存在效应显著、周期稳定的日历效应
　　我们认为日历效应现象背后的驱动是与日期存在关联的资金面宽紧变化、政策会议召开等带来预期变化以及节假日前后投资者风险偏好及预期的改变。日历效应背后传导链路的支撑使得年度、节假日、社融等效应显著的日历效应存在。
　　聚焦与月内旬度效应共振的社融数据发布效应
　　深入研究发现，月内的旬度效应与社融效应的时间节点接近，效应节奏相似，两者共振强化了日历效应中的“半月现象”。聚焦于此我们发现“半月现象”可以作为一个有效的择时信号，穿越各类市场环境，交替获得绝对收益和积累超额收益。
　　围绕日历效应特征的择时策略可跑赢市场
　　本文对A股市场的中证全指、代表小盘的中证1000指数进行回测，回测区间均能够获得客观的超额收益，且代表小盘的中证1000日历多头策略表现更优。进一步优化组合持仓，选择行业轮动优选组合作为多头持仓组合，回测发现优选组合自身的Alpha属性能够改善单一日历多头策略在被动环境下的超额劣势，行业轮动优选日历多头策略相较于中证全指日历多头年化超额由6.74%上升到12.50%，从超额、夏普等指标上可见显著提升。
　　风险提示
　　若市场环境或政策因素发生不利变化将可能造成行业发展表现不及预期；报告中相关数据仅供参考；报告采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差。市场存在一定的波动性风险。
　　

研究报告全文：2023年03月08日深度研究金融工程研究研究所TableTitle证券分析师李杨S0350522070001日历效应背后的择时策略探究liy19ghzqcomcn市场观察系列投资要点存在效应显著周期稳定的日历效应我们认为日历效应现象背相关报告后的驱动是与日期存在关联的资金面宽紧变化政策会议召开等带行业配置研究寻找胜率与赔率的平衡来预期变化以及节假日前后投资者风险偏好及预期的改变日历效资产配置系列报告四2022-07-08应背后传导链路的支撑使得年度节假日社融等效应显著的日历效应存在纯债基金超额收益的驱动因素分析Beta视角下的超额收益观察李杨2023-01-20聚焦与月内旬度效应共振的社融数据发布效应深入研究发现月内的旬度效应与社融效应的时间节点接近效应节奏相似两者共振强化了日历效应中的半月现象聚焦于此我们发现半月现象可以作为一个有效的择时信号穿越各类市场环境交替获得绝对收益和积累超额收益围绕日历效应特征的择时策略可跑赢市场本文对A股市场的中证全指代表小盘的中证1000指数进行回测回测区间均能够获得客观的超额收益且代表小盘的中证1000日历多头策略表现更优进一步优化组合持仓选择行业轮动优选组合作为多头持仓组合回测发现优选组合自身的Alpha属性能够改善单一日历多头策略在被动环境下的超额劣势行业轮动优选日历多头策略相较于中证全指日历多头年化超额由674上升到1250从超额夏普等指标上可见显著提升风险提示若市场环境或政策因素发生不利变化将可能造成行业发展表现不及预期报告中相关数据仅供参考报告采用的样本数据有限存在样本不足以代表整体市场的风险且数据处理统计方式可能存在误差市场存在一定的波动性风险国海证券研究所请务必阅读正文后免责条款部分证券研究报告内容目录1值得关注的日历效应511由日历周期带来的日历效应6111周度效应周一强周四弱6112月内的旬度效应上旬市场平均表现强于下旬7113季度效应季度末市场表现更弱7114年度效应2月市场表现亮眼812事件驱动日历效应10121社融发布前市场的平均表现稍强10122节假日效应不同节日表现分化11123两会效应春季躁动尾声132聚焦与月内旬度共振的社融效应1421社融效应与旬度效应同频共振1422社融发布前后多维度数据特征143基于日历效应的可投资策略探讨1731日历多头策略17311中证全指日历多头策略18312中证1000日历多头策略1932持有行业轮动优选组合优化策略持仓Alpha204风险提示23请务必阅读正文后免责条款部分2证券研究报告图表目录图12007年初至2022年末中证全指市场表现6图2全区间A股各主要指数周内日均涨跌幅6图3市场上行环境A股各指数周内日均涨跌幅6图4月内日均累计收益7图5SHIBPOR1周月内日均利率7图6季度内交易日均累计收益走势8图7季度内月均涨幅统计8图8SHIBOR1周季度内交易日均利率8图92007年至2022年A股各主要指数月均涨幅9图10下行区间A股各主要指数月均涨幅9图11社融发布前10日至后10日A股主要指数平均累计收益情况10图12A股主要指数与中信一级行业指数社融发布前10日累计收益均值及历年同区间胜率11图13春节前后日均50ETF期权iVix指数统计11图14春节前后20个交易日区间日均累计收益12图15国庆前后20个交易日区间日均累计收益12图16A股主要指数与中信一级行业春节前5日至节后15日日均累计收益及历年同区间胜率统计12图17两会前20个交易日至两会结束区间日均累计收益13图18A股主要指数与中信一级行业两会前20日至两会结束累计收益均值及历年同区间胜率13图1920212年9月至今社融数据发布日期统计14图20月内日均累计收益14图21社融数据发布效应条件概率图例16图22日历效应多头策略导图18图23以2022年为例日历效应多头策略持仓示例18图24中证全指日历效应多头策略净值及回撤情况19图25中证全指日历效应多头策略超额净值19图26中证1000日历效应多头策略净值及回撤20图27中证1000日历效应多头策略超额净值20图28行业轮动优选日历多头策略导图21图29行业轮动优选日历多头策略净值及回撤21图30行业轮动优选日历多头策略超额净值21图31行业轮动日历多头与单一指数日历多头年度超额比较22图32行业轮动日历多头策略与原始行业轮动策略各年度波动比较22图33行业轮动日历多头策略与原始行业轮动策略各年度回撤比较22表12007年初至2022年末市场环境划分5表2各市场环境下上中下旬累计收益为正概率统计7表3市场下行环境下A股各主要指数月均涨幅为正概率统计表9表4下行环境A股各主要指数历年2月涨跌幅统计描述9表5A股主要指数各年度社融月胜率统计15表6中信一级行业指数各年度社融月胜率统计15表7A股主要指数各年度社融发布前多头相对标的日胜率差15表8中信一级行业各年度社融发布前多头相对标的日胜率差16表9社融发布前后涨跌条件概率矩阵17表10中证全指日历效应多头策略业绩指标统计19请务必阅读正文后免责条款部分3证券研究报告表11中证1000日历效应多头策略业绩指标统计20表12行业轮动优选日历多头策略业绩表现22请务必阅读正文后免责条款部分4证券研究报告1值得关注的日历效应美国著名经济学家尤金法玛在1970年提出的有效市场假说是现代金融学中最重要的理论之一有效市场假说认为在市场投资者足够理性并且可迅速对所有市场信息做出合理反应的前提下在竞争充分的股票市场中一切有价值的信息已经及时准确充分的反映在股价走势中这样的市场环境下投资者无法通过分析过往价格以及市场信息获得高于市场平均水平的超额收益但证券市场中存在许多与有效市场理论相悖且不能被良好解释的金融异象日历效应也即此类经典的金融异象之一金融市场的日历效应即与日期存在关联的非正常收益非正常波动以及其他非正常高阶矩的数据特征现象本文关于日历效应的探讨围绕A股主要指数以及中信一级行业指数在2007年初至2023年2月28日的一阶矩特征展开并且将此区间划分为两个大类即市场上行环境区间与市场下行环境区间统计针对不同市场环境下各日历效应的数据特征我们认为日历效应现象背后的驱动是与日期存在关联的资金面宽紧变化政策会议等召开带来预期变化以及节假日前后投资者风险偏好改变表12007年初至2022年末市场环境划分时间天数区间累计收益区间年化收益区间120070101至2008011525118936018050区间220081107至2009112425512998712162上行区间320100702至20101112873469312645环境区间420121204至201506126102426776301区间520160127至2018013149219312916区间620190109至20211217714685071942区间120080115至20081107198-70545-7774区间220091124至20100702147-24469-3722下行区间320101112至20121204503-38651-2109环境区间420150612至20160127154-47783-6450区间520180131至20190109227-29000-3054区间620210127至20221231467-18071-984资料来源Wind国海证券研究所请务必阅读正文后免责条款部分5证券研究报告图12007年初至2022年末中证全指市场表现资料来源Wind国海证券研究所11由日历周期带来的日历效应日历周期驱动的日历效应是与公历中周月季年等周期存在直接关联的金融异象在各频率的周期内都存在着非正常收益现象111周度效应周一强周四弱周度日历效应最为显著的特征就是周四弱周一强A股各主要指数在各类市场环境下均能够显著的看到周四日均涨跌幅度与上涨概率均低于周内其他日期的现象此现象与我国股市T1交易制度存在很强的关联投资者计划用于次周初的流动资金最晚要于本周四收盘前撤出股市整体上的股市的资金面在周初充裕周四收敛图2全区间A股各主要指数周内日均涨跌幅图3市场上行环境A股各指数周内日均涨跌幅030060020030010000000-010-020-030周一周二周三周四周五周一周二周三周四周五资料来源Wind国海证券研究所统计日期自2007年1月资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日1日至2023年02月28日请务必阅读正文后免责条款部分6证券研究报告112月内的旬度效应上旬市场平均表现强于下旬以月为周期的旬度效应体现在月度上旬市场的平均表现强于下旬通过对区间内各A股主要指数一阶矩数据的统计发现在各类市场环境下无论从旬度日均累计涨跌幅度还是累计上涨的概率来看上旬都是显著高于下旬的将每月各日涨跌幅关于自然日对齐计算日均累计收益可见明显的上旬涨涨下旬跌的的走势关于旬度效应存在的背后逻辑同样在于资金面银行的存贷考核制度使得接近月末时市场上的流动性收敛通过对SHIBOR1周利率数据的统计发现月末的平均利率水平高于月初表2各市场环境下上中下旬累计收益为正概率统计全区间市场上行区间市场下行区间上旬中旬下旬上旬中旬下旬上旬中旬下旬中证全指587752815065641056955440501046374566上证50535448995014569552885167491342124807深证100549752285029599256475357460245134550沪深300554050945188596555045524485444254759中证500601255135166650559715440526247964823中证1000613055965195661359235393545650624904科创50482552764483509854664417439747404509创业板指547351094845566052765164500048054469国证价值557352215007595156005238512645664630国证成长564152285087614056125464483545844598资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日图4月内日均累计收益图5SHIBPOR1周月内日均利率43233228126005101520253024161116212631中证全指沪深300中证1000创业板指国证价值国证成长SHIBOR1W资料来源Wind国海证券研究所统计日期自2007年1月资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日1日至2023年02月28日113季度效应季度末市场表现更弱季度效应与旬度效应存在着类似的现象A股市场季度末的平均涨幅要小于季度初按照月份来划分季度第一个月的月均涨幅显著高于第三个月的涨幅此现象的背后驱动同样与旬度效应类似是银行存贷考核制度我们进一步将季度内请务必阅读正文后免责条款部分7证券研究报告的市场涨跌和SHIBOR1周数据按照交易日对齐发现季末市场累计涨幅下跌伴随更加迅速的短端利率拉升图6季度内交易日均累计收益走势图7季度内月均涨幅统计74006520043000210-2000102030405060中证全指沪深300中证1000创业板指国证价值国证成长季度第1月均涨跌幅季度第2月均涨跌幅季度第3月均涨跌幅资料来源Wind国海证券研究所统计日期自2007年1月资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日1日至2023年02月28日图8SHIBOR1周季度内交易日均利率3332724161116212631364146515661SHIBOR1W资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日114年度效应2月市场表现亮眼在对年度效应进行探究时发现一年中第一季度市场伴随春季躁动效应表现强于其他三季第一季度中又以2月市场表现更加突出我们在区分市场环境后对各月均涨跌数据进行统计分析发现市场下行环境下历年2月月均涨幅为正的概请务必阅读正文后免责条款部分8证券研究报告率远远高于其他月份2月月均涨幅依然大于0且相较于全区间2月月均涨幅并未见明显的下降全统计区间内中证全指沪深300指数中证1000指数2月的月均涨幅分别为025015和044下行环境下三个指数2月月均涨幅分别为020010和040下表为市场下行环境下各指数2月月涨跌幅统计描述数据除近两年刚上市的科创50指数外各指数2月月涨跌幅均值与中位数均为正图92007年至2022年A股各主要指数月均涨幅图10下行区间A股各主要指数月均涨幅060060040030020000000-030-020-040-060-060-0901月2月3月4月5月6月7月8月9月10月11月12月1月2月3月4月5月6月7月8月9月10月11月12月中证全指上证50深证100沪深300中证500中证全指上证50深证100沪深300中证500中证1000科创50创业板指国证价值国证成长中证1000科创50创业板指国证价值国证成长资料来源Wind国海证券研究所统计日期自2007年1月资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日1日至2023年02月28日表3市场下行环境下A股各主要指数月均涨幅为正概率统计表1月2月3月4月5月6月7月8月9月10月11月12月中证全指443558414904477950704416467944234500462846754557上证50460961064841500045773961435942314643471141564937深证100443551334522463247894545448738464500471142215000沪深300478354874713470648594481474441674286479343515000中证500487063725223544152114416493647444643462848704367中证1000495768145032485356344610493650004786495954554810科创50318238713696400064865952465135564146593847734222创业板指426854884956446849515000496244444380514945834444国证价值487060184904477945074026487249364643454544814810国证成长487055754841477947894675448742314429454543514684资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日表4下行环境A股各主要指数历年2月涨跌幅统计描述均值标准差最小值25分位数50分位数75分位数最大值中证全指020159-386-056020126815上证50003172-461-072021085846深证100014185-428-106009140808沪深300010167-427-070017109827中证500034166-490-050039137815中证1000040170-494-039046142792科创50-016165-266-144-029068398创业板指017188-534-084022156378国证价值019166-456-042014108882国证成长014177-399-091016127793资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日请务必阅读正文后免责条款部分9证券研究报告12事件驱动日历效应事件类驱动的日历效应与定期不定期发生的事件存在一定的时间关联常见的有两会大会等召开经济数据发布各类节假日尤其是假期时间较长的春节国庆等小长假121社融发布前市场的平均表现稍强上述事件中发生频率最高的是央行月度发布的社融数据根据央行历年发布的信息统计月度社融数据的发布日期可追溯至2012年9月统计自2012年9月至今社融前后的市场表现将市场收益按照社融发布日期进行对齐计算其日均累计涨幅并测算社融发布前10个交易日A股主要指数与中信一级行业的平均涨幅以及上涨概率根据统计结果我们发现以社融数据发布时间为分界线从平均涨跌幅度来看社融数据发布前市场要强于发布后除综合金融板块外A股主要指数与中信一级行业社融前10个交易日累计涨幅均值均为正大部分指数或行业在社融前10个交易日内的累计涨幅为正的概率接近60图11社融发布前10日至后10日A股主要指数平均累计收益情况100500-05-10-15-20T-10T-8T-6T-4T-2TT2T4T6T8T10中证全指沪深300中证1000创业板指国证价值国证成长资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日请务必阅读正文后免责条款部分10证券研究报告图12A股主要指数与中信一级行业指数社融发布前10日累计收益均值及历年同区间胜率2008000150600010005040000002000-050-1000005050100300500煤炭钢铁家电机械汽车传媒电子通信建材建筑医药银行综合1000上证科创计算机房地产深证沪深中证中证全指中证创业板指国证价值国证成长基础化工有色金属石油石化国防军工农林牧渔商贸零售纺织服装轻工制造食品饮料交通运输综合金融消费者服务非银行金融电力及公用事业电力设备及新能源累计收益率右轴社融前区间累计上涨概率资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日122节假日效应不同节日表现分化在对每年各法定假日前后的A股市场进行价格数据统计分析发现各个节假日的日历效应参差不一其中春节与国庆的效果相对显著市场指数的收益率特征体现在节日前的平均涨跌弱于节假日后针对节假日效应背后的驱动我们认为主要有两个节日期间存在的不确定性因素以及节日前后市场资金面宽紧程度变化节日时间越长效应越明显我们用上证50ETF期权iVix指数作为市场恐慌情绪的代表iVix值越高认为市场规避风险的情绪越重以春节为例观测到春节前上证50ETF期权iVix指数会出现比较快速的上升我们认为由于节假日期间市场不确定性因素抬升致使这之前资金更为谨慎流动性收敛图13春节前后日均50ETF期权iVix指数统计222120191817T-7T-6T-5T-4T-3T-2T-1T1T2T3T4T5T6T7春节前后日均iVix资料来源Wind国海证券研究所统计日期截自2017年1月1日至2023年02月28日请务必阅读正文后免责条款部分11证券研究报告对比春节与国庆效应的差异从日均累计收益数据来看春节效应持续的时间更长国庆效应节奏会相对紧凑一些全统计区节日前后的平均累计涨跌幅数据可见各A股指数以及绝大部分行业从春节国庆前持有至节后都能够的平均累计收益均为正定义此持有区间累计收益为正的概率为持票过节的胜率比较全区间与市场下行环境下持票过春节的胜率发现下行环境下胜率并没有出现很大幅度的减小图14春节前后20个交易日区间日均累计收益图15国庆前后20个交易日区间日均累计收益12482400-2-4-4T-21T-16T-11T-6T-1T5T10T15T20T-21T-16T-11T-6T-1T5T10T15T20中证全指沪深300中证1000中证全指沪深300中证1000创业板指国证价值国证成长创业板指国证价值国证成长资料来源Wind国海证券研究所统计日期自2007年1月资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日1日至2023年02月28日图16A股主要指数与中信一级行业春节前5日至节后15日日均累计收益及历年同区间胜率统计1265960655350045-340300传媒煤炭钢铁家电机械汽车电子通信建材建筑医药银行综合1000计算机房地产沪深中证石油石化纺织服装中证全指创业板指国证价值国证成长基础化工有色金属国防军工农林牧渔商贸零售轻工制造食品饮料交通运输综合金融消费者服务非银行金融电力及公用事业电力设备及新能源累计收益率右轴全区间胜率右轴下行环境胜率资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日请务必阅读正文后免责条款部分12证券研究报告123两会效应春季躁动尾声紧随春节后的每年的两会前后市场表现也存在一定的统计规律两会效应主要体现在大部分年份下会议召开前约一个月可见A股各大指数出现不同程度的拉升小市值股票在两会前价格波动更加剧烈统计两会前20个交易日至两会结束区间各指数和行业的累计涨幅均值除银行行业外几乎都能获取正的收益定义此区间累计涨跌为正的概率为两会效应的胜率对比全区间与下行环境下的两会效应胜率发现与春节效应相似在下行环境下胜率并不会出现大幅度的下降图17两会前20个交易日至两会结束区间日均累计收益62-2-6-10T-21T-16T-11T-6T-1T5T10T15T20中证全指沪深300中证1000创业板指国证价值国证成长资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日图18A股主要指数与中信一级行业两会前20日至两会结束累计收益均值及历年同区间胜率126510608556504452040300煤炭钢铁家电机械汽车传媒电子通信建材建筑医药银行综合1000计算机房地产沪深农林牧渔中证全指中证创业板指国证价值国证成长基础化工有色金属石油石化国防军工商贸零售纺织服装轻工制造食品饮料交通运输综合金融消费者服务非银行金融电力及公用事业电力设备及新能源累计收益率右轴全区间胜率右轴下行环境胜率资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日请务必阅读正文后免责条款部分13证券研究报告绝大部分年份的两会召开时间为三月初每年3月3日至3月4日按照数据统计发现的召开前20日几乎与2月月份重合整个2月在春节效应两会效应的共振下形成春季躁动行情2聚焦与月内旬度共振的社融效应21社融效应与旬度效应同频共振通过对2012年9月至今社融数据发布的具体日期的统计我们发现社融发布主要集中在每个月10号到12号之间这与月频发生的旬度效应的时间划分十分接近社融数据发布效应基本上与旬度效应中呈现上旬强节奏趋同社融数据发布于市场在上旬资金面宽松共同强化了半月现象图1920212年9月至今社融数据发布日期统计图20月内日均累计收益3012041003208026010401200000510152025308号10号12号14号16号18号21号中证全指沪深300中证1000次数右轴累积概率创业板指国证价值国证成长资料来源Wind国海证券研究所统计日期自2007年1月资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日1日至2023年02月28日22社融发布前后多维度数据特征我们统计各社融发布前10个交易日各A股主要指数与中信一级行业指数的区间累计收益将各月社融发布前的区间收益为正的概率定义为社融效应的月胜率对月胜率按年度进行统计发现社融发前的市场上涨概率与市场所处环境存在很高的关联市场处于上行环境时月胜率显著高于处于下行环境上行环境下持有市场组合或行业组合能够伴随着市场增长一并获利但下行环境下社融的月度胜率则出现了显著降低请务必阅读正文后免责条款部分14证券研究报告表5A股主要指数各年度社融月胜率统计上行环境下行环境上行环境下行环境2012年度2013年度2014年度2015年度2016年度2017年度2018年度2019年度2020年度2021年度2022年度中证全指75006667750083335000416750005833750058334167上证50100005000666775005833583350005833750058334167深证10075005833666783335000416758338333750058332500沪深300100005833750066675833583350007500750058333333中证50075006667666783335000750050005000666766674167中证100050006667750083335000666758335000583358335000科创50583350004167创业板指75007500666791674167666750005000833366672500国证价值100005833750066675833583350005833500041676667国证成长100005833666783335833500041676667750075004167资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日表6中信一级行业指数各年度社融月胜率统计上行环境下行环境上行环境下行环境2012年度2013年度2014年度2015年度2016年度2017年度2018年度2019年度2020年度2021年度2022年度基础化工50005833666783335000583358335833750075004167有色金属75005833750058335833583350006667666758337500煤炭100005000750066675000583341674167666750007500石油石化75007500583366676667500058335000583375006667钢铁75005000666750005833666750004167666775005833国防军工50005000583350003333666758335000750041675000家电100007500583383335833416733338333666750005833机械100005000666775005000583358335000750041675000汽车100005833666783335000416750005833666775003333电力设备及新能源50006667750075005000500050005000666766672500传媒50007500666783332500583341675000500041675000电子75005833666783335833666741676667750058333333计算机25005833666766674167666741675000583358334167通信75005833750083333333583341675833583350005833农林牧渔75006667666766675000583350006667750066675833消费者服务25006667583383335000583366675833750058335833商贸零售50005833666775005000500050005833666733335000纺织服装50005833583383335000333350005000666758335833轻工制造50006667666775005000500058335833666758335000食品饮料50005833583383335833666758336667916758333333交通运输75005833666758334167416750005833750050006667建材75005000750075005833666741677500666758335000建筑100005833666758335833416750005000583341676667房地产100005000666791675000333333336667583341675000电力及公用事业100007500750066675000583341675000666750004167医药50005833750091675833666750005833666758335000综合金融300025004167416733335000银行100005000583375006667416733335833500058336667非银行金融75004167666775005833500033335833583333335833综合75006667666758335000666733335833416741675000资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日考虑到社融效应现象与市场本身所处的环境存在很强的关联进一步对社融效应表现与市场表现做深入探究我们统计每年社融发布前10日市场的日胜率与完整一年的市场日胜率情况发现并将社融发布前10日市场日胜率减去标的全年日胜率的差值作为两者相对强弱的描述数据显示相对强弱与市场环境同样存在着联系在市场上行环境下社融效应的日胜率低于市场日胜率反之下行环境下可见社融效应日胜率高于市场社融效应相对于市场行情而言存在相对优势表7A股主要指数各年度社融发布前多头相对标的日胜率差上行环境下行环境上行环境下行环境2012年度2013年度2014年度2015年度2016年度2017年度2018年度2019年度2020年度2021年度2022年度中证全指259296034-152-179263206-249180016211上证50541066-140262116-372094-249182276-056深证100176380088053-224034306-230106-235142沪深300341249-043-007019-348118-243392077023中证500341181062-329-152228318-325-106154083中证1000306-098041-305-246345335-290-147161-014科创50-144-276-161创业板指812128-021075-154455553-355-158-207147国证价值588244-200034161-577-082-196388269124国证成长141338-172053-149045235-355186001344资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日请务必阅读正文后免责条款部分15证券研究报告表8中信一级行业各年度社融发布前多头相对标的日胜率差上行环境下行环境上行环境下行环境2012年度2013年度2014年度2015年度2016年度2017年度2018年度2019年度2020年度2021年度2022年度基础化工388086232-357-133280446-167-064-333386有色金属459181178-253313098077-161321-354469煤炭741360183-495-048196-188-472447-315-059石油石化588338-122-383-275-066288110044-350134钢铁106223445-389-157146253-008403044418国防军工1024-391163-299-231303100-366041083-340家电388-181095364-220-454418204303261055机械341-176015-193-328315394-266286-177-317汽车-047281129-311-174-102124-729280-441-409电力设备及新能源459-155110-152-275139083-044-126001-092传媒541-118-028006-351-021148-407141-007-074电子471-433095-270-205198265-001286124-231计算机544-239-144-053-325167218-150-185248128通信659-313307-381-272068318-066120324009农林牧渔459134-028-287-391-003376384241638202消费者服务1094265-006-106-029126188-048244274078商贸零售376155-026-294-201-061106-178479181478纺织服装141-061-011-275-029496299-243159-137014轻工制造-176312110-158-514144488-459574-198-152食品饮料576281-002140012-249270198642215077交通运输306-024034-383-142315418-813550-040175建材424281-032-411-458216341-418312152-129建筑659071137-124-321196418-174382092349房地产788202-316088-205163165-262785246124电力及公用事业659-103-142-394-316151276-102332-004-059医药612134329-359094-284394-260-091-274216综合金融-085030-167529014198银行694103-133144317-315035014570205101非银行金融541223-052-033-332-461-111-273373-224046综合776066056-270-152351071-049341-328143资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日以社融数据发布日期为分界线仅在发布前持有市场或者行业组合多头旨在获取数据发布前后存在的相对优势下行环境下通过社融发布后的空头仓位规避市场回撤产生超额上行环境下社融发布前的多头头寸伴随市场获得绝对收益在研究社融数据发布前后市场涨跌概率时发现前月的市场表现与次月社融数据发布前的市场上涨概率存在显著的条件概率特征发现上月社融发布后上涨的情况下本月社融发布前标的上涨的概率高于社融发布前标的上涨的非条件概率此现象在绝大多数A股指数以及各中信一级行业中存在图21社融数据发布效应条件概率图例资料来源国海证券研究所请务必阅读正文后免责条款部分16证券研究报告表9社融发布前后涨跌条件概率矩阵P涨涨P跌涨P涨跌P跌跌P期初涨P涨涨-P期初涨中证全指69703030518548156198771上证5060004000630836926198-198深证10071192881623037706694424沪深30065003500650035006529-029中证50069123088557744236364548中证100068063194562543756364442科创5095924083182681884301162创业板指72582742551744836446812国证价值60004000633336676198-198国证成长70003000583341676446554基础化工中信70772923545545456364713有色金属中信70592941550744936198860煤炭中信62503750515648445702548石油石化中信60613939685231486446-386钢铁中信66673333603239686364303国防军工中信67693231563643646281488家电中信77422258603439666942800机械中信68183182537046306198620汽车中信738526155091490963641021电力设备及新能源中信68573143480052006033824传媒中信701829824762523858681150电子中信67803220573842626281499计算机中信64063594553644646033373通信中信67163284584941516364353农林牧渔中信63163684650834926446-130消费者服务中信64063594607139296281125商贸零售中信67803220524647546033747纺织服装中信67863214531346886033753轻工制造中信61763824615438466198-022食品饮料中信73682632603239686612757交通运输中信57634237672132796281-518建材中信75002500553644646612888建筑中信60004000583341675950050房地产中信63333667533346675868466电力及公用事业中信66133387534546556033580医药中信72062794519248086364842综合金融中信804619543333666767771269银行中信55564444649135096033-478非银行金融中信59024098559344075785117综合中信66133387551744836116497资料来源Wind国海证券研究所统计日期自2007年1月1日至2023年02月28日3基于日历效应的可投资策略探讨31日历多头策略根据上文分析的各类日历效应特征我们着眼于中长周期下显著的日历效应以社融驱动的半月持仓为主辅以2月两会春节与国庆等区间多头持仓构建组合结合上述效应的数据统计特征选择一年中具备相对市场优势的时间持有标的头寸即日历多头策略请务必阅读正文后免责条款部分17证券研究报告本文选取中证全指指数中证1000指数以及中信一级行业作为策略的持仓标的多头头寸持仓时间为每月月初至社融数据发布次日开盘春节前5个交易日至节后15个交易日收盘国庆前2个交易日至节后2个交易收盘两会前29个交易日至两会结束当天收盘以及2月全月其余时间空仓图22日历效应多头策略导图资料来源国海证券研究所图23以2022年为例日历效应多头策略持仓示例资料来源Wind国海证券研究所311中证全指日历多头策略选取覆盖全市场股票的中证全指指数作为日历多头策略持仓的标的回测区间为2013年初至2023年2月28日策略区间年化收益为1369夏普比率084年化累计超额收益约674回撤情况相较于标的本身显著减小从策略净值与超额收益曲线来看在市场上行环境下策略确实难以获得超额收益但是受益于请务必阅读正文后免责条款部分18证券研究报告市场自身的行情日历多头策略能够获得客观的绝对收益市场下行环境下策略通过空头仓位迅速累计市场超额收益同时获取上旬相对下旬的行情优势有效熨平了标的波动同时逐渐积累超额图24中证全指日历效应多头策略净值及回撤情况图25中证全指日历效应多头策略超额净值402135-517325-10132-151509-20105-2505右轴回撤中证全指中证全指日历多头策略累计超额净值资料来源Wind国海证券研究所资料来源Wind国海证券研究所表10中证全指日历效应多头策略业绩指标统计超额年化超额年化超额最大年化收益年化波动夏普比率最大回撤卡玛比率信息比率收益波动回撤201313791327104-8921557991616049-985201424551331184-828297-15241188-128-2150201576912338329-231333332543297099-25632016-11652123-055-1530-0763611474024-74020171091723151-625175831866096-8582018-14561536-095-2165-06723201542151-981201926521631163-1569169-4141314-031-868202031991839174-12032664981502033-115720217221125064-12250590791175007-12932022-5871418-041-1622-03619021536124-1462今年以来295413072-265112-427204-209-307全区间13691628084-23260596741664041-4017资料来源Wind国海证券研究所312中证1000日历多头策略上文提到小市值股票对于资金面影响的日历效应更加敏感这里选取代表小市值股票的中证1000指数作为策略持仓标的回测区间同样为2013年初至2023年2月28日中证1000日历多头的策略表现得到优化年化收益达1812夏普比率093年化累计超额收益约982回撤情况相较于标的显著减小中证1000日历多头策略积累了更显著的超额以及获得更优的策略表现日历效应的择时逻辑在小市值股票上同样成立且更加有效上行环境抓取绝对收益请务必阅读正文后免责条款部分19证券研究报告下行环境更加迅速积累市场超额从各年度业绩指标来看2017年2018年这类下行的市场环境下策略超额收益亮眼图26中证1000日历效应多头策略净值及回撤图27中证1000日历效应多头策略超额净值6035-525-104-1523-20152-2511-30050-35累计超额净值右轴回撤中证1000中证1000日历多头策略资料来源Wind国海证券研究所资料来源Wind国海证券研究所表11中证1000日历效应多头策略业绩指标统计超额年化超额年化超额最大年化收益年化波动夏普比率最大回撤卡玛比率信息比率收益波动回撤201327721499185-909305-3371797-019-1290201431111535203-947329-3081482-021-22172015108222887375-287037716613679045-28772016-18302644-069-1929-0952701843015-1128201710291001103-106909634071295263-8552018-15261757-087-2537-06036021811199-896201930941921161-18561673611604023-928202039582172182-126731216311692096-111220214881325037-890055-13441367-098-16742022-1841592-012-1522-01226191988132-2080今年以来656423155-276237-377188-200-182全区间18121940093-32910559821956050-3918资料来源Wind国海证券研究所32持有行业轮动优选组合优化策略持仓Alpha我们采用使用行业轮动策略得到每月中信一级行业的持仓组合作为日历效应多头策略的头寸改善原策略头寸在超额方面的劣势基于前述报告行业配置研究寻找胜率与赔率的平衡资产配置系列报告四中的胜率赔率行业轮动策略依据此报告的逻辑构建行业轮动优选组合作为日历多头效应的持仓请务必阅读正文后免责条款部分20