投资要点：
　　策略思路
　　影响技术面指标效果的四大因素有起始时点、计算指标的时间跨度、历史统计的时间窗口以及持仓时间窗口长度。本报告发现行业指数的滚动收益率分位数能提升传统动量因子的稳定性。
　　减少起始时点影响：为了降低路径依赖，计算滚动N日的区间收益。
　　增强稳定性：历史分位数，变化程度较低
　　如何做行业间比较：对比行业间某个涨跌幅分位数，选择该分位数下排名靠前的行业，本质上是动量策略
　　风格偏向：偏向长期动量排名靠前且稳定性较高的行业组合
　　策略效果
　　基于涨跌幅动量分位数因子策略月度选出10个行业作为看多组合。平均年化超额收益为8.4%，年度胜率为100%。月度平均超额收益为0.76%，月度胜率为67%，平均信息比率为1.28。策略超额收益的累积稳定。
　　风险提示：报告结论基于历史价格信息和统计规律，但二级市场受各种即时性政策影响易出现统计规律之外的走势，所以报告结论有可能无法正确预测市场发展，报告阅读者需审慎参考报告结论。
　　

研究报告全文：金融工程行业轮动及指数增强基于技术面指标分位数的行业配置研究2023年10月12日金融工程研究主题报告投资要点策略思路影响技术面指标效果的四大因素有起始时点计算指标的时间跨度历史统计的时间窗口以及持仓时间窗口长度本报告发现行业指数的滚动收益山证金融工程团队率分位数能提升传统动量因子的稳定性减少起始时点影响为了降低路径依赖计算滚动N日的区间收益增强稳定性历史分位数变化程度较低分析师如何做行业间比较对比行业间某个涨跌幅分位数选择该分位数下排黎鹏名靠前的行业本质上是动量策略执业登记编码S0760523020001风格偏向偏向长期动量排名靠前且稳定性较高的行业组合邮箱lipengsxzqcom策略效果基于涨跌幅动量分位数因子策略月度选出10个行业作为看多组合平均年化超额收益为84年度胜率为100月度平均超额收益为076月度胜率为67平均信息比率为128策略超额收益的累积稳定风险提示报告结论基于历史价格信息和统计规律但二级市场受各种即时性政策影响易出现统计规律之外的走势所以报告结论有可能无法正确预测市场发展报告阅读者需审慎参考报告结论请务必阅读最后一页股票评级说明和免责声明1金融工程研究主题报告目录一策略思路41动量效应释义42因子逻辑53分位数因子计算5二策略效果61基于行业分位数对比的行业轮动策略611起始时点检验812分位数检验1013分层能力检验1214历史时间窗口检验1315因子相关性检验1416总结152基于行业分位数对比的行业轮动策略对应ETF153基于涨跌幅分位数加权重动量的行业配置策略174基于涨跌幅分位数加权重反转的行业配置策略195基于行业分位数和短期动量的行业轮动策略216基于行业分位数加短期反转的行业轮动策略237基于行业分位数加大市值的行业轮动策略268基于行业分位数加小市值的行业轮动策略28三风险提示30图表目录图1策略示意图6图2策略净值及相关指标基于涨跌幅分位数的行业配置策略7请务必阅读最后一页股票评级说明和免责声明2金融工程研究主题报告图3行业选择到的次数基于涨跌幅分位数行业配置策略8图4起始时点效果对比9图5分位数效果对比11图6N日涨跌幅百分之六十分位数与N日涨跌幅分组效果对比基准中证50012图7月度IC对比13图8历史时间窗口长度效果对比14图9因子相关性检验15图10策略净值及相关指标基于涨跌幅分位数的行业配置策略加对应ETF16图11策略净值及相关指标基于涨跌幅分位数加权重动量的行业配置策略17图12行业选择到的次数基于涨跌幅分位数加权重动量的行业配置策略18图13策略净值及相关指标基于涨跌幅分位数加权重反转的行业配置策略19图14行业选择到的次数基于涨跌幅分位数加权重反转的行业配置策略20图15策略净值及相关指标基于涨跌幅分位数加3日动量的行业配置策略21图16策略净值及相关指标基于涨跌幅分位数加20日动量的行业配置策略22图17行业选择到的次数基于涨跌幅分位数加短期动量的行业配置策略23图18策略净值及相关指标基于涨跌幅分位数加3日反转的行业配置策略24图19策略净值及相关指标基于涨跌幅分位数加20日反转的行业配置策略25图20行业选择到的次数基于涨跌幅分位数加短期反转的行业配置策略26图21策略净值及相关指标基于涨跌幅分位数加大市值的行业配置策略27图22行业选择到的次数基于涨跌幅分位数加大市值的行业配置策略28图23策略净值及相关指标基于涨跌幅分位数加小市值的行业配置策略29图24行业选择到的次数基于涨跌幅分位数加小市值的行业配置策略30请务必阅读最后一页股票评级说明和免责声明3金融工程研究主题报告一策略思路技术面因子是相对基本面因子而言的行情相关的因子行情数据具有数据量大时效性高频度快数据丰富可变性强以及可辅助基本面因子减少滞后性等特点因为指标符合大数据特征所以技术面因子和高频因子一直是量化研究的重点领域之一影响技术面指标效果的四大因素有起始时点计算指标的时间跨度历史统计的时间窗口长度以及持仓时间窗假设因子特征并不随着影响因素的变化而变化或者变化较小我们则认为因子效果是稳定的适合用作对未来的预测除了考虑因子的稳定性因子选股或者行业策略的收益情况才是最终考量理想状态下是技术面因子和未来预期收益的排序保持绝对正向或者绝对负向相关性其中包括线性和非线性的但在现实研究和真实投资中理想状态几乎不可能发生不同的市场状态或者参数一定会带来策略回测效果的差异所以因子挖掘的目的是寻找高收益且预测能力受市场影响较小的因子或者在两者之间取一个平衡1动量效应释义动量策略是买入并持有过去一段时间收益率较高的股票组合反之反转策略买入并持有的是收益率较低的股票组合动量的底层逻辑是强者恒强弱者恒弱而反转认为资产具有均值回复特性效应的有效性一直是讨论的热点除了基础理论的碰撞还有观测方法的差异对于有效市场理论来说动量反转是投资异象而行为金融学中将其解释为投资者情绪和一致预期的延续以赋予合理性测试理念的差异也会导致分析结论的不同比如有分析认为中国大陆股市并不存在明显的月度动量效应而中长期反转现象则比较突出周琳杰2002而有研究发现形成期和持有期在10到15天的动量策略有显著收益余书炜2004简而言之中国市场的动量反转效应是能长期观测到的市场特征形成的原因众说纷纭研究方法繁多常规的动量反转策略主要有几个考虑因素1对资产收益率的描述比如用绝对收益率还是相对收益率2历史时间窗口长度也就是向前计算多长时间的历史收益率作为动量的判断3组合持有的时间跨度如月度还是季度换仓虽然主要因素看起来不多但各个因素均可变化比如历史窗口和持仓时间的两两配对是指数级别复杂程度可见一斑为了研究观测到的动量特征本报告并不考虑动量策略的变种同时尽量降低复杂程度主要对投资者认可度较高的日度绝对收益进行分析虽然本文也可统计反转策略收益情况但我们认为反转策略可以通过组合或拆解等方法变换成动量策略比如V型反转可细分为两段下跌和上涨区间每个区间单独看能认作动量区间请务必阅读最后一页股票评级说明和免责声明4金融工程研究主题报告2因子逻辑如前文所述影响技术面指标效果的四大因素有起始时点计算指标的时间跨度历史统计的时间窗口以及持仓时间窗口长度为了降低路径依赖我们考虑把不同起始时点上的信息都包含进去对于动量因子来说我们想到的方法是计算全部时间点上的区间收益比如月度动量策略一般会使用换仓时点前N个交易日的区间收益率作为动量因子但是受到换仓日的影响会比较大拿月度效应为例月初和月末换仓所呈现出的动量特征差异较大并且参数N越小受到的影响越大所以我们按日滚动计算前N个交易日的区间收益希望通过增加信息量以减少一部分起点所带来的影响滚动计算一定程度的解决起始时点的问题计算指标的时间跨度历史统计时间窗口及持仓时间窗口均依赖于因子本身或结果的稳定程度因子数值越稳定这三个因素的影响就越小所以在获得不同时间点上持有相同时间长度的所有收益之后我们再计算历史数据的分位数首先分位数较短期技术面因子稳定第二包含了样本空间内的全部区间收益的整体信息分位数的引入增强了因子稳定性且降低了三大因素的影响最后我们进行行业的选择通过比较某个动量的分位数选择分位数排序靠前的行业形成行业配置组合比较分位数首先底层逻辑是动量策略因为一个行业历史涨幅靠前则分位数从大到小排序之后它也会靠前第二分位数和行业的本身风格有关比如银行行业是低波动行业那么它下跌的概率和幅度会小于其他行业该行业比如10的分位数所对应的涨跌幅就会较其他行业更高第三横截面信息对比的同时因子也包含了行业时间序列上的信息比如一个高波动的行业它的各个分位数之间的差异很大但分位数排序可能靠后而低波的行业分位数的差异较小分位数排序可能靠前综上所述通过比较滚动收益率的某分位数情况来选择行业包含了动量信息行业风格信息行业大部分历史信息并且稳定性得到了增强但是分位数方法比较的更多的是历史信息并没有按照时间加权也就是说近期的信息并没有给它更高的权重如果需要加入近期信息可以在分位数策略的结果之上再进行二次筛选3分位数因子计算本文所测试的标的为中信一级行业指数统计时间区间为2016年1月1日到2023年8月20日月度调仓分位数因子的计算步骤如下1计算单个行业指数日收益率的对数2按日向前滚动N日加总对数日收益率滚动加总包含了不同时间点作为起点的区间收益N的取值可以对应策略换仓的频率比如月度换仓策略N的取值可以是21个交易日3获得前T个交易日的区间收益分位数选取比如60分位数所对应的值作为分位数因子4因子的使用行业按照某个分位数进行排序选择排序靠前的行业作请务必阅读最后一页股票评级说明和免责声明5金融工程研究主题报告为行业组合因子计算公式及示意图如下所示滚动计算n日区间涨跌幅日涨跌幅ln分位数动量因子日分位数日区间涨跌幅图1策略示意图资料来源山西证券研究所二策略效果1基于行业分位数对比的行业轮动策略策略思路通过对比行业历史涨跌幅集合的某个分位数数值对行业进行排序选择排序靠前的行业组合作为行业动量组合策略步骤如下1回测时间段2016年1月1日到2023年8月20日2标的池中信一级行业指数3滚动加总每个行业指数的40个交易日的对数收益率4获得前200个交易日的滚动对数收益率的60分位数5按照60分位数从大到小排序选择排序靠前的行业6策略为看多行业组合行业个数为10个7基准为中证500指数8月度换仓从策略效果的统计结果上看基于涨跌幅动量分位数因子的平均年化超额收益为84年度胜率为100月度平均超额收益为076月度胜率为67平均信息比率为128策略超额收益的累积还是比较稳定的回撤主要集中在市场指数快速下跌的时间段请务必阅读最后一页股票评级说明和免责声明6金融工程研究主题报告图2策略净值及相关指标基于涨跌幅分位数的行业配置策略资料来源同花顺山西证券研究所下图为选择到的行业的次数总共92次交易中按照选择到的次数从多到少排序依次为食品饮料电子电力设备及新能源基础化工银行医药和计算机由此可见策略更偏爱波动稳定且趋势向上的中大市值的行业请务必阅读最后一页股票评级说明和免责声明7金融工程研究主题报告图3行业选择到的次数基于涨跌幅分位数行业配置策略资料来源同花顺山西证券研究所如前文所述影响技术面指标效果的四大因素有起始时点计算指标的时间跨度历史统计的时间窗口以及持仓时间窗口长度我们分别对因子进行了测试希望因子具有较强稳定性11起始时点检验下图我们统计了在不同起始时间点上原始动量因子和分位数的分组效果2016年1月1日到2023年9月1日从而进行对比请务必阅读最后一页股票评级说明和免责声明8金融工程研究主题报告图4起始时点效果对比资料来源同花顺山西证券研究所请务必阅读最后一页股票评级说明和免责声明9金融工程研究主题报告相关总结1我们对四个不同起点日期和换仓方式进行测试分别为2016年1月1日开始每20个交易日换仓2016年1月5日开始每20个交易日换仓自然月月初换仓以及自然月月底换仓2按照因子大小分为五组展示每组平均年化超额收益3原始动量因子每个换仓日计算前311204060个交易日的涨跌幅行业按照前涨跌幅从大到小排序分为五组从分组后的效果看传统动量因子年化超额收益的稳定性和单调性欠佳同时换仓方式对因子效果的影响也较大4分位数动量因子每个换仓日得出前200个交易日的311204060个交易日区间涨跌幅集合的60分位数行业按照60分位数的值从大到小排序分为五组从分组后的效果看分位数动量因子年化超额收益的稳定性和单调性较好靠前的2组能稳定跑赢后3组四种换仓方式对因子效果的影响也较小区间跨度大于11个交易日的组别效果趋于稳定5总体上看分位数动量因子较原始动量因子稳定性上有明显提升并且对换仓方式不敏感12分位数检验下图表展示了不同分位数的分组效果统计步骤如下1回测时间段2016年1月1日到2023年8月20日2标的池中信一级行业指数3滚动加总每个行业指数的311204060个交易日的对数收益率4获得前200个交易日的滚动对数收益率的10-90的分位数5按照某分位数从大到小排序分为5组6基准为中证500指数7月度换仓8开始日期为2016年1月1日分位数因子的计算有三个主要参数首先是分位数的选择第二是滚动时间窗口第三个是计算分位数前推的历史时间窗口长度本部分对分位数参数做了相应测试相关总结如下1大部分分位数排序后靠前的行业组合能稳定跑赢后3组2滚动时间窗口大于11个交易日的前两组的超额收益更加明显单调性更强因为策略是月度换仓策略所以对应的时间区间更长较符合逻辑3整体上看50-80分位数的第一二组别的超额收益更高4策略并不是在某几个参数下有效所以对分位数参数敏感度不高综上所述策略对分位数参数不敏感在不同的滚动时间窗口下均能表现出单调性从分组收益上看效果较好的组别为50-80分位数请务必阅读最后一页股票评级说明和免责声明10金融工程研究主题报告图5分位数效果对比资料来源同花顺山西证券研究所请务必阅读最后一页股票评级说明和免责声明11金融工程研究主题报告13分层能力检验为了更好的观察分位数动量因子和普通动量因子效果上的差别我们进行了分层及IC统计统计步骤如下1回测时间段2016年1月1日到2023年8月20日2标的池中信一级行业指数3滚动加总每个行业指数3和40个交易日的对数收益率和区间收益率4获得前200个交易日的滚动对数收益率的60的分位数5按照60分位数从大到小排序分为3组6基准为中证500指数7月度换仓8开始日期为2016年1月1日相关总结如下13个交易日的分位数最大组别的超额收益高于中间组别和最小组别并且呈现出单调性对比3个交易日的分组效果来看单调性更好且最大组别的超额收益更明显240个交易日的分位数因子分层能力较3个交易日的更强且对普通区间涨跌幅的优势更加明显3滚动时间跨度对策略最终效果的影响不大图6N日涨跌幅百分之六十分位数与N日涨跌幅分组效果对比基准中证500资料来源同花顺山西证券研究所下图为原始动量因子和分位数因子的月度IC情况IC描述的是预期排序与未来行业涨跌幅排序的相关性3个交易日动量的月度IC均值为33个交易日60分位数的月度IC为1从这点上看分位数因子在短期动量上并未有单调性的明显改进但是40个交易日的月度IC为-0140个交易日60分位数的月度IC为49中长期动量因子的IC增强明显请务必阅读最后一页股票评级说明和免责声明12金融工程研究主题报告图7月度IC对比资料来源同花顺山西证券研究所14历史时间窗口检验以下图表展示了不同历史时间窗口的分组效果统计步骤如下1回测时间段2016年1月1日到2023年8月20日2标的池中信一级行业指数3滚动加总每个行业指数的311204060个交易日的对数收益率4获得前3060100200400个交易日的滚动对数收益率的60的分位数5按照60分位数从大到小排序分为5组6基准为中证500指数7月度换仓8自然月月底调仓分位数因子的计算有三个主要参数首先是分位数的选择第二是滚动时间窗口第三个是计算分位数前推的历史时间窗口长度本部分对分位数前推的时间窗口长度做了相应测试相关总结如下1前推大于60个交易日组别效果呈现出较好的单调性前三组能跑赢后两组2大于200个交易日在不同请务必阅读最后一页股票评级说明和免责声明13金融工程研究主题报告的滚动时间窗口下均能保持单调性3超额收益比较明显的组别有集中在前推200个交易日以上滚动时间窗口大于40个交易日的部分图8历史时间窗口长度效果对比资料来源同花顺山西证券研究所15因子相关性检验我们按年度统计了动量因子和分位数因子的相关性统计步骤如下1回测时间段2021年1月1日到2023年8月20日2标的池中信一级行业指数3滚动加总每个行业指数的311204060个交易日的对数收益率以及涨跌幅4获得前200个交易日的滚动对数收益率的60的分位数5计算月度因子数值相关性6计算当年月度相关性的均值相关总结如下1动量因子相互之间的相关性较高但分位数因子和原始动量因子的相关性并不高2分位数因子之间的相关性十分高这也说明了分位数因子的稳定性3分位数因子和动量因子与市值因子之间的相关性均比较低这也表示策略的超额收益并不完全来源于市值方面的风格暴露请务必阅读最后一页股票评级说明和免责声明14金融工程研究主题报告图9因子相关性检验资料来源同花顺山西证券研究所16总结通过对分位数参数滚动时间窗口计算分位数前推的历史时间窗口长度以及起始时间的相关效果统计我们发现分位数动量因子的有效性和稳定性较原始动量因子有明显的提升甚至对多个因素的变化表现出不敏感由此可见分位数动量策略能选出稳定具有超额收益的行业组合2基于行业分位数对比的行业轮动策略对应ETF为了测试因子在可交易标的中的效果我们将ETF与中信一级行业进行了映射策略思路通过对比行业历史涨跌幅集合的某个分位数数值对行业进行排序选择排序靠前的行业组合作为行业动量组合策略步骤如下1回测时间段2016年1月1日到2023年8月20日2标的池中信一级行业对应的ETF3滚动加总每个行业指数的40个交易日的对数收益率4获得前200个交易日的滚动对数收益率的60分位数5按照60分位数从大到小排序选择排序靠前的行业6策略为看多行业组合行业个数为10个7基准为中证500指数8月度换仓9ETF对应方法计算ETF成分股在中信一级行请务必阅读最后一页股票评级说明和免责声明15金融工程研究主题报告业中的占比选择占比高且总规模大的作为该行业对应的ETF从策略效果的统计结果上看基于涨跌幅动量分位数因子的平均年化超额收益为844年度胜率为100月度平均超额收益为069月度胜率为67平均信息比率为11策略超额收益的累积还是比较稳定的回撤主要集中在市场指数快速下跌的时间段图10策略净值及相关指标基于涨跌幅分位数的行业配置策略加对应ETF资料来源同花顺山西证券研究所因为分位数因子所含信息均为历史信息为了考虑近期市场变化情况以下策略测试了在分位数因子看多组合的基础上再精选5个行业的效果请务必阅读最后一页股票评级说明和免责声明16金融工程研究主题报告3基于涨跌幅分位数加权重动量的行业配置策略策略思路通过对比行业历史涨跌幅集合的某个分位数数值对行业进行排序选择排序靠前的行业组合作为行业动量组合然后再从动量组合中选择市值环比上升较多的行业图11策略净值及相关指标基于涨跌幅分位数加权重动量的行业配置策略资料来源同花顺山西证券研究所请务必阅读最后一页股票评级说明和免责声明17金融工程研究主题报告策略步骤如下1回测时间段2016年1月1日到2023年8月20日2标的池中信一级行业指数3滚动加总每个行业指数的40个交易日的对数收益率4获得前200个交易日的滚动对数收益率的60分位数5按照60分位数从大到小排序选择排序靠前的10个行业6计算行业近一个月的总市值相对于再上一个月的差异从10个行业中选取市值上升最多的5个行业7基准为中证500指数8月度换仓从策略效果的统计结果上看基于涨跌幅动量分位数因子的平均年化超额收益为625年度胜率为100月度平均超额收益为057月度胜率为62平均信息比率为066策略超额收益的波动率较高下图为选择到的行业次数总共92次交易中按照选择到的次数从多到少排序依次为食品饮料家电电力和新能源建材和煤炭相较于原始策略行业更偏向中等市值行业图12行业选择到的次数基于涨跌幅分位数加权重动量的行业配置策略资料来源同花顺山西证券研究所请务必阅读最后一页股票评级说明和免责声明18金融工程研究主题报告4基于涨跌幅分位数加权重反转的行业配置策略策略思路通过对比行业历史涨跌幅集合的某个分位数数值对行业进行排序选择排序靠前的行业组合作为行业动量组合然后再从动量组合中选择市值环比下降较多的行业图13策略净值及相关指标基于涨跌幅分位数加权重反转的行业配置策略资料来源同花顺山西证券研究所策略步骤如下1回测时间段2016年1月1日到2023年8月20日2标的池中信一级行业指数3滚动加总每个行业指数的40个交易日的对数收益率4获得前200个交易日的滚动对数收益率的请务必阅读最后一页股票评级说明和免责声明19金融工程研究主题报告60分位数5按照60分位数从大到小排序选择排序靠前的10个行业6计算行业近一个月的总市值相对于再上一个月的差异从10个行业中选取市值下降最多的5个行业7基准为中证500指数8月度换仓从策略效果的统计结果上看基于涨跌幅动量分位数因子的平均年化超额收益为1023年度胜率为100月度平均超额收益为095月度胜率为70平均信息比率为107策略超额收益的累积还是比较稳定的尤其近五年的超额收益明显下图为选择到的行业次数总共92次交易中按照选择到的次数从多到少排序依次为食品饮料家电石油石化煤炭和电子相较于原始策略行业之间的次数差异较小图14行业选择到的次数基于涨跌幅分位数加权重反转的行业配置策略资料来源同花顺山西证券研究所请务必阅读最后一页股票评级说明和免责声明20