基于拥挤度判断的行业轮动策略.docxVIP

基于拥挤度判断的行业轮动策略 本文是资产配置系列报告第四篇。在此前发布的报告《资产配置研究系列之二：基于行业动量的固收加产品设计》中，我们详细阐述了用截面动量解决行业轮动问题的有效性和普适性。结合文献和测算结果，我们发现：动量组合的表现与市场状态的持续时长相关，市场状态持续越久，动量组合在市场风险上的暴露就越大，即动量策略最容易在市场状态转变时产生损失。据此，我们发现判断市场拥挤度是规避动量失效的一个有效思路，于是使用万得全A（881001）换手率在历史上的分位数表示市场拥挤度，当万得全 A 过去 5 年（按 1250 个交易日计）的换手率分位值上穿特定阈值时，动量失效预警信号生成，此时模型判断动量策略可能失效，为稳健性考虑将使用其他替代策略规避可能发生的回撤风险，比如等权投资所有行业。这种方法的优势在于能够预判关键市场状态切换场景，在较长的时间维度上起到降低回撤、提升收益的效果。 诸如全市场换手率、成交量等指标常被用来判断市场整体的拥挤情况，但并不容易刻画单个行业的拥挤程度。实际上，强势行业的切换有时并非来自于整个市场的拥挤，而是来自于局部行业的拥挤（比如 2015 年的计算机、 2020 年的食品饮料）。对于这种情况，全市场拥挤指标很难做出有效反应。本文试图构建单个行业的拥挤度指标，同时在此基础上拓宽全市场拥挤指标的刻画维度，使用市场+行业双拥挤信号提升行业动量策略的有效性。 本文借鉴William Kinlaw、Mark Kritzman、David Turkington 于 2019 年发表的文章《Crowded Trades: Implications for Sector Rotation and Factor Timing》，结合主成分分析（PCA）方法计算出各行业的资产集中度指标，并进一步得到行业拥挤度分散度因子。其中，资产集中度指标用来描述单行业拥挤状况，行业拥挤度分散度因子将与换手率指标结合共同刻画全市场拥挤度。从结果来看，市场+行业双拥挤信号能够帮助动量组合规避整体以及单个行业的拥挤阶段，优化动量因子长期表现。 中期动量行业轮动组合表现优异，2017 年以来“反转行业”占比降低 动量因子的定义和有效性初探 动量效应（Momentum Effect）也称“惯性效应”，指资产收益率有延续原本运动方向的趋势，过去一段时间表现 “好”的资产未来获得的收益率将持续高于过去表现“差”的资产。基于动量效应，投资者可以通过买入过去表现好的资产、卖出过去表现差的资产获利，这种利用动量效应构造的投资策略被称为动量投资策略。 年度动量效应在行业层面可能有效，捕捉动量效应和规避动量崩溃是决定动量策略表现的关键因素。为了说明动量效应在行业轮动上的有效性，本文首先展示了 28 个中信一级行业（不含综合、综合金融）分年收益率在截 面上的排名情况。我们发现，有些行业可以在 1 年甚至更久的窗口取得超越截面均值的表现，比如 2021 年 2 月回调前的食品饮料、2020 年以来的电新、电子；也有些行业蛰伏良久后才迎来爆发行情。拉长时间来看，没有任何一个行业能取得长期优于大盘的表现，上一年度的冠军行业本年有可能出现大幅回调，上一年度表现不尽人意的行业本年也可能迎来“野百合的春天”。捕捉动量效应和规避动量崩溃是动量策略表现的决定因素。 表 1：2009-2022M5 中信一级行业分年收益率 行业名称 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021  2022 M1-5 石油石化 75% -5% -24% 0% 7% 24% 3% -1% 2% -19% 9% 3% 17% -1% 煤炭 173% -5% -26% -3% -40% 32% -8% 0% 19% -29% 15% 8% 45% 30% 有色金属 181% 20% -42% 13% -30% 46% 16% -8% 11% -41% 24% 33% 46% -11% 电力及公用事业 51% -9% -21% 10% 13% 63% 18% -17% -4% -28% 8% 2% 26% -11% 钢铁 100% -26% -29% -3% -16% 69% -6% -7% 15% -28% 3% 9% 42% -13% 基础化工 100% 1% -31% -1% 8% 33% 80% -10% -9% -35% 24% 36% 48% -15% 建筑 39% -3% -30% 22% -10% 100% 16% -3% -6% -28% 0% -7% 22% -1% 建材 125% 14% -31% 3% -6% 37% 44% -8% 12% -31% 53% 28% 9% -15% 轻工制造