹码类指标本质上都是资产价格的同步指标，其核心作用在于反映潜在的赔 率。除了中证全指和中证 500 之外，其他宽基指数的胜率虽然普遍低于 50%，但赔率均高于 1.1。
（一）择时得分和信号
筹码结构、资金流和技术指标之间的相关性并不高，其中筹码类和 技术类指标在中证全指上的相关性仅为 0.486，指标蕴含信息可互为补充。因此，本文采用筹 码、资金流和技术指标 3:2:1 的权重比例将这三类指标合成最终的择时得分， 最终择时得分的分布与标准正态分布接近。
具体来看，资金流指标在单边加速下跌（如 2024 年 6 月至 8 月）和单边加速上涨（如 “924”行情）期间，其变化幅度并不敏感，且方向性可能失效，鉴于此，我们将其权重设定为 1/6。同时，技术指标由于其容易出现历史过拟合的问题，我们将其权重设定为 1/3。相比之 下，筹码结构指标衡量了资产的被低估程度，更衡量了资产的安全边际，被赋予了较高的权 重 1/2。然而这里需要注意的是，每个指数对各类指标的敏感度存在天然差异，因此本文的合 成方法并不一定代表指数择时的最优效果。 本文关注度更在于框架对不同资产适应性的讨论，而非追求最大化单一资产信号胜率和 赔率。我们没有采用大规模网格搜索的方式来寻找最优的组合参数，也没有采用动态加权的 方式对信号进行合成。主要原因有以下两点： 1. 防止过拟合和应对市场结构变化：大规模网格搜索可能导致模型过度拟合历史数据， 从而在面对市场结构变化（structure change）时失效。 2. 不同资产类型对择时信号的敏感度存在显著差异：以宽基指数为例，小盘风格的资 产通常表现出较强的反转特征，对筹码分布类指标更为敏感；而大盘风格的资产则 更倾向于动量特征，资金流指标更有利于跟踪其走势。若最大化每个资产的信号的 胜率，应分别采用时序建模的方法进行信号合成。
在生成信号的过程中，我们采用布林带和峰值搜寻的方法来确定做多信号。具体规则如 下： 得分阈值条件：首先，得分的绝对值必须高于 1 倍标准差，即得分必须显著偏离均值， 才能被视为潜在的信号点。 局部极值条件：其次，该得分必须是一个局部极值点，即该点的得分是其最近交易日 中的最高点或最低点，这意味着信号必须在一个明确的转折点上被确认。然而，当市 场处于短期震荡状态时，可能会在短期内连续出现多个极值点。为了避免信号过于频 繁和混乱，我们规定在 10 天内首次出现的信号为最终有效信号。 根据这一规则信号生成具有 T+2 的滞后性。如果在 T 日得分达到最低 点，但需要等到 T+1 日信号回升时才能确认 T 日的得分确实为最低点，最终在 T+2 日根据信 号进行调仓操作。这种设计确保了信号不会存在信息泄露，但也引入了一定的滞后性。
（二）做多信号的胜率和赔率的讨论
大多数指数择时信号随着持有周期的延长，胜率呈现出一定程度的衰减；只有部分大盘 指数的胜率随着持有周期的延长而有所提升。例如，中证 1000 指数的胜率从持有 10 天的 53.34%衰减至持有 63 天的 47.83%，而上证指数的胜率则从 46.00%上升至 48.98%。 该择时框架在一定程度上反映了胜率与赔率之间的权衡关系，但总体看是高赔率指标。 从纵向对比来看，以中证 1000 指数为例，当持有期限达到 63 天时，其胜率显著下降至 47.83%， 然而赔率却上升至 1.26；中证全指也展现出类似的趋势，当持有期限从 10 天延长至 21 天时， 赔率上升至 1.47，但胜率则下降至 52.54%。从横向对比来看，在持有 10 天时，中证全指的 胜率为 52.24%，低于沪深 300 指数的 55.36%，但其赔率 1.47 却高于沪深 300 指数的 1.44。
（三）做多指标失效情景讨论
我们针对中证全指、沪深 300 以及中证 1000 等具有代表性的宽基指数开展了深入的统 计分析工作，重点聚焦于 2021 年起，指数触发做多信号后，在 63 天的时间范围内，反而 出现跌幅超过 5% 的特殊情形。 择时指标失效的现象，多数集中出 现在市场处于单边下跌的行情阶段。而这类单边下跌行情，通常是由基本面表现逊于预期，诸如经济数据不理想、行业发展受阻等，以及海外市场的不利因素，例如美联储货 币政策调整、地缘政治冲突等因素所诱发。像 2021 年 1 月、2021 年 12 月初、2022 年 2 月、2023 年 7 月、2024 年 5 月等时段，均呈现出上述特征，致使市场单边下行，进而导 致择时指标难以发挥预期作用。
（一）分析师预期信号
鉴于本文以 A 股宽基指数为研究对象展开实证分析，为了探究其与基本面框架的融合效 果，本文基于个股的估值和盈利预测因子，进一步在指数层面进行基本面信号的合成。在此 过程中，我们沿用了上述所提及的数据标准化方法以及信号生成方式，以确保分析的一致性 和可比性。 该信号的胜率与赔率也呈现出典型的权衡（Trade-off）关系。例如，中证 800 的信号胜率 仅为 40%左右，但其赔率却高达 1.4；而沪深 300 的信号胜率最高，约为 58%，但其赔率却低 于 0.9，表明虽然信号触发时的胜率较高，但潜在收益相对有限。
量价得分与基本面得分可以作为相互补充的良好指标。两者的滚动 252 天相关性在-0.1 到 0.3 之间波动，显示出较强的弱相关关系，量价得分和基本面得分在反映市场信息时具有 不同的视角和侧重点。
（二）与量价信号胜率和赔率的对比
不同市值规模的指数对量价信号和分析师预期信号的敏感度存在显著差异。在将量价信 号与分析师预期信号按照 2:1 的权重进行复合后，生成最终的择时指标，并采用第 3.1 部分 提到的方法生成择时信号。研究发现一个反直觉的结论，随着市值的增加，量价信号的有效 性逐渐增强，而分析师预期信号的有效性则有所减弱，且只有中证 800 指数的在复合策略下 胜率和赔率均有所提升。例如，在量价信号方面，沪深 300 的胜率和赔率均高于中证 500，具 体表现为：沪深 300 的胜率为 55.36%，赔率为 1.44；而中证 500 的胜率为 47.76%，赔率为 1.02。相反，在分析师预期信号方面，两者的表现则截然不同，尽管胜率相差不大，但中证 500 的赔率 1.44 显著高于沪深 300 的 1.33。
（三）始于估值和技术双底，止于估值顶的周期规律
在第一部分的研究中，我们发现基本面信号与量价信号之间的相关性绝对值几乎始终稳 定在 0.3 以内，呈现出显著的弱相关关系。这一结果表明，这两类指标所刻画的指数反弹内 在逻辑存在显著差异，反弹节奏存在“始于估值和技术双底，止于估值顶”的周期规律。 为进一步说明这一现象，我们选取了多段具有代表性的中证全指底部反攻行情，分别为 2017 年 5 月 1 日-7 月 1 日、2018 年 2 月 1 日-2018 年 4 月 1 日、2020 年 3 月 22 日-2020 年 8月 1 日、2022 年 4 月 1 日至 7 月 1 日、2024 年 2 月 1 日-4 月 1 日以及 2024 年 9 月 18 日-11 月 15 日： 当指数进入底部区域时，无论是从技术层面还是估值角度来看，均处于- 1sigma 以下的 底部区间起点。 在第一阶段修复过程中，估值呈现缓慢上升趋势，由于前期市场超跌，且量价指标经 过滚动 zscore 标准化处理，量价指标会率先触及顶部。 进入第二阶段，指数迅速进入估值快速修复阶段，此时量价指标的滚动 zscore 值开 始下调，同时估值持续上调，直至估值达到极值，一轮完整的反攻行情宣告结束。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
