本报告导读：
　　单纯的宽基估值模型噪音信号较多、择时准确度较低，本篇报告我们将宽基估值模型与市场流动性模型结合使用，关注指数极度低估或高估状态下市场流动性的边际变化；同时我们利用交易拥挤度模型规避宽基指数交易拥挤下跌风险。应用估值、流动性与拥挤度的量化择时模型能够准确地捕捉沪深300底部与顶部特征，同时能够有效规避交易拥挤下跌风险。2011年以来组合年化收益率为20.69%，相对市场基准的超额年化收益为18.64%，绝对收益年胜率（收涨）为84.6%，年均换手率为139%。
　　摘要：
　　宽基指数量化择时研究框架。我们从微观交易结构角度引入市场流动性与交易拥挤度指标，通过与宽基指数估值结合，研究指数极端估值状态下流动性与拥挤度等微观交易结构的边际变化，可以更加准确地刻画证券市场的底部与顶部特征。
　　宽基指数估值模型。宽基估值因子包括宽基指数PB、PE、PBPE以及股权风险溢价，我们通过计算估值因子所处历史分位数水平的方法来构建宽基估值因子，沪深300估值模型多空组合年化收益率为11.90%。
　　市场流动性模型。市场流动性因子包括买入冲击成本、卖出冲击成本、上涨流动性指数以及下跌流动性指数，我们认为单纯使用市场流动性模型或宽基估值模型存在噪音信号过多或择时准确度不高的问题。将宽基估值模型与市场流动性模型结合使用，关注指数极度低估或高估状态下市场流动性的边际变化，相比原有估值模型择时的准确度与效果均显著提升。
　　交易拥挤度模型。拥挤度是一种顶部择时类避险模型，我们从微观结构、波动率、流动性、相关性等多维度构建交易拥挤度因子，相比常规拥挤度因子，应用均线系统改进后的模型交易拥挤下跌风险规避的准确度和效果显著增强。
　　宽基指数量化择时模型合成与测试。应用估值、流动性与拥挤度的量化择时模型的择时准确度较高，能够准确地捕捉沪深300底部与顶部特征，同时能够有效规避交易拥挤下跌风险。2011年以来沪深300择时模型年化收益率为20.69%，相对市场基准的超额年化收益为18.64%。绝对收益年胜率（收涨）为84.6%，年均换手率为139%。
　　风险提示：量化模型基于历史数据构建，而历史规律存在失效风险。
　　

研究报告全文：大类资产大类资产配置研究TableMainInfo配20230331TableTitleTableAuthor报告作者置宽基指数如何择时通过估值流动性和拥廖静池分析师0755-23976176liaojingchi024655gtjascom专挤度构建量化择时策略证书编号S0880522090003题报量化择时研究系列01余齐文分析师告本报告导读0755-23976212单纯的宽基估值模型噪音信号较多择时准确度较低本篇报告我们将宽基估值模型yuqiwengtjascom与市场流动性模型结合使用关注指数极度低估或高估状态下市场流动性的边际变证书编号S0880522010001化同时我们利用交易拥挤度模型规避宽基指数交易拥挤下跌风险应用估值流动性与拥挤度的量化择时模型能够准确地捕捉沪深300底部与顶部特征同时能够有效TableDocReport相关报告规避交易拥挤下跌风险2011年以来组合年化收益率为2069相对市场基准的超大类资产配置体系简析额年化收益为1864绝对收益年胜率收涨为846年均换手率为13920230322不悲不喜变盘节点做好应对摘要20230304TableSummary宽基指数量化择时研究框架我们从微观交易结构角度引入市场流节奏为王动性与交易拥挤度指标通过与宽基指数估值结合研究指数极端估20230204值状态下流动性与拥挤度等微观交易结构的边际变化可以更加准确出奇辅正奇正兼修地刻画证券市场的底部与顶部特征20221205基金持仓还原在行业轮动上的应用证宽基指数估值模型宽基估值因子包括宽基指数PBPEPBPE以及20221124券股权风险溢价我们通过计算估值因子所处历史分位数水平的方法来研构建宽基估值因子沪深300估值模型多空组合年化收益率为究1190报市场流动性模型市场流动性因子包括买入冲击成本卖出冲击成本上涨流动性指数以及下跌流动性指数我们认为单纯使用市场流动性告模型或宽基估值模型存在噪音信号过多或择时准确度不高的问题将宽基估值模型与市场流动性模型结合使用关注指数极度低估或高估状态下市场流动性的边际变化相比原有估值模型择时的准确度与效果均显著提升交易拥挤度模型拥挤度是一种顶部择时类避险模型我们从微观结构波动率流动性相关性等多维度构建交易拥挤度因子相比常规拥挤度因子应用均线系统改进后的模型交易拥挤下跌风险规避的准确度和效果显著增强宽基指数量化择时模型合成与测试应用估值流动性与拥挤度的量化择时模型的择时准确度较高能够准确地捕捉沪深300底部与顶部特征同时能够有效规避交易拥挤下跌风险2011年以来沪深300择时模型年化收益率为2069相对市场基准的超额年化收益为1864绝对收益年胜率收涨为846年均换手率为139风险提示量化模型基于历史数据构建而历史规律存在失效风险请务必阅读正文之后的免责条款部分TablePage专题报告目录1宽基指数量化择时研究框架311宽基指数量化择时研究框架312宽基指数量化择时研究流程42宽基指数估值模型521宽基估值因子分类与构建5211宽基估值因子分类5212宽基估值因子构建722宽基估值因子测试823宽基估值模型合成与测试103市场流动性模型1231市场流动性因子分类与构建12311市场流动性因子分类12312市场流动性因子构建1332市场流动性因子测试1433市场估值流动性模型合成与测试164交易拥挤度模型1741交易拥挤度因子分类与构建17411交易拥挤度因子分类17412交易拥挤度因子构建2142交易拥挤度因子测试23421胜率与收益分析23422参数敏感性测试2443交易拥挤度模型合成与测试265宽基指数量化择时模型合成与测试2851宽基指数量化择时模型合成2852宽基指数量化择时模型绩效分析30风险提示31请务必阅读正文之后的免责条款部分2of32TablePage专题报告本篇报告我们从宽基估值市场流动性以及交易拥挤度等维度出发研究宽基指数估值模型市场流动性模型以及交易拥挤度模型在指数择时中的作用研究结果表明应用估值流动性与拥挤度的量化择时模型能够准确地捕捉沪深300底部与顶部特征同时能够有效规避交易拥挤下跌风险2011年以来组合年化收益率为2069相对市场基准的超额年化收益为1864绝对收益年胜率收涨为8461宽基指数量化择时研究框架11宽基指数量化择时研究框架证券市场估值与情绪存在极端悲观与极端乐观之间的周期往复运动我们可以从微观交易结构角度解释市场的周期变化1在市场持续大幅下行时随着悲观者持续抛出筹码乐观者资金总量和资金成本优势逐步积累市场风险实际上随着估值快速下降随着市场多空力量对比逐渐翻转此时持有资金的投资者都是潜在购买者业绩政策或资金任一方面的边际改善都可能成为市场反弹修复的催化剂2在市场持续大幅上行时随着乐观者持续购进筹码悲观者筹码总量和筹码成本优势逐步积累市场风险实际上随着估值快速上升随着市场多空力量对比逐渐翻转此时持有筹码的投资者都是潜在抛出者业绩政策或资金任一方面不及预期都可能成为市场快速下行的导火索图1宽基指数量化择时研究框架宽基估值PBPE估值股权风险溢价市场流动性交易拥挤度波动率流动性冲击成本相关性分布流动性指数微观结构数据来源国泰君安证券研究证券市场的底部与顶部是交易出来的采用常规的估值方法很难准确判断我们从微观交易结构角度引入市场流动性与交易拥挤度指标通过与宽基指数估值结合研究指数极端估值状态下流动性与拥挤度等微观交易结构的边际变化可以更加准确地刻画证券市场的底部与顶部特征请务必阅读正文之后的免责条款部分3of32TablePage专题报告1在市场估值极低且出现流动性恐慌时市场买卖冲击成本极高上涨与下跌流动性指数极低此时市场买卖双方流动性极度匮乏给市场提供流动性所获的流动性补偿较高此种情形可视为市场底部信号即多头信号2在市场估值较高且出现流动性过剩时市场买卖冲击成本极低上涨与下跌流动性指数极高此时市场买卖双方流动性极度充裕给市场提供流动性所获的流动性补偿较低此种情形可视为市场顶部信号即空头信号3通过微观结构波动率流动性相关性等多维度跟踪宽基指数交易拥挤状态当相关指标触发交易拥挤信号时视为市场阶段顶部本篇报告我们以沪深300指数为例从宽基指数估值市场流动性与交易拥挤度等维度识别市场底部与顶部特征通过单模型测试与多模型复合研究相关择时模型在指数择时中的作用12宽基指数量化择时研究流程量化择时研究流程包括基础数据处理模型因子计算模型测试以及复合模型合成等步骤1基础数据处理构建宽基指数估值市场流动性与交易拥挤度模型需要宽基指数及其成分股的行情财务股本以及LEVEL2订单簿数据在考虑数据质量的基础上需要尽量保证基础数据时间长度2模型因子计算宽基指数估值与市场流动性因子均采用整体法利用成分股自由流通市值加权的方法构建拥挤度因子中除个股分化指标外均采用指数行情数据计算3模型测试模型因子计算后需分析多头与空头信号的胜率与收益情况并对不同参数与影响区间进行参数敏感性分析筛选出有效的因子构建多空组合并进行历史回测与绩效分析4复合模型合成通过单模型测试构建宽基指数估值市场流动性与交易拥挤度模型后通过模型多空信号复合的方法构建量化择时复合模型并测试模型效果图2宽基指数量化择时研究流程基础数据处理模型因子计算模型测试复合模型合成行情数据宽基估值胜率与收益分析模型合成财务数据市场流动性参数敏感性分析绩效分析L2订单簿交易拥挤度组合回测与净值分模型应用微观结构析数据来源国泰君安证券研究请务必阅读正文之后的免责条款部分4of32TablePage专题报告量化择时研究中需注意1择时因子需要具有逻辑性且要注意适用范围比如市场存在周期性低估与高估现象估值因子可以用来刻画宽基指数估值水位的高低但估值因子对行业指数特别是周期性行业指数不一定适用2择时因子需要具有均值回复性比如不同的牛熊周期市场估值绝对水平不一定相同市场估值不一定能够均值回复这种情况我们可以计算当前市场估值在最近一个牛熊周期所处历史分位数水平作为估值因子2宽基指数估值模型宽基估值类因子主要包括宽基指数PBPEPBPE以及股权风险溢价等原始估值因子均值回复性较差我们通过计算估值因子所处历史分位数水平的方法来构建宽基估值择时因子通过因子测试与合成研究宽基指数估值模型在指数择时中的应用21宽基估值因子分类与构建211宽基估值因子分类1宽基指数PB估值宽基指数PB估值指指数成分股市值之和与股东权益之和的比值可以用来衡量宽基指数整体估值水平高低高PB代表市场估值较高低PB代表市场估值较低图3沪深300PB估值分位数PB估值分位数沪深3001005500905000804500706040005035004030003025002010200001500数据来源国泰君安证券研究注统计区间为20110101到20230310下同请务必阅读正文之后的免责条款部分5of32TablePage专题报告2宽基指数PE估值宽基指数PE估值指指数成分股市值之和与归母净利润之和的比值可以用来衡量宽基指数整体估值水平高低高PE代表市场估值较高低PE代表市场估值较低图4沪深300PE估值分位数PE估值分位数沪深300100650090600080550070500060450050400040350030300020250010200001500数据来源国泰君安证券研究3宽基指数PBPE估值宽基指数PBPE估值分位数指宽基指数PB估值分位数与PE估值分位数的几何平均数可以用来衡量宽基指数整体估值水平高低高PBPE代表市场估值较高低PBPE代表市场估值较低图5沪深300PBPE估值分位数PBPE估值分位数沪深300100650090600080550070500060450050400040350030300020250010200001500数据来源国泰君安证券研究4宽基指数股权风险溢价宽基指数股权风险溢价指指数PE的倒数与10年期国债收益率之差可以用来衡量宽基指数整体估值水平高低高股权风险溢价代表指数风险溢价较高市场估值较低低股权风险溢价代表指数风险溢价较低市场估值较高请务必阅读正文之后的免责条款部分6of32TablePage专题报告图6沪深300股权风险溢价分位数股权风险溢价分位数沪深300100650090600080550070500060450050400040350030300020250010200001500数据来源国泰君安证券研究212宽基估值因子构建我们计算宽基指数估值因子值在历史数据中所处分位数水平通过与设定阈值比较判断是否触发多头或空头信号具体构建方法如下1由于估值因子值平稳计算窗口长度统一设置为1天2计算宽基估值因子值在历史数据中所处的分位数水平具体方法如下1历史区间长度设定为5年涵盖一个完整的牛熊周期2历史分位数底部阈值统一设定为10853和1因子值低于指定阈值后触发多头信号历史分位数顶部阈值统一设定为90929597和99因子值超过指定阈值后触发空头信号3计算估值因子历史分位数时因子值从小到大排序因子值越小所处历史分位数越低代表市场估值越低因子值越大所处历史分位数越高代表市场估值越高3市场底部顶部判断将宽基估值因子所处历史分位数与设定阈值比较如果低于底部阈值则触发多头信号如果超过顶部阈值则触发空头信号通过上述方法构建宽基估值因子当宽基估值因子值低于历史分位数底部阈值或超过历史分位数顶部阈值时触发多头或空头信号表1宽基估值因子构建方法因子名称因子ID因子方向窗口历史分位数底部阈值历史分位数顶部阈值PB估值PB从小到大11085319092959799PE估值PE从小到大11085319092959799PBPE估值PBPE从小到大11085319092959799股权风险溢价ROVERRT从小到大11085319092959799数据来源国泰君安证券研究请务必阅读正文之后的免责条款部分7of32TablePage专题报告22宽基估值因子测试我们采用胜率与收益统计参数敏感性测试等方法测试宽基估值因子在指数择时中的作用分底部信号和顶部信号测试1底部信号测试我们统计宽基估值因子所处历史分位数低于历史分位数底部阈值时未来90交易日120交易日宽基指数收益率均值胜率以及信号触发次数胜率越高代表触发底部信号后一段时间宽基指数收涨的概率越大收益率越高代表触发多头信号后一段时间指数上涨幅度越大说明估值因子底部择时效果越显著触发次数越高代表触发多头信号越频繁2顶部信号测试我们统计宽基估值因子所处历史分位数达到历史分位数顶部阈值时未来90交易日120交易日宽基指数收益率均值胜率以及信号触发次数胜率越高代表触发顶部信号后一段时间宽基指数收跌的概率越大负向收益率越高代表触发空头信号后一段时间指数下跌幅度越大说明估值因子顶部择时效果越显著触发次数越高代表触发空头信号越频繁整体看来宽基估值因子指数择时的准确度与效果较为显著但噪音信号略多1从胜率与收益率角度分析估值因子底部与顶部择时的准确度与效果均较好其中PBPE估值所处分位数达到95时未来90日和120日指数下跌的概率均超过90指数下跌的幅度分别为782和1075股权风险溢价所处历史分位数低于5时未来90日和120日指数上涨的概率均超过64指数上涨的幅度分别为511和8482从触发次数角度分析我们统计90日胜率超过60的因子发现触发信号次数多在50到500次之间集中分布于市场底部或顶部区域其中PBPE估值所处分位数达到95时顶部信号触发次数为49说明顶部信号较为集中股权风险溢价所处历史分位数低于5时底部信号触发次数为501说明底部信号较多信号分布可能较为分散请务必阅读正文之后的免责条款部分8of32TablePage专题报告图7宽基估值因子胜率与收益分析因子ID因子名称窗口长度分位数90日胜率90日收益率120日胜率120日收益率触发次数PBPB估值19910000-94610000-13125ROVERRT股权风险溢价19910000-235110000-230624PBPB估值19710000-58510000-95332PBPB估值19510000-54910000-92539PBPEPBPE估值19710000-55510000-91936PBPEPBPE估值19910000-58010000-91217PBPB估值1929773-6499773-99244ROVERRT股权风险溢价1979625-13659000-148080PBPEPBPE估值1959592-7829388-107549PBPB估值1909259-7809444-106854ROVERRT股权风险溢价1958430-11797934-1266121PBPEPBPE估值1927882-8327412-89385ROVERRT股权风险溢价11750068183671039196PBPEPBPE估值1907480-9037236-983123ROVERRT股权风险溢价1367225067139873360ROVERRT股权风险溢价1564675116647848501ROVERRT股权风险溢价1926348-6687087-758230ROVERRT股权风险溢价18624165963161037665PBPB估值1162353737137567255PEPE估值1996170-7885426-76594ROVERRT股权风险溢价11060136466039999760数据来源国泰君安证券研究注统计区间为20110101到20230310下同我们通过参数敏感性测试分析不同窗口长度历史分位数阈值以及收益观察区间长度设置下宽基估值因子对于指数择时的准确度和效果如何具体统计指标包括不同参数设置下的因子收益率均值胜率以及触发信号的次数我们选择胜率与收益分析中表现较好的股权风险溢价和PBPE估值等2类因子进行参数敏感性测试历史分位数阈值方面阈值设定越高因子胜率与择时收益越高择时信号触发次数越少历史分位数顶部阈值设置为95时股权风险溢价和PBPE估值因子顶部信号触发次数分别为24和10次胜率均值分别为73和96负向收益均值分别为7和6历史分位数底部阈值设置为8时股权风险溢价和PBPE估值因子底部信号触发次数分别为130和142次胜率均值分别为60和53正向收益均值分别为4和2收益观察区间方面因子最佳收益观察区间长度为90日和120日低于90日时因子胜率与择时收益逐步衰减其中股权风险溢价120日顶部和底部信号胜率均值分别为80和69择时收益均值分别为14和8PBPE估值120日顶部和底部信号胜率均值分别为91和58择时收益均值分别为9和4请务必阅读正文之后的免责条款部分9of32TablePage专题报告图8股权风险溢价因子胜率与收益参数敏感性测试胜率收益因子名称因子ID窗口分位数触发次数20日30日60日90日120日20日30日60日90日120日股权风险溢价ROVERRT199100100100100100-21-24-37-32-292股权风险溢价ROVERRT19793100100100100-7-11-12-13-1615股权风险溢价ROVERRT1957175717575-3-6-6-8-1124股权风险溢价ROVERRT1925661676969-1-4-4-7-836股权风险溢价ROVERRT19041445056560-1-2-4-454股权风险溢价ROVERRT110605452636011358143股权风险溢价ROVERRT18605654656511469130股权风险溢价ROVERRT1556505266680-1258105股权风险溢价ROVERRT1359505066710-115770股权风险溢价ROVERRT11766767908121481021数据来源国泰君安证券研究图9PBPE估值因子胜率与收益参数敏感性测试胜率收益因子名称因子ID窗口分位数触发次数20日30日60日90日120日20日30日60日90日120日PBPE估值PBPE199100100100100100-2-8-8-6-71PBPE估值PBPE19786100100100100-4-8-6-5-97PBPE估值PBPE1959010090100100-4-8-4-5-910PBPE估值PBPE1927380738080-3-6-7-7-915PBPE估值PBPE1907074707474-3-5-6-8-1023PBPE估值PBPE110565247545410124151PBPE估值PBPE18554945555400124142PBPE估值PBPE15544946575900125122PBPE估值PBPE1350444458600-112396估值PBPEPBPE114845355261-1-200331数据来源国泰君安证券研究综合考虑胜率择时收益与信号触发次数股权风险溢价PBPE估值类因子顶部和底部择时的较佳历史分位数分别为95和8较佳收益率考察区间为90日或120日23宽基估值模型合成与测试通过宽基指数估值因子测试我们选择股权风险溢价与PBPE估值因子参与宽基估值模型合成模型具体构建方法如下1底部信号生成若股权风险溢价或PBPE估值因子所处历史分位数低于指定历史分位数底部阈值则触发多头信号2顶部信号生成若股权风险溢价或PBPE估值因子所处历史分位数超过指定历史分位数顶部阈值则触发空头信号3多空组合构建底部信号产生后开始做多指数直到估值因子所处历史分位数超过60平多仓平仓后为空仓状态顶部信号产生后开始做空指数直到估值因子所处历史分位数低于40平空仓平仓后为空仓状态请务必阅读正文之后的免责条款部分10of32TablePage专题报告从沪深300宽基估值模型的多空信号分布来看多头信号主要产生于2011下半年2012年2013下半年2014年2018年底2020年3月2022年4月2022年10月等市场底部区域空头信号主要产生于2015年4到6月2018年初2021年初等市场顶部区域图10沪深300估值模型多空信号展示沪深300多头信号空头信号60005000400030002000数据来源国泰君安证券研究注统计区间为20110101到20230310下同我们将宽基估值模型应用于沪深300指数通过模型多头和空头信号构建多空组合测试多空组合的收益与回撤情况历史回测日期区间为2011年1月至2023年3月10日宽基估值模型多空组合回测结果如下1模型多空组合年化收益率为1190组合最大回撤为3381组合回撤主要分布于2012至2014上半年市场长期弱熊市期间2模型SHARP比率为062年化波动率为1929图11沪深300估值模型多空组合净值分析最大回撤估值模型多空组合504510315220125030数据来源国泰君安证券研究请务必阅读正文之后的免责条款部分11of32TablePage专题报告3市场流动性模型市场流动性是指市场完成交易且不造成大幅价格变化的能力可以通过冲击成本流动性指数等指标衡量冲击成本越低流动性指数越高市场流动性越好冲击成本越高流动性指数越低市场流动性越差市场流动性因子主要包括宽基指数买入冲击成本卖出冲击成本上涨流动性指数下跌流动性指数等原始流动性因子均值回复性较差我们通过计算流动性因子所处历史分位数水平的方法来构建市场流动性因子通过与宽基估值因子结合合成宽基估值流动性模型并通过因子测试与合成研究宽基估值流动性模型在指数择时中的应用31市场流动性因子分类与构建311市场流动性因子分类1宽基指数冲击成本冲击成本衡量一定金额的交易对市场价格造成的冲击程度可以直观地体现市场的流动性状况市场流动性越高冲击成本越低冲击成本按买入与卖出两个方向分别计算需要使用每日高频TICK数据计算单只证券所有TICK的买入卖出冲击成本后单日算术平均按照指数成分股自由流通市值加权计算市场指数的买入卖出冲击成本图12沪深300买入冲击成本分位数买入冲击分位数沪深3001006000550080500045006040003500403000202500200001500数据来源国泰君安证券研究注统计区间为20110101到20230310下同图13沪深300卖出冲击成本分位数卖出冲击分位数沪深3001006000550080500045006040003500403000202500200001500数据来源国泰君安证券研究请务必阅读正文之后的免责条款部分12of32TablePage专题报告2宽基指数流动性指数流动性指数与冲击成本相对应衡量价格发生一定幅度变化所需要的交易金额市场流动性越高流动性指数越高流动性指数按上涨与下跌两个方向分别计算需要使用每日高频TICK数据计算单只证券所有TICK的上涨下跌流动性指数后单日算术平均按照指数成分股自由流通市值加权计算市场指数的上涨下跌流动性指数图14沪深300上涨流动性指数分位数上涨流动性分位数沪深3001006000550080500045006040003500403000202500200001500数据来源国泰君安证券研究图15沪深300下跌流动性指数分位数下跌流动性分位数沪深3001006000550080500045006040003500403000202500200001500数据来源国泰君安证券研究312市场流动性因子构建我们计算宽基指数流动性因子值在历史数据中所处分位数水平通过与设定阈值比较判断是否触发多头或空头信号具体构建方法如下1由于流动性因子波动较大计算窗口长度统一设置为5天2计算市场流动性因子值在历史数据中所处的分位数水平具体方法如下1历史区间长度设定为5年涵盖一个完整的牛熊周期2历史分位数底部阈值统一设定为25201510和5因子值低于指定阈值后触发多头信号历史分位数顶部阈值统一设定为75808590和95因子值达到指定阈值请务必阅读正文之后的免责条款部分13of32TablePage专题报告后触发空头信号3计算冲击成本历史分位数时因子值从大到小排序因子值越大所处历史分位数越低代表市场流动性越差因子值越小所处历史分位数越高代表市场流动性越好4计算流动性择时历史分位数时因子值从小到大排序因子值越小所处历史分位数越低代表市场流动性越差因子值越大所处历史分位数越高代表市场流动性越好3市场底部顶部判断将市场流动性因子所处历史分位数与设定阈值比较如果低于底部阈值则触发多头信号如果超过顶部阈值则触发空头信号通过上述方法构建市场流动性因子当市场流动性因子值低于历史分位数底部阈值或超过历史分位数顶部阈值时触发多头或空头信号表2市场流动性因子构建方法因子名称因子ID因子方向窗口历史分位数底部阈值历史分位数顶部阈值买入冲击成本BSTRIKERT从大到小52520151057580859095卖出冲击成本SSTRIKERT从大到小52520151057580859095上涨流动性指数RFLOWAMT从小到大52520151057580859095下跌流动性指数FFLOWAMT从小到大52520151057580859095数据来源国泰君安证券研究32市场流动性因子测试我们采用胜率与收益统计参数敏感性测试等方法测试市场流动性因子在指数择时中的作用整体看来市场流动性因子底部与顶部择时的准确度与效果均不显著冲击成本与流动性指数因子底部和顶部信号产生后30日60日择时胜率均低于50我们认为单纯使用市场流动性模型或宽基估值模型都存在一些问题单纯的流动性模型仅考虑市场流动性高低没有考虑指数估值水位背景噪音信号可能比较多单纯的估值模型仅考虑估值水位高低但低估与高估状态可能持续较长时间信号的准确度可能会比较低我们认为将宽基估值模型与市场流动性模型结合使用关注指数极度低估或高估状态下市场流动性的边际变化比单模型效果更加突出在宽基估值模型的基础上我们加入市场流动性模型筛选出原有估值模型中流动性处于极低位置的多头信号和流动性处于极高位置的空头信号测试结果表明应用流动性的估值模型相对原有估值模型指数择时的准确度与效果均显著提升1从胜率与收益率角度分析应用流动性的估值因子底部与顶部择时的准确度与效果均显著提升应用冲击成本指标后估值底部信号的胜率和择时收益显著提升PBPE估值因子底部信号60日胜率均值提升超过45择时收益率均值提升超过8股权风险溢价因子底部信号60日胜率均值提升超过38择时收益率均值提升超过请务必阅读正文之后的免责条款部分14of32TablePage专题报告4应用流动性指数后估值顶部信号的胜率和择时收益显著提升PBPE估值因子顶部信号60日胜率均值提升超过10择时收益率负向均值提升超过4股权风险溢价因子顶部信号60日胜率均值提升超过13择时收益率负向均值提升超过42从触发次数角度分析应用流动性的估值因子底部与顶部择时的准确度更高应用冲击成本指标后估值底部信号的触发次数明显减少PBPE估值和股权风险溢价因子所处历史分位数低于8时底部信号触发次数分别减少了709和624次应用流动性指数后估值顶部信号的次数明显减少PBPE估值和股权风险溢价因子所处历史分位数超过95时顶部信号触发次数分别减少了15和33次图16应用流动性的估值因子底部信号胜率与收益明显提升估值因子估值分位数流动性因子30日胜率30日收益率60日胜率60日收益率90日胜率90日收益率触发次数PBPE3245218625691971315378-424PBPE5238321628902782094490-554FLOWAMTPBPE8288932334204142819537-686PBPE10277535133294372797496-772PBPE3347362644796614170907-445PBPE53109578452565845501002-579STRIKERTPBPE83690727488898549501148-709PBPE1035917604900114749461181-796ROVERRT322371612051129829222-311ROVERRT5197815517510851033162-441FLOWAMTROVERRT817621252107-0541371-020-598ROVERRT1020511762382-0071720-050-685ROVERRT3280751839125472984718-326ROVERRT5292253336954903255740-465STRIKERTROVERRT8268748238583253515497-624ROVERRT10288049439473393770409-714数据来源国泰君安证券研究图17应用流动性的估值因子顶部信号胜率与负向收益明显提升估值因子估值分位数流动性因子30日胜率30日收益率60日胜率60日收益率90日胜率90日收益率触发次数PBPE902119-4122197-6751844-590-49PBPE921841-4371772-6031302-472-36FLOWAMTPBPE95547-142318-233408-168-15PBPE97370-008000-031000-005-9PBPE90018005164-055-049-034-14PBPE92116-007250-064-090-041-8STRIKERTPBPE95-093012-040-006-027-010-3PBPE97-101024000009000006-3ROVERRT901392-1801345-3771391-343-127ROVERRT921875-2721830-5051846-472-86FLOWAMTROVERRT951353-2871281-4551229-404-33ROVERRT97923-214750-321375-277-17ROVERRT90-078-002-189-005-587046-60ROVERRT92052-008-069-030-317-017-36STRIKERTROVERRT95-216020-122-012-111000-8ROVERRT97-180-003-072-046-036-022-7数据来源国泰君安证券研究综合考虑胜率择时收益与信号触发次数股权风险溢价PBPE估值类因子底部信号运用冲击成本指标进行筛选顶部信号运用流动性指数指标进行筛选请务必阅读正文之后的免责条款部分15of32TablePage专题报告33市场估值流动性模型合成与测试通过宽基估值流动性因子测试我们选择冲击成本与流动性指数参与估值模型底部与顶部信号的合成应用流动性的宽基估值模型具体构建方法如下1底部信号生成若股权风险溢价或PBPE估值因子所处历史分位数低于指定历史分位数底部阈值且冲击成本分位数处于历史低位则触发多头信号2顶部信号生成若股权风险溢价或PBPE估值因子所处历史分位数超过指定历史分位数顶部阈值且流动性指数分位数处于历史高位则触发空头信号3多空组合构建底部信号产生后开始做多指数直到估值因子所处历史分位数超过60平多仓平仓后为空仓状态顶部信号产生后开始做空指数直到估值因子所处历史分位数低于40平空仓平仓后为空仓状态应用流动性模型后沪深300估值模型的择时准确度显著提升多头信号主要产生于2011年10月2012年1月初2012年9月底2013年6月底2014年1月中旬2019年1月初2020年3月下旬2022年3月中2022年4月底2022年10月中旬等市场底部位置空头信号主要产生于2015年4到6月2018年2月初2021年2月等市场顶部区域图18应用流动性的估值模型择时准确度显著提升沪深300多头信号空头信号60005000400030002000数据来源国泰君安证券研究注统计区间为20110101到20230310下同我们将宽基估值流动性模型应用于沪深300指数通过模型多头和空头信号构建多空组合测试多空组合的收益与回撤情况历史回测日期区间为2011年1月至2023年3月10日宽基估值流动性模型多空组合回测结果如下1宽基估值流动性模型多空组合年化收益率由原估值模型的1190提升为1391组合最大回撤由3381降为2482组合回撤主请务必阅读正文之后的免责条款部分16of32TablePage专题报告要分布于2012至2014上半年市场长期弱熊市期间2模型SHARP比率由原估值模型的062提升为075年化波动率由1929降为1857图19估值流动性模型多空组合净值分析最大回撤估值流动性模型多空组合60655544103315221201025数据来源国泰君安证券研究4交易拥挤度模型我们从微观结构波动率流动性相关性等多维度构建交易拥挤度因子应用均线系统改进后研究其在宽基指数交易拥挤下跌风险规避中的作用41交易拥挤度因子分类与构建411交易拥挤度因子分类我们从微观结构波动率流动性相关性乖离率以及分布特征等维度设计宽基交易拥挤度因子通过计算当前指标值在历史数据中所处分位数水平判断当前宽基指数是否处于交易拥挤状态具体因子类别如下1微观结构因子主要包括描述宽基指数个股分化程度的兴登堡预兆指标以及衡量宽基指数连续上涨隐含风险的下跌能量指标2波动率因子主要描述宽基指数大幅波动对应的下跌风险3流动性因子主要描述宽基指数成交量成交额与换手率等指标可以通过流动性指标突增观察市场风险4相关性因子主要描述宽基指数价格与指数成交量成交额换手率等流动性指标之间走势相关性5乖离率因子主要描述宽基指数最新成交量成交额换手率等流动性指标与历史均值之间的偏离程度6分布特征因子主要描述宽基指数近期日收益率序列的分布是否偏离历史统计特征请务必阅读正文之后的免责条款部分17of32TablePage专题报告图20交易拥挤度因子分类数据来源国泰君安证券研究1微观结构因子a兴登堡预兆HindenburgOmen所谓兴登堡预兆是一套股市技术分析方法它由一位美国盲人分析师米耶卡发明并以兴登堡飞艇坠毁事件命名该理论认为正常情况下当股市行至高点多数股票应处于高位股市跌至低位多数股票应处于低位这是股市常态如果股市在高位盘整时股价创出一年新高与创出一年新低的个股均达到一个较高比例同时反映市场广度的麦克莱恩摆荡指标为负数时显示市场可能正处于激烈分化之中分化之后市场可能出现大幅回落我们统计宽基指数最近一个窗口期内创一年新高和一年新低的成分股数目构造三类兴登堡预兆指标HindenburgSqrt用来衡量宽基指数成分股价格创一年新高和创一年新低的个股均比较高程度HindenburgHigh用来衡量宽基指数成分股价格创一年新高的个股数量占比HindenburgDelta用来衡量宽基指数成分股价格创一年新高个股数量减去创一年新低个股数量多少HindenburgSqrtHindenburgHigh请务必阅读正文之后的免责条款部分18of32TablePage专题报告HindenburgDelta其中Num指宽基指数成分股数量NewHighNum为最近窗口期价格创一年新高的宽基指数成分股数量NewLowNum为最近窗口期价格创一年新低的宽基指数成分股数量12宽基指数下跌能量我们发现证券市场指数暴跌之前普遍存在价格暴涨现象而且价格上涨并非匀速在不同阶段股价的上涨速度不一样距离风险爆发日越近上涨速度越快具体特征如下第一当前股价已创出近期高点第二股价的上涨模式呈现指数型暴涨我们可以通过指数函数刻画暴跌前的宽基指数股价上涨特征构建宽基指数下跌能量指标2波动率因子一般来说宽基指数持续上涨过程中随着市场多空分歧加大宽基指数容易出现暴涨暴跌现象其后往往伴随着宽基指数的大幅下跌我们通过波动率因子宽基指数日收益率的标准差来衡量宽基指数暴涨暴跌风险大小宽基指数在t日的波动率为210其中N为计算窗口期长度为计算窗口期宽基指数日收益率均值3流动性因子一般来说宽基指数持续上涨过程中随着市场情绪极度亢奋宽基指数成交量成交额与换手率等流动性指标都会显著放大出现天量成交现象显示多空筹码大量交换市场风险上升我们通过流动性因子来衡量宽基指数成交量成交额和换手率的大小由于日度流动性指标差异较大我们采用窗口期数据平滑的方法计算日度数据4相关性因子一般来说在市场运行过程中市场指数价格走势与市场流动性走势基本相同当出现价涨量缩或价跌量放等量价走势背离情形可能表示市场微观交易结构开始恶化后续市场下跌风险加大我们通过宽基指数成交量成交额换手率等流动性指标与指数收盘价的相关系数来衡量宽基指数量价背离情况宽基指数成交量与收盘价相关系数成交额与收盘价相关系数换手率与收盘价相关系数分别为请务必阅读正文之后的免责条款部分19of32TablePage专题报告102121001012120010121200其中N为计算窗口期长度和分别为计算窗口期宽基指数收盘价均值成交量均值成交额均值与换手率均值5乖离率因子乖离率是指当前指标值与近期平均值的偏离程度证券市场中可以用最新收盘价与近期平均价的差异衡量市场价格指标乖离度大小可以使用成交量成交额换手率与近期平均值的差异衡量相应流动性指标乖离度大小价格指标偏离度较大时代表市场价格近期提升较多有可能存在超涨风险流动性指标乖离度比较大时代表市场最新成交与换手非常活跃超出近期平均值较多有可能预示着市场分歧风险宽基指数收盘价乖离率成交量乖离率成交额乖离率换手率乖离率分别为其中N为计算窗口期长度和分别为计算窗口期宽基指数收盘价均值成交量均值成交额均值与换手率均值6分布特征因子分布特征因子主要描述宽基指数最近窗口期日收益率的分布情况可以通过收益率峰度和偏度两个指标观察宽基指数日收益率分布是否存在异常请务必阅读正文之后的免责条款部分20of32