风格轮动与行业配置-20180314-申万宏源-23页-2mb

风格轮动与行业配置总结

核心内容

本文围绕风格轮动与行业配置展开分析，提出了一种基于行业距离矩阵和相对强弱指标的量化模型，旨在通过识别不同行业之间的关系和趋势，优化资产配置策略。

主要观点

• 行业距离矩阵：通过计算行业之间的相关系数，构建行业距离矩阵，揭示行业之间的相对关系。银行是所有行业中距离最远的，与其余行业呈负相关，而食品饮料作为防御性行业，距离同样较远。
• 风格轮动：通过相对强弱（RS）指标，结合技术分析工具（如均线、布林轨、MACD），识别风格的轮动趋势。通过四象限分析方法，可以判断行业在风格轮动中的位置。
• 量化模型改进：基于风格轮动与BL（Black-Litterman）模型，对行业配置策略进行改进。通过将行业映射至金融、周期、消费、成长四大风格板块，并结合相对强弱曲线的斜率指标，构建更稳健的行业配置模型。
• 行业配置策略表现：该策略自2011年以来表现良好，年化超额收益达13.90%，月均超额收益为1.15%，2018年截至3月13日超额收益为5.88%。

关键信息

行业距离矩阵

• 行业之间的距离由相关系数计算得出，公式为 $D = \sqrt{2 \times (1 - p)}$，其中 $p$ 为相关系数。
• 银行是距离最远的行业，与所有行业呈负相关。
• 食品饮料与钢铁距离最远，分别代表非周期和周期行业。

风格轮动分析

• 风格轮动主要体现在金融、周期、消费、成长四大板块之间的相对强弱关系。
• 通过相对强弱指标（RS1、RS2、RS3）及多项式拟合，可构建相对稳健的四象限状态图。
• 三角函数拟合虽然拟合度高，但稳定性较差，不适合用于判断趋势。
• 使用移动平均过滤后，再进行移动窗口内的一次方程拟合，可获得更稳健的导数替代指标。

行业配置策略

• 样本空间：申万一级行业
• 回溯区间：2010年12月31日 - 2018年3月13日
• 市场基准：申万A指
• 策略步骤：
  1. 分别计算金融、周期、消费、成长风格特征指数及其相对强弱指数。
  2. 通过四象限分析方法计算平滑后相对强弱曲线的斜率 $\beta1$ 和其斜率 $\beta2$。
  3. 根据四象限中相对强弱曲线位置进行判断。
  4. 根据四大板块多空信号，筛选与做多风格板块相关性高的行业进入组合。
  5. 根据BL模型进行权重优化，定期调仓。

策略表现

• 2011年以来，行业组合年化超额收益达13.90%，月均超额收益为1.15%。
• 2018年截至3月13日，超额收益为5.88%。
• 分年度表现如下：
  • 2011年：超额收益8.88%
  • 2012年：超额收益-0.44%
  • 2013年：超额收益23.89%
  • 2014年：超额收益38.84%
  • 2015年：超额收益6.01%
  • 2016年：超额收益3.52%
  • 2017年：超额收益29.05%
  • 2018年（截至3月13日）：超额收益5.88%

风格与行业的映射

• 将行业映射至四大风格板块，通过计算各行业与风格指数的距离进行映射。
• 行业与风格的映射关系可能随市场变化而变化，需定期调整。

行业与风格映射关系

信息与声明

• 证券分析师承诺：曹春晓为申万宏源研究署名分析师，具有合法证券投资咨询执业资格，独立、客观出具报告。
• 公司信息：隶属于申万宏源证券有限公司，具有证券投资咨询业务许可。
• 利益冲突声明：本公司可能与报告提及的投资标的存在利益冲突，不构成投资建议。
• 版权声明：本报告版权归申万宏源研究所有，未经授权不得复制、转载或用于其他用途。

联系方式