本篇是“学海拾珠”系列第一百三十四篇，本文通过构建定量模型，在北美与欧洲股票市场探究策略拥挤和流动性冲击之间的联系。研究发现投资者仍然热衷于传统量化策略，而在流动性冲击下，拥挤程度越高的策略损失越大。此外，策略拥挤似乎与收益率之间没有明确的联系。回到国内市场，如何度量拥挤度以及拥挤度对策略的具体影响一直都是投资者关心的话题，本文提供了一种视角和方法论证了在流动性冲击下，策略收益是如何受拥挤度影响的，值得一读。
　　在流动性冲击下，投资者总收益出现V形回撤
　　在流动性冲击下，套利者会平仓导致价格压力，策略收益下降；随后价格压力减弱，策略收益回升，形成V形。空头净额策略两次最大跌幅分别出现在2007年量化危机以及2020年量化去杠杆时期，说明这是识别流动性冲击的良好信号。
　　投资者仍然拥挤于传统量化策略中
　　延续HS的方法，以每日股票空头净额（卖空股票数量/总可卖空股票数量）为被解释变量，策略得分为解释变量进行回归，计算五种量化股票策略拥挤程度。结果显示，虽然拥挤程度随时间进行波动，投资者仍然拥挤于传统知名的量化策略。
　　在流动性冲击下，拥挤程度越高的策略损失越大
　　以收益率为被解释变量，拥挤程度为解释变量进行回归，探究拥挤度与流动性冲击的联系。结果显示，发达欧洲市场系数均为负值且显著；北美市场，系数也为负值但显著性较弱，总体呈现拥挤程度越高，策略损失越大。
　　风险提示
　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。
　　
　　

研究报告全文：TableStockNameRptType金融工程专题报告策略拥挤与流动性冲击学海拾珠系列之一百三十四报告日期2023-3-29主要观点TableRptDateTableSummary本篇是学海拾珠系列第一百三十四篇本文通过构建定量模型分析师严佳炜TableAuthor执业证书号S0010520070001在北美与欧洲股票市场探究策略拥挤和流动性冲击之间的联系研究发现邮箱yanjwhazqcom投资者仍然热衷于传统量化策略而在流动性冲击下拥挤程度越高的策略损失越大此外策略拥挤似乎与收益率之间没有明确的联系回到国分析师吴正宇内市场如何度量拥挤度以及拥挤度对策略的具体影响一直都是投资者关执业证书号S0010522090001心的话题本文提供了一种视角和方法论证了在流动性冲击下策略收益邮箱wuzyhazqcom是如何受拥挤度影响的值得一读在流动性冲击下投资者总收益出现V形回撤在流动性冲击下套利者会平仓导致价格压力策略收益下降随后价格压力减弱策略收益回升形成V形空头净额策略两次最大跌幅分相关报告别出现在2007年量化危机以及2020年量化去杠杆时期说明这是识别1基金持仓集中度究竟如何影响基流动性冲击的良好信号金业绩学海拾珠系列之一百二十六投资者仍然拥挤于传统量化策略中220和21世纪风格因子表现的趋延续HS的方法以每日股票空头净额卖空股票数量总可卖空股势和周期学海拾珠系列之一百票数量为被解释变量策略得分为解释变量进行回归计算五种量化股二十七票策略拥挤程度结果显示虽然拥挤程度随时间进行波动投资者仍然3基金在阶段业绩不佳后会调整激拥挤于传统知名的量化策略进程度吗学海拾珠系列之一百二十八在流动性冲击下拥挤程度越高的策略损失越大4基于盈利公告发布日期的交易策以收益率为被解释变量拥挤程度为解释变量进行回归探究拥挤度略学海拾珠系列之一百二十与流动性冲击的联系结果显示发达欧洲市场系数均为负值且显著北九美市场系数也为负值但显著性较弱总体呈现拥挤程度越高策略损失5媒体效应如何影响基金投资者和越大基金经理的决策学海拾珠系列之一百三十风险提示6股票市场流动性货币政策与经文献结论基于历史数据与海外文献进行总结不构成任何投资建议济周期学海拾珠系列之一百三十一7共同基金的长周期表现如何学海拾珠系列之一百三十二8盈余公告前的已实现测度是否能预测公告后的股票收益学海拾珠系列之一百三十三敬请参阅末页重要声明及评级说明证券研究报告TableCommonRptType金融工程正文目录1引言42模型框架521模型设置522均衡状态523模型结论63实证分析631数据选取732空头净额策略933拥挤度量1034策略拥挤与流动性冲击关联1135案例研究2007年量化危机和2020年量化去杠杆化124结论13风险提示14敬请参阅末页重要声明及评级说明215证券研究报告TableCommonRptType金融工程图表目录图表1股票市场的流动性和经济周期6图表2北美和发达欧洲市场股票样本变量描述性统计7图表3股票策略累计收益率2006-2020北美8图表4股票策略累计收益率2006-2020欧洲9图表5空头净额策略收益率2007年和2020年10图表6策略拥挤度量统计汇总11图表7策略拥挤与亏损12图表8策略拥挤和因子表现2007年量化危机和2020年量化去杠杆化北美13敬请参阅末页重要声明及评级说明315证券研究报告TableCommonRptType金融工程1引言拥挤是指大量投资者之间的头寸重叠过去几年已逐渐成为重要的议题投资者希望了解拥挤对未来业绩和风险的影响能否实时测量以便做出适当的投资决策监管机构担心拥挤交易带来的系统性风险研究人员除了帮助投资者和监管机构解决他们担忧的问题外也尤其关注拥挤对市场效率的影响本文的目的主要集中于这些问题中的一个拥挤和流动性冲击之间的关系作者构建了一个相对简单的模型将有信息偏差的投资者与两组不同的套利者进行交易每组基于不同信息观察到不同的信号通过两组套利者分析汇总定位指标空头净额并改变每组套利者的比例以了解给定策略的拥挤程度的变化此外模型也设置对套利者的资本施加外部冲击最终结果显示i通过套利者的总头寸可以测量指定交易策略的拥挤程度ii当发生外部流动性冲击时套利者总收益会出现V形回撤iii在流动性冲击下拥挤程度更高的策略会遭受更大的损失为了计算交易策略的拥挤程度出于两个原因作者选择空头净额shortinterest卖空的股票数量占比数据作为关键的定位数据首先是空头净额是成熟投资者单一股票空头头寸总和的良好代理其次是空头净额数据为日频几乎没有延迟由此计算的拥挤度量指标接近实时通过数据测算一些知名的股票因子的拥挤程度作者发现精明的投资者仍然聚集于这些策略当中进一步作者构建空头净额策略来代表套利者的总体利润来识别流动性冲击空头净额策略定义为购买空头净额低的股票并卖出空头净额高的股票目的是模仿精明投资者的总体持仓它是套利者去杠杆行为的良好指标Richardsonetal2017事实上如果卖空者去杠杆化他们的头寸他们会卖出他们做多的股票因此高空头净额股票会反弹而低空头净额股票会抛售导致该策略表现不佳为了证实这结论该策略在样本研究期间的最大回撤发生在2007年量化危机以及2020年量化减杠杆期间但在这两种情况下策略收益均在事件随后都迅速反弹表明大规模去杠杆化事件产生的价格影响大多是暂时的作者的主要贡献是在概念上和实证上建立拥挤与流动性冲击之间的联系当发生流动性冲击时拥挤策略往往表现不佳因此拥挤与更高的系统性风险敞口有关HansonandSunderam2014提出基于空头净额的拥挤度量方法并发现自20世纪80年代末以来用于价值和动量策略的资本数量大幅增长在文章的实证部分作者延续HS的思路对之后的样本进行研究发现了一些有趣的现象首先以平均空头净额衡量的套利资本的增长自2008年全球金融危机以来就没有持续远低于2008年之前的高点其次量化股票投资者继续聚集在知名的股票因子中如动量价值和低波动性策略将实证分析范围拓展到欧洲股票得到与北美相似的结论为什么看似精明的量化投资者会采用同样的策略也许正如Stein2009所解释的因为他们无法实时衡量其他投资者同时在这些策略中部署多少资金在文章中作者通过空头净额数据计算实时拥挤程度那精明的投资者或许也可以采取同样的方法测量拥挤程度这是否说明即使这些策略拥挤仍然是不错的选择这是可能的作者进一步表示拥挤程度和未来收益之间没有明确的经验联系衰变因子择时技巧和流通效应可能相互抵消在超出文章讨论范围的情况下作者给出了一些替代解释或许投资者并不衡量拥挤程度其他人高估了他们交易策略的整体能力这仍然需要后续研究人员进一步探索敬请参阅末页重要声明及评级说明415证券研究报告TableCommonRptType金融工程2模型框架21模型设置假设套利者有两种类型A1和A1分别占总投资者比例为a1和a2剩下的1a1a2是天真有限理性投资者N他们对未来股票收益率持有偏见总计I只股票初始具有固定的比例wi并且iwi1i12I在时刻0到时刻2投资者进行交易并确定收益在时刻2股票支付最终股息在时间1通过改变参数a1和a2以了解这些冲击的影响值得注意的是在a1或a2没有任何变化的情况下时刻1不会发生交易因为初始假设a1或a2为固定值天真的投资者错误地认为股票i的预期收益为ENriErib1ib2ib1i和b2i表示股票i在资产定价文献中的两个高估定价因素两类套利者A1A2相比天真的投资者的优势是可以在交易前观察到其中一种高估定价因素这意味着他们只会因为没有观察到的另一种高估定价因素而产生的偏差因此两类套利者的股票收益为EA1riErib2i和EA2riErib1i简单起见作者假设总体没有定价错误即iwib1i0和iwib2i0表明三种类型的投资者期望相同的超额收益率rM的投资组合进一步假设所有投资者得到相同的收益的方差-协方差矩阵V为了简化分析设定V是对角矩阵并且每只股票c的方差与其占比wi呈反比使得矩阵V每个对角元素都等于其中c为常数最后wi假设所有的投资者在相同的风险厌恶系数下最终目的是使均值-方差效用最大化最大化会使时刻0的需求函数q满足以下公式其中XA1A2N11qX1模型的基本设置参照HS作者添加以下假设完善模型首先天真的投资者的定价偏差分解为b1和b2两个因素其次将套利者分为两种类型每种类型只观察到一个定价因素这样改进的目的是为了更好地贴近现实不同类型的投资者依据不同信号进行交易其次是更好地理解两组套利者的相互作用对拥挤程度的影响最后作者设置一个三阶段模型t012研究未被预测的外部流动性冲击对套利者的影响并进一步研究其与拥挤程度的联系22均衡状态在均衡状态下所有股票的供给和需求是相等所以wa1qA1a2qA21a1a2qN这表明投资组合预期收益为CovrrMEr1a1b11a2b2ErMErM2VarrM每只股票的CAPM模型的Alpha为1a1b1i1a2b2i对于正值bi来说Alpha为负值这表明天真的投资者对一只股票的偏好越高超额需求越大从而推高股票在时刻0的价格最终降低超额收益由模型可知Alpha的绝对值随a1a2递减当a1a2趋近于1时定价偏差b1ib2i与Alpha的相关趋近于0从实际意义解释当利用给定定价偏差的套利者越多与该偏差相关的Alpha越小在均衡状态下两类套利者的头寸为qA1和qA2可以将公式2的均衡超额收益Er代入需求函数1中得到套利者A1的需求函数A2需求函数对称如下11qA1wVa1b1a2b2b13降低b1会使得原有投资组合占比偏离市场投资组合w事实上套利者A1知道天真的投资者有定价偏差会高估高b1股票价值低估低b1股票价值因此他们会敬请参阅末页重要声明及评级说明515证券研究报告TableCommonRptType金融工程因为预期超额收益较低而减少这些股票的权重当设定较大的b1和a1a2他们甚至会卖空一些估值过高的股票另一方面当交互项a1b1和a2b2的值增加比如一只股票最初被天真的投资者高估b1或b2高但有大量资本a1或a2高追逐这只股票最终均衡状态下它的高估部分减少投资者的需求增加所有投资者的头寸PAa1qA1a2qA2w带入公式3重新整理后如下11PAa1a2V1a1a2a1b1a2b2w423模型结论通过以上模型分析可以得到四个结论i对给定异常信号或的投资者头寸进行OLS回归可以得到用于该信号的套利资本或的信息ii在大多数情况下以天真的投资者为代价两类套利者得到正的超额收益iii在时一种类型的套利者发生未预料到的外生流动性冲击时这些套利者通常遭受损失iv当两类套利者都发生未预期的外生流动性时投资者总体上遭受损失更拥挤的策略通常会遭受更多损失图表1股票市场的流动性和经济周期资料来源CrowdingandLiquidityShocks华安证券研究所图1显示在给定的一组参数下套利者在流动性冲击下的累积利润证明结论iv从图1中可以看出对于给定的冲击累积利润表现出V形下降当套利者占总投资者的比例a1a2较高并且异常信号b1和b2正相关时这种情况更加严重在t1时套利资本减少导致套利者的头寸平仓从而施加不利的价格压力股票价格偏差严重套利者造成损失部分套利者选择平仓实现损失而继续持有的套利者由于偏离的股票价格最终归回在时间t2产生利润3实证分析第3节主要针对第2节的假设进行实证分析首先选取空头净额代表投资者总头寸并对数据进行描述性统计其次分析空头净额策略对比策略的最大回撤与现实流动性冲击时间段验证其为流动性冲击的良好指标接着计算传统知名的量化股票策略拥挤程度包括动量价值低波动性资产收益率策略最后探究空头净额策略发生最大回撤即收到流动性冲击时拥挤策略的表现与第2节的结论一致作者证实拥挤策略在发生流动性冲击时往往遭受更大的回撤敬请参阅末页重要声明及评级说明615证券研究报告TableCommonRptType金融工程31数据选取数据来源为IHSMarkit的每日股票融资数据DataScope的股票数据以及WorldScope的股票基础数据数据分为股票金融数据和股票因子数据样本期为2006年7月1日至2020年4月23日股票样本市场为北美和发达欧洲国家考虑后续实证策略的实现和相关成本文章选取具有一定规模和流动性的股票上依据DataScope的数据每月第一天根据市值和成交额阈值来选择股票在任何时间点北美平均约有1100只股票发达欧洲国家平均约有540只股票股票金融日频变量数据包括股份供应量ShareSupply可借入股份除以已发行股份空头净额ShortInterest借入股份除以已发行股份利用率Utilization股份供应除以空头净额每日借贷成本分数DCBS分数范围为1-10表示投资者借贷股票的费用其中1最便宜10最昂贵DCBS越高表示股票越难卖空图表2北美和发达欧洲市场股票样本变量描述性统计资料来源CrowdingandLiquidityShocks华安证券研究所为了处理可能的异常值在获取数据后删除每个变量两端尾部15的数值此外空头净额在股息日前后会造成人为增加故删除股息日前后5个工作日的数据来避免此问题表2显示北美A组和发达欧洲国家B组数据的描述性统计在所有样本中北美市场的股票中大约3的流通股是借入的接近28的流通股是可以借入平均利用率约为13平均DCBS接近1这表明北美市场样本中的大部分股票容易借入在发达的欧洲国家市场中平均空头净额和股票供应量都较低分别为18和17左右平均利用率相似约为13平均DCBS略高于北美市场但仍然接近于1股票因子数据包括动量Momentum从t-12月到t-1月的累积收益价值Value股票价值除以滞后21个工作日价值低波动率LowVolatility1除以股票收益率波动率资产收益率ReturnonAssetsEBIDTA股票价值空敬请参阅末页重要声明及评级说明715证券研究报告TableCommonRptType金融工程头净额ShortInterest负空头净额文章策略主要集中于已经在学术和业界传统知名的上述四种股票因子策略并进一步增加了空头净额策略对于每个策略的每个交易日每个股票i都将进行排名并转换为均匀分布在-11上的策略得分例如在时间t具有最低动量得分的股票将赋予-1的动量得分而具有最高动量得分的股票将赋予1的得分作者进一步将四种策略进行组合作为composite股票市场中性基金的代表组合策略得分sit通过公式5拟合于-111111scompositesvaluesmomentumslowvolatilltysrou5it3it3it6it6it图表3股票策略累计收益率2006-2020北美资料来源CrowdingandLiquidityShocks华安证券研究所图3北美和图4欧洲发达国家绘制了动量价值低波动性资产收益率空头净额和综合策略的累积收益这些策略都曾在之前的文献中进行实证研究动量策略自2015年来表现良好价值策略在整体样本中表现不佳并且在新冠疫情非常显著的下跌在最近的几年间价值策略的糟糕表现一直是学者研究的主题Levetal2019Asness2020资产收益率策略和低波动率策略表现良好空头净额策略表现为正Alpha与之前文献一致Desaietal2002敬请参阅末页重要声明及评级说明815证券研究报告TableCommonRptType金融工程图表4股票策略累计收益率2006-2020欧洲资料来源CrowdingandLiquidityShocks华安证券研究所32空头净额策略空头净额策略包括做空高空头净额的股票和买入低空头净额的股票因此该策略模仿卖空者的总空头头寸可以代表成熟投资者在第2节中表示套利者总体上具有正的超额收益因为他们比天真的投资者具有信息优势此外当套利者受到外部流动性冲击时他们会遭受V形回撤这种现象可以帮助观察流动性冲击实证数据验证了这一现象该策略的两次最严重的下跌与2007年量化危机和最近的2020年量化去杠杆化时间相吻合这两次危机都代表了重大外部流动性冲击下面具体分析了两次危机以及空头净额策略的表现KhandaniandLo2007and2011详细描述了2007年的量化危机他们提到量化股票策略在8月10日出现显著反弹与第2节的假设一致这种错位显然外生因素造成十多年后在2020年3月投资者开始了解新冠疫情相关封城措施金融市场变得极为动荡在3月份的前两周量化股票市场对市场动荡的抵抗力较好但在3月13日至3月18日期间量化股票对冲基金发生大规模的去杠杆化因为部分欧洲监管机构宣布禁止卖空以应对新冠疫情引发的市场波动2020年与2007年的危机有很多相似之处它同样只持续几天后价格急剧逆转这可能是外部冲击引起而不是内生这两次危机的主要区别一个是在于2007年的量化危机发生在相对温和的市场条件下而2020年的去杠杆化发生在波动性更大的市场几乎是新冠疫情造成的市场恐慌达到顶峰时期另一个区别是2007年的量化危机始于美国股市然后蔓延到欧洲而2020年的量化去杠杆化起源于欧洲后蔓延至北美敬请参阅末页重要声明及评级说明915证券研究报告TableCommonRptType金融工程图5显示了在2007年量化危机和2020年量化去杠杆化期间北美和欧洲空头利率策略的累积收益表现图中可以看到首先空头净额策略在两次危机期间在两个市场都表现出V形回撤策略遭受急剧的下跌后迅速反弹与第2节结果一致其次2007年北美市场下跌开始得更早也更为严重欧洲市场受到影响但程度较轻符合危机由美国引发随后影响其他国际市场的事实最后对于两个市场2020年回撤比2007年更为严重外部冲击更加剧烈图表5空头净额策略收益率2007年和2020年资料来源CrowdingandLiquidityShocks华安证券研究所33拥挤度量HS文章中提出一种方法使用空头净额数据推断量化策略头寸他们指出空头净额数据揭示套利者在给定时间使用量化股票策略的程度简单来说如果许多套利者将资金分配给给定的多空股票策略那么该策略股票的空头净额更高在回归模型中被解释变量为每日股票空头净额SIit解释变量为策略分值控制变量为股票波动率和股票市值strategystrategySIitktsitcontrolsit6strategy通过该回归得到的系数kt是卖空最多的股票策略得分为-1和得分中值的股票策略得分为0之间空头净额差异它代表策略头寸的拥挤程度敬请参阅末页重要声明及评级说明1015证券研究报告TableCommonRptType金融工程strategy表6显示了价值动量低波动性资产收益率和组合策略的每日回归中kt的平均值t统计量和R2除了北美市场的价值策略和两个市场的资产收益率策略外其他策略系数都是正的和显著的低波动率具有最高的平均系数和t统计量表明拥挤程度最高平均R2在01至02的范围内图表6策略拥挤度量统计汇总资料来源CrowdingandLiquidityShocks华安证券研究所34策略拥挤与流动性冲击关联在前面的章节中印证了空头净额策略可以被视为影响卖空者的流动性冲击的晴雨表当卖空者的头寸受到去杠杆化事件的影响时该策略收益出现V形下降出现这种情况的原因是多方面的正如套利限制相关文献SchleiferandVishny1997BrunnermeierandPedersen2009所记载的可能是在更广泛的市场波动性增加后降低风险的结果因为许多成熟的投资者希望保持一定水平的事前风险也可能是由于整个经济的流动性冲击触发客户撤回资金经纪人通过提高保证金要求来降低杠杆率的结果为了证实以上假设作者进行以下实证分析首先提取北美市场和发达欧洲市场的最大空头净额策略回撤将这些时期定义为空头净额策略的底部2030和40个不重叠的5天收益对于每个时期的五种量化交易策略计算时期开始时的拥挤strategystrategy程度kt以及同期的5天收益率rtt5最后建立回归模型如下strategystrategystrategyrtt5kttt57strategy在这个回归模型当中右侧变量kt本身也是通过回归得到的是一个生成的回归变量会由于它违反标准的OLS假设之一导致标准误产生偏差即回归变strategy量是非随机的为了纠正这种偏差作者遵循Green2017在计算拥挤程度kt的系数时列出100个样本每个样本随机抽取50的数据点使用样本中的平均值和标准差来计算的t统计量为了处理离群值测试两种类型的回归标准普通最小二乘回归和具有Huber损失的稳健回归表7显示两个市场和合并两个市场回归结果共计18次回归在所有市场中合并市场和发达欧洲市场系数均为负值且显著在北美市场系数也为负值但显著敬请参阅末页重要声明及评级说明1115证券研究报告TableCommonRptType金融工程性较弱仅有2个回归在1水平下具有显著性总体而言系数为负且在统计学上具有显著性证实上文假设即拥挤与流动性冲击风险增加有关图表7策略拥挤与亏损资料来源CrowdingandLiquidityShocks华安证券研究所35案例研究2007年量化危机和2020年量化去杠杆化本节进一步说明拥挤和流动性冲击之间的联系图8是分别针对2007年量化危机和2020年量化去杠杆化五种策略拥挤程度和累计收益率绘制图表2020年由于新冠疫情市场剧烈波动相比之下2007年的量化危机发生在全球金融危机爆发之前股市波动较小这一点可以从总体策略收益的区间上看出来2020年的策略收益明显大于2007年2020年拥挤的策略普遍受到影响在北美和欧洲两个市场动量和低波动性策略拥挤程度较高表现不佳资产收益率策略拥挤程度较低表现良好价值策略在两个市场均遭受巨大损失但只在北美市场拥挤考虑当时市场的波动性策略拥挤以外的其他因素也可能起到作用增加策略收益噪音2007年拥挤策略在北美市场表现不佳动量低波动性资产收益率策略都受到挤压和影响价值策略虽然并不拥挤但也受到了影响相对冲击较小的欧洲市场情况并不明朗价值和动量策略都受到影响但只有动量策略表现拥挤低波动性策略表现拥挤但策略收益率良好敬请参阅末页重要声明及评级说明1215证券研究报告TableCommonRptType金融工程图表8策略拥挤和因子表现2007年量化危机和2020年量化去杠杆化北美资料来源CrowdingandLiquidityShocks华安证券研究所4结论文章建立了一个相对简单的模型来理解拥挤和外生流动性冲击之间的联系在这个模型中两种不同类型的成熟投资者对大多数天真有限理性投资者的信息偏差进行套利当流动性冲击影响到他们时套利者会平仓导致价格压力对他们的利润产生负面影响这些价格压力随后减弱导致利润回升此外拥挤程度更高的套利者往往遭受更多的损失因此策略拥挤与流动性冲击引起的不利风险增加有关作者对拥挤和流动性冲击之前的联系进行实证研究使用较为复杂的股票投资者持仓数据有两个目的首先通过估算其投资组合策略分值作为影响流动性冲击的指标第二通过OLS回归计算各种量化股票策略的拥挤程度首先对空头净额策略进行分析表明高空头净额预示未来低收益换句话说做空高空头净额股票并买入低空头净额股票的策略表现出正值Alpha同时文章发现策略在遭遇外部流动性冲击时会出现V形回撤在此期间套利者进行平仓空头净额策略最大跌幅与2007年量化危机以及2020年量化去杠杆化时间相吻合其次以每日股票空头净额为被解释变量策略分值为解释变量进行回归计算敬请参阅末页重要声明及评级说明1315证券研究报告TableCommonRptType金融工程五种传统知名的量化股票策略拥挤程度这种方法可以用于任何其他类型的量化股票策略最终结果显示虽然拥挤程度随时间进行波动投资者仍然集中在传统知名的量化策略中策略拥挤会有什么后果文章建立拥挤和流动性冲击之间的联系当流动性冲击影响到卖空者时拥挤的策略往往会受到影响因此在其他条件相同的情况下成熟的投资者和套利者应该尽量避免拥挤的交易文章还进一步考察拥挤对未来策略收益的影响结果显示更高的拥挤程度会导致更高的未来收益作者认为这是因为存在竞争效应一方面随着交易策略的饱和交易策略的拥挤程度会使收益率降低但另一方面成熟的投资者可能擅长选择策略的时机适时增加表现更好的策略头寸增加收益率也许第二种效应在所研究的样本上占据主导地位文献来源核心内容摘选自HectorChan和TonyTan在TheJournalofPortfolioManagement上的文章CrowdingandLiquidityShocks风险提示文献结论基于历史数据与海外文献进行总结不构成任何投资建议敬请参阅末页重要声明及评级说明1415证券研究报告TableCommonRptType金融工程重要声明TableReputation分析师声明本报告署名分析师具有PRC证券业协会授予的证券投资咨询执业资格以勤勉的执业态度专业审慎的研究方法使用合法合规的信息独立客观地出具本报告本报告所采用的数据和信息均来自市场公开信息本人对这些信息的准确性或完整性不做任何保证也不保证所包含的信息和建议不会发生任何变更报告中的信息和意见仅供参考本人过去不曾与现在不与未来也将不会因本报告中的具体推荐意见或观点而直接或间接收任何形式的补偿分析结论不受任何第三方的授意或影响特此声明免责声明华安证券股份有限公司经PRC证券监督管理委员会批准已具备证券投资咨询业务资格本报告中的信息均来源于合规途径华安证券研究所力求准确可靠但对这些信息的准确性及完整性均不做任何保证在任何情况下本报告中的信息或表述的意见均不构成对任何人的投资建议在任何情况下本公司本公司员工或者关联机构不承诺投资者一定获利不与投资者分享投资回报也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任投资者务必注意其据此做出的任何投资决策与本公司本公司员工或者关联机构无关华安证券及其所属关联机构可能会持股报告中提到的公司所发行的证券并进行交易还可能为这些公司提供投资银行服务或其他服务本报告仅向特定客户传送未经华安证券研究所书面授权本研究报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品或再次分发给任何其他人或以任何侵犯本公司版权的其他方式使用如欲引用或转载文献内容务必联络华安证券研究所并获得许可并需注明出处为华安证券研究所且不得对文献进行有悖原意的引用和删改如未经本公司授权私自转载或者转发本报告所引起的一切后果及法律责任由私自转载或转发者承担本公司并保留追究其法律责任的权利投资评级说明TableRankIntroduction以本报告发布之日起6个月内证券或行业指数相对于同期沪深300指数的涨回撤为标准定义如下行业评级体系增持未来6个月的投资回报领先沪深300指数5以上中性未来6个月的投资回报与沪深300指数的变动幅度相差-5至5减持未来6个月的投资回报落后沪深300指数5以上公司评级体系买入未来6-12个月的投资回报领先市场基准指数15以上增持未来6-12个月的投资回报领先市场基准指数5至15中性未来6-12个月的投资回报与市场基准指数的变动幅度相差-5至5减持未来6-12个月的投资回报落后市场基准指数5至卖出未来6-12个月的投资回报落后市场基准指数15以上无评级因无法获取必要的资料或者公司面临无法预见结果的重大不确定性事件或者其他原因致使无法给出明确的投资评级市场基准指数为沪深300指数敬请参阅末页重要声明及评级说明1515证券研究报告