“摘要:行业的相对估值指标与下一期收益率的IC均值在99%置信度水平下显著不为0,且IC均值高达0.0872,IC为正的比例为62.70%,IR值为0.2599。最后,结合集中度指标和相对估值指标构建行业轮动策略,每20个交易日换仓一次。本文发现,2017年至今,A股市场基本上不存在高集中度低相对。” 1. 本文基于A股市场上行业的拥挤交易现象,构建行业轮动策略。 2. 本文借鉴Kinlaw(2019)“资产集中度”指标的构建方法,构造“集中度”因子测量行业拥挤程度,与Kinlaw(2019)不同的是,本文认为在A股市场,集中度指标并不能识别出泡沫,反而能选出交易热度高和行情活跃的强势行业;进一步评价了集中度指标在预测行业未来收益率的有效性,并结合相对估值指标构建了适用于A股的行业轮动策略。 3. 首先,利用我国股票市场申万一级行业收益率样本矩阵,使用主成分分析法(PCA)计算整个市场的吸收比率以及各个行业的集中度;集中度指标通过分析过去一段时间行业指数收益率的波动性和关联性,推断行业拥挤交易程度。 4. 本文发现,总吸收比率与沪深300指数的走势呈明显的反向变动趋势,可以反映市场系统性风险变化的状况;接下来,展示了2015年07月10日至2021年11月30日期间28个申万一级行业的集中度曲线,集中度曲线准确体现了各个行业的交易热度和行情活跃度。 5. 其次,通过信息系数分析可知,集中度指标与行业下一期收益率存在显著的正相关性。 6. 2015年01月01日到2021年11月30日期间,行业的集中度指标与下一期收益率的IC均值达到0.0523,在99%置信度水平下显著不为0;IC为正的比例为60.67%,IR值为0.2104;分组检验显示,组1、组2、组4和组5保持明显的单调性,组3即中等水平集中度的分组表现最差。 7. 行业的相对估值指标与下一期收益率的IC均值在99%置信度水平下显著不为0,且IC均值高达0.0872,IC为正的比例为62.70%,IR值为0.2599。 8. 最后,结合集中度指标和相对估值指标构建行业轮动策略,每20个交易日换仓一次。 9. 本文发现,2017年至今,A股市场基本上不存在高集中度低相对估值的行业,“高集中度低估值”策略在A股市场不适用;“高集中度高估值”组合表现优异,2019年之后组合净值增长较快。 10. “高集中度高估值”组合的收益远远高于“高集中度”组合和“高估值”组合的收益,说明两个指标的结合更能区分出拥挤交易行业中具有良好发展潜力的行业。 11. 2017年至今,“高集中度高估值”策略年化收益率为19.47%,远高于行业等权重组合的年化收益率3.23%和沪深300指数的年化收益率8.56%。 12. 与等权重行业组合和沪深300指数相比,其波动率更小,夏普比率更高,最大回撤更小。 13. 总的来说,“高集中度高估值”的行业轮动策略具有很好的收益表现,且风险控制能力较强。 14. 风险提示:本文的研究是基于对历史数据的统计和分析,因子的历史收益率不代表未来收益率。 15. 若市场环境发生变化,因子的最终表现可能发生改变。
Copyright © 2014-2021 侠盾智库&侠盾研报网. All Rights Reserved. Power by Www.xiadun.Net 客服邮箱:yanbao_service@163.com