本文以“行为金融学”视角研究行业轮动的“月份效应”,创新地将月份效应因子融入传统金融模型。http://www.hibor.com.cn【慧博投研资讯】行业“月份效应”体现了生产和消费节奏在月频上相对固定概率分布,将其与传统多因子模型的技术确认性因子、基本面长期性因子结合,建立行业轮动策略,取得了较好表现,填补了研究空白。http://www.hibor.com.cn(慧博投研资讯)
通过对各指数2005.1-2020.4月频的涨跌幅归一化得到强弱分数,并引入“欧氏距离”测度归一化后的各行业与基准的弹性系数。主要结论:(1)沪深300指数表现最强的月份为4月、12月;表现最弱的月份为6月、8月。(2)沪深300指数与道琼斯工业指数月份效应的同步涨跌的概率为75%。(3)食品饮料行业以最高1.92%的月均涨幅和最高累计9次的强势轮动,排名第一。
细分行业的“月份效应”:(1)电子板块一季度最具超额收益,其高弹性受益于全年一季度通常对应较宽松的市场流动性环境;(2)农林牧渔在2、7月超额收益最大,这与CPI月度环比两个高峰2、7月正相吻合。(3)房地产在3、11月超额收益最大,这与房地产销售面积月度环比高峰的3月小阳春,金9银10的规律相符。(4)银行在6、12月成为避险必备,其表现挂钩市场流动性;(5)食品饮料全年领先,二季度更是一枝独秀。(6)医药上半年强于下半年,且冬春之交,夏秋之交更显换季效应。(7)家电板块围绕销量,2—6月和10—次年1月的超额收益,来自两轮家电月度销量的上升周期。(8)建材板块2、11月超额收益最大,总比房地产新开工3、12月提前1个月启动。
策略1和策略2:“月份效应”的行业轮动策略,略跑赢沪深300指数。将样本划分为训练区(2005-2016)和测试区(2017-2020.4),策略1和2分别设定为:每月按训练区月份效应得分最高的前3个行业、前10个行业,同时满足分数高于沪深300指数,且月均收益为正等权重配置。策略1(累计收益率29.1%/年化8.2%)和策略2(累计收益率27.3%/年化7.7%)均略跑赢了同期沪深300指数(累计18.1%/年化5.3%),其胜率均未超过50%,盈亏比均为1.4,最大回撤在10%,在牛市能获得显著超额收益,但熊市未能取得超额收益。
策略3和策略4:采用盈利类、成长类、估值类、营运能力类、月份效应类、技术面类(独家研发技术指标)多因子,相对策略1和2得到优化。策略3的因子权重倾向于技术类,策略4的因子权重倾向于基本面类,均每月选择3个行业等权重配置。策略3(累计收益率76.0%/年化19.1%)和策略4(累计收益率66.5%/年化17.0%)表现进一步优化。策略3在下行趋势未发出配置信号,使得回撤得以控制,最大回撤为6.8%,仅能在牛市中跑赢基准,盈亏比为2.8,高于策略4的1.7。策略4则在牛熊阶段均能跑赢基准,体现了基本面因子在挖掘长期趋势上的优势,胜率为57.5%,高于策略3的47.5%,但其最大回撤相对策略3较大,为14.2%,且在牛市表现中略低于策略3。
风险提示:量化策略算法全部基于历史数据规律推导,模型的历史应用不能代表未来,因此存在模型偏差带来的风险