1、 择时择时研究研究 权益量化研究权益量化研究 证券研究报告证券研究报告 专题报告专题报告 2018 年年 05 月月 18 日日 巧用均线：趋势跟踪新视角巧用均线：趋势跟踪新视角 均线排列在择时、风格和行业上的应用 相关研究相关研究 证券分析师证券分析师 丁一 A0230514070006 联系人联系人 丁一(8621)232978187487 主要结论主要结论：均线均线发现趋势。发现趋势。均线过滤价格噪音，保留趋势，但信号天然滞后，敏感性差。长均线平滑度好，但敏感性差，短均线敏感性好，但平滑度差，两者不可兼得。本文尝试搭建既能跟踪市场的主要趋势，同时在市场拐点能够及时响应的均线系统。趋势跟踪
2、新视角趋势跟踪新视角。均线排列打分（MASS）模型通过分析均线之间的相对关系对市场进行状态跟踪，实现对市场趋势方向和强弱的定量描述。模型实现了长短期均线的优势互补，既保留了长均线对主要趋势的跟踪，同时保留了趋势拐点处短均线的高敏感度。均线排列均线排列择时择时。MASS 择时模型在趋势变强（弱）时做多（空），在上证综指、上证 50、沪深 300、创业板等主要宽基指数以及申万一级行业上择时效果理想，其中上证综指 2002年以来多空年化收益率 22%，夏普比率 0.82。均线排列判断均线排列判断风格风格。（1）MASS 模型可对大小盘风格的相对强弱进行跟踪。（2）大小盘相对强弱的长期趋势较弱，且不稳
3、定。（3）短期轮动效应显著，基于 MASS 模型的轮动组合年化收益率 40%，夏普比率 1.58，考虑交易成本后，年化收益率 33%，夏普比率 1.29。均线排列选择均线排列选择行业。行业。（1）MASS 模型可对申万一级行业进行强弱排序。（2）日、周、月频率下，行业均存在动量效应，但逐步减弱，排序分组后，秩相关系数分别为 0.97、0.84和 0.68。（3）选择 MASS 积分靠前的 5 个行业构建行业组合，日、周、月频率下，相对申万 A 指的年化超额收益分别为 16%、9%和 7%，信息比率分别达到 1.68、0.91 和 0.73。请务必仔细阅读正文之后的各项信息披露与声明 权益量化研
4、究 请务必仔细阅读正文之后的各项信息披露与声明 第 2 页 共 26 页 简单金融 成就梦想 1.均线：发现趋势均线：发现趋势.3 1.1 均线：对趋势的跟踪.3 1.2 均线周期怎么选？.3 1.3 简单均线系统的弊端：信号天然滞后.5 2.均线排列打分：趋势跟踪新视角均线排列打分：趋势跟踪新视角.6 2.1 从单均线到多均线.6 2.2 均线排列打分：对市场趋势的理想刻画.7 2.3 MASS 择时量化模型.9 2.4 均线缠绕判断趋势强弱.11 2.5 结合均线缠绕的 MASS 择时模型.12 2.6 小结.12 3.MASS 模型在主要宽基和行业择时上的应用模型在主要宽基和行业择时上的
5、应用.13 3.1 主要宽基指数的择时效果.13 3.2 行业择时效果.17 4.MASS 模型在风格轮动上的应用模型在风格轮动上的应用.18 4.1 MASS 模型对大小盘风格强弱的刻画.18 4.2 大小盘风格相对强弱的长期趋势性不强.19 4.3 MASS 模型在大小风格轮动上的应用.19 5.MASS 模型在行业轮动上的应用模型在行业轮动上的应用.21 5.1 如何用 MASS 模型给出行业强弱排序？.21 5.2 行业是否存在动量效应？.22 5.3 行业动量能维持多久？.23 目录目录 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 3 页 共 26 页 简单金融 成
6、就梦想 1.均线均线：发现：发现趋势趋势 1.1 均线均线：对趋势的跟踪：对趋势的跟踪 在正式开始讨论之前，首先给本文所指的均线给出明确定义。本文采用移动均线（Moving Average，简称 MA）的概念，数据频率为日频，假设价格（或指数）时间序列为 P(1)、P(2)、P(3)P(t)，t 日的 N 天均线定义为过去 N 个交易日价格的算术平均值，即：MA(N,t)=P(t-N+1)+P(t-N+2)+P(t-1)+P(t)/N 均线指标是最简单的技术指标之一，属于趋势指标的一种，通过对过去一段时间的价格取平均，可以过滤掉股价短期扰动，得到相对平滑的曲线，从而实现对价格趋势的跟踪。1.2
7、 均线周期怎么均线周期怎么选选？均线周期的选择取决于投资者想要跟踪长期大趋势还是意图抓取短期波段，长均线跟踪长期趋势，短均线抓小波段。均线周期越长，均线越平滑，但是中短期小幅震荡的波段被过滤出去；均线周期越短，短期的波段行情被展示出来，但均线本身起伏较大。下图展示了 2015 年以来沪深 300 指数的月均线和半年均线。半年线呈现 3 段年度级别的趋势：2015 年 9 月之前的上升趋势，2015 年 9 月至 2016 年 7 月的下降趋势，2016 年 7 月以来的上升趋势。相比半年线，月线则抓住了更多的波段，尤其是 2016 年 2 月之后，月度级别的小幅波段均被保留下来。图图 1：沪深
8、沪深 300 指数指数及其及其均线均线 资料来源：申万宏源研究 从择时的角度出发，选择不同周期的参数将产生不同的择时效果。200025003000350040004500500055006000沪深300MA20MA120 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 4 页 共 26 页 简单金融 成就梦想 以简单的单均线择时模型为例，假设股价上穿均线做多，下穿均线做空，本文以沪深 300 日数据为样本，测试了 20 日和 120 日单均线择时模型在 2002 年以来回测效果，假设可做空。如果不考虑交易成本，短均线在无明显趋势的行情中抓取短期波段的效果优于长均线，在趋势逆转时
9、信号更加及时，回撤小于长均线模型。但短均线模型信号切换过于频繁，20 日均线信号共切换 372 次，120 日均线信号共切换 120 次，假设交易成本为千三，20 日均线换手产生的交易费用几乎吞噬了所有收益。长均线的优势是强趋势行情中信号稳定，换手率低，交易成本影响小，缺陷是市场拐点处信号滞后严重。图图 2：20 日单均线日单均线择时模型在沪深择时模型在沪深 300 指数指数上的回测效果图上的回测效果图 资料来源：申万宏源研究 图图 3：120 日单均线日单均线择时模型在沪深择时模型在沪深 300 指数指数上的回测效果图上的回测效果图 资料来源：申万宏源研究 表表 1 1：单均线择时模型在单均
10、线择时模型在沪深沪深 300300 指数指数上回测结果统计表上回测结果统计表 MA20 多空择时（不计多空择时（不计成本）成本）MA20 多空择时（千三多空择时（千三成本）成本）MA120 多空择时（不多空择时（不计成本）计成本）MA120 多空择时（千多空择时（千三成本）三成本）总收益 3599.07%296.20%2391.41%1115.70%年化收益率 24.89%8.85%21.89%16.62%权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 5 页 共 26 页 简单金融 成就梦想 年化标准差 26.03%26.17%25.71%25.74%最大回撤-38.69%-5
11、9.55%-36.06%-51.77%夏普比率 0.84 0.22 0.73 0.53 资料来源：申万宏源研究资料来源：申万宏源研究 1.3 简单简单均线系统均线系统的的弊端：信号弊端：信号天然天然滞后滞后 均线指标仅用到过去 N 个交易日的价格数据，并未用到任何市场预期数据，因此均线系统仅能对当前的趋势进行跟踪，并不具备任何预测功能。当趋势发生逆转时，由于包含了大量过去的信息，均线信号通常不够灵敏，天然滞后于价格的变化，即所谓的右侧交易系统。选用的均线周期越长，包含的过去信息越多，对价格变化的敏感性越低，信号越滞后。如下图所示，由于均线信号滞后的缺陷，基于均线的择时模型在市场趋势切换时必然会
12、产生错误信号，尤其是价格突然且大幅逆转时，择时模型效果非常不理想，例如 2007 年和 2015 年的牛熊转换阶段。此外，在价格来回震荡阶段，均线的正确信号尚未持续足够长时间，趋势已经开始逆转，但均线来不及切换信号，择时效果也相对较差。图图 4：单均线单均线择时择时信号随价格信号随价格变化示意图变化示意图 资料来源：申万宏源研究 综上所述，均线的优势在于过滤价格噪音，保留趋势，即均线更加平滑；均线劣势在于包含大量历史信息，信号天然滞后，及敏感性差。这两点类似于一个硬币的正反面，不可兼得，长均线平滑度好，但敏感性差，短均线敏感性好，但平滑度差。所以本文的目的在于找到两者之间的平衡点，尝试搭建既能
13、跟踪市场的主要趋势，同时在市场拐点能够及时响应的均线系统。均线均线股价股价时间价格上穿上穿均线均线做多做多下穿均下穿均线做空线做空做空做空错误错误信号信号做多做多正确正确信号信号做多做多错误错误信号信号做空做空正确正确信号信号 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 6 页 共 26 页 简单金融 成就梦想 2.均线排列均线排列打分打分：趋势趋势跟踪跟踪新视角新视角 2.1 从单均线从单均线到多均线到多均线 针对第一节提出的单均线模型中短均线和长均线利弊如何均衡的问题，一种自然而然的想法是：如果同时使用短均线和长均线，可否解决上述矛盾？为了便于下文进行比较，先对模型进行标
14、准化处理。对于单均线系统，涉及两条线：股票价格时间序列和 1 条均线。单均线系统只有多空两种状态，将状态量化并标准化到 0-100，看多记为 100 分，看空记为 0 分。即股价大于均线，得分为 100，股价小于均线，得分为 0。首先我们尝试双均线系统，并比较与单均线系统的差异。双均线系统包含价格时间序列 S 和 2 条均线，MA_1 和 MA_2，按照周期从短到长排列，价格序列本身可以看做周期为 1 的均线，是周期最短的均线。为了简便起见，本文只比较相邻的两根均线，即比较 S 和 MA_1，MA_1 和 MA_2，分别打分，将两组得分相加，标准到 0-100。一共会产生三种可能的状态，两组均
15、看多得分为 100，有一组空一组多记为 50 分，两组均看空记为 0 分。按照类似的方法，我们可以得到多均线（K 根均线）系统下市场的状态值，市场可以被分成 K+1 种状态，状态从最弱到最强的得分分别为 0、1/K*100、2/K*100、(K-1)/K*100、100。下图展示了周期为 240 日的单均线，以及其周期被不断对半分，得到的 2、4、8 根均线系统下沪深 300 的得分值。如图所示，随着均线数量的增加，原先离散的状态变得越来越连续，对市场状态的描述越来越细致；随着均线数量的增加，原先多空的定性模型变得越来越定量，得分越高代表趋势越强；随着均线数量的增加，系统的敏感性越来越高，信号
16、滞后时间越来越短。图图 5：从单均线系统到从单均线系统到多根均线系统多根均线系统沪深沪深 300 的的状态变化图状态变化图 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 7 页 共 26 页 简单金融 成就梦想 资料来源：申万宏源研究 2.2 均线均线排列打分排列打分：对市场对市场趋势的理想趋势的理想刻画刻画 为了将多均线的特征表现到最极致，本文将均线数量取最大，在确定最长均线周期 N 的条件下，用满 N 根均线，即相邻的两根均线周期差一天。本文称之为周期为N 的均线排列打分模型，下文简记为 MASS_N。下图展示了沪深 300 指数和 MASS_240 的得分变化图，如图所示
17、，MASS 模型达到了对沪深 300 指数趋势的方向和强弱进行精细化刻画的理想效果。一方面，实现了长均线对主要趋势的跟踪，过滤掉了短期价格的扰动。另一方面，在市场的拐点处，MASS 模型反映灵敏，基本实现了同步跟踪。下表统计了在 MASS_240 模型下沪深 300 指数自 2002 年以来主要趋势划分的统计结果，在 16 年的时间里，MASS 模型供将沪深 300 指数切分成 19 个主要趋势阶段，成功率 100%，平均趋势持续时间为 313 天（自然日），其中最短趋势持续150 天，最长持续 872 天。平均涨跌幅度 61%，其中最大波动幅度 570%，最小波动幅度 11%。图图 6：沪深
18、沪深 300 指数及其指数及其 MASS_240 得分得分图图 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 8 页 共 26 页 简单金融 成就梦想 资料来源：申万宏源研究 表表 2 2：MASSMASS_240_240 模型下模型下沪深沪深 300300 指数指数 20200202 年年以来主要趋势以来主要趋势划分划分统计结果统计结果 均线排列趋势方向均线排列趋势方向 开始日期开始日期 结束日期结束日期 沪深沪深 300 区间涨跌幅区间涨跌幅 持续天数持续天数 向下 2002/1/4 2003/1/7-18%368 向上 2003/1/8 2003/6/9 12%152 向
19、下 2003/6/10 2003/11/18-14%161 向上 2003/11/19 2004/4/15 20%148 向下 2004/4/16 2005/6/1-37%411 向上 2005/6/2 2007/10/22 569%872 向下 2007/10/23 2008/10/28-69%371 向上 2008/10/29 2009/8/17 89%292 向下 2009/8/18 2010/7/15-18%331 向上 2010/7/16 2011/4/28 21%286 向下 2011/4/29 2012/1/5-29%251 向上 2012/1/6 2012/6/4 12%150
20、 向下 2012/6/5 2012/12/3-18%181 向上 2012/12/3 2013/6/14 15%193 向下 2013/6/17 2014/6/27-11%375 向上 2014/6/30 2015/6/18 128%353 向下 2015/6/19 2016/3/11-35%266 向上 2016/3/14 2018/2/1 38%689 向下 2018/2/2 2018/5/11-9%98 资料来源：申万宏源研究资料来源：申万宏源研究 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 9 页 共 26 页 简单金融 成就梦想 2.3 MASS 择时择时量化量化模
21、型模型 上一节通过图形直观展示了 MASS 模型对市场主要趋势的划分，本节尝试构建完全定量的 MASS 量化择时模型。模型基本理念：顺势而为！顺势而为是趋势交易的基本原则，具体到 MASS 模型，方法是在 MASS 得分上升阶段做多，在 MASS 下降阶段做空。在实际定量回测过程中将会遇到如下两个主要问题：问题一：扰动问题。在一个大的趋势中，MASS 得分曲线并不是完全光滑的单调曲线，上升趋势中短期内得分可能小幅回调，但很快又继续上升趋势；下降趋势中短期内得分可能小幅回升，但很快又继续下跌趋势。问题二：钝化问题。由于得分存在上限（100）和下限（0），时间跨度较长的强趋势阶段，MASS 得分快
22、速上升（下降）至上限（下限）附近，并随着价格的涨跌小幅震荡，此时得分反向变化并不一定意味着趋势的根本性反转，轻易平仓易错过大行情。针对上述两个问题，量化模型制定如下两条规则作为应对方案。规则一：针对扰动问题，设定滤噪阈值 S，和观察时间窗口 T。只有当得分反向变化超过 S 时才结束原信号，进入 T 日的观察期，观察期内不发出反向信号，观察期内如果得分回到原得分则恢复原信号。规则二：针对钝化问题，我们认为得分在上下限附近代表市场趋势极强，不应该轻易下车，故牺牲一定的敏感度换取强趋势收益。具体方法是事先设定上下阈值，上阈值以上维持做多信号，下阈值以下维持做空信号。以上证综指为例，分别测试短周期均线
23、排列模型 MASS_120 和长周期均线排列模型 MASS_360，测试时间段为 2002 年 1 月 4 日至 2018 年 5 月 11 日，未考虑交易成本。根据下方图表的统计结果，可得到如下结论：结论 1：模型选择的周期越长，得分曲线约平滑，波动频率越低；周期越短，波动频率越高。结论 2：长周期模型在强趋势阶段表现优异，可有效过滤短期扰动；当趋势较弱时，模型敏感性较差，对价格的短期波段抓取能力较差，效果不明显。结论 3：短周期模型可将短期波段放大，在弱趋势阶段效果优于长周期模型；缺陷在于强趋势阶段扰动多，信号不连续，效果不理想。图图 7：上证综指上证综指与与 MASS_120、MASS_
24、360 得分得分走势图走势图 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 10 页 共 26 页 简单金融 成就梦想 资料来源：申万宏源研究 图图 8：上证综指上证综指与与 MASS_120、MASS_360 净值净值对比图对比图 资料来源：申万宏源研究 表表 3 3：上证：上证综指综指 MASSMASS 模型回测模型回测结果结果统计统计 MASS_120 MASS_360 总收益 474.40%1012.68%年化收益率 11.28%15.87%年化标准差 21.82%24.56%最大回撤-39.83%-51.60%夏普比率 0.38 0.52 信号天数（交易日）10.38
25、 52.87 资料来源：申万宏源研究资料来源：申万宏源研究 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 11 页 共 26 页 简单金融 成就梦想 2.4 均线缠绕均线缠绕判断判断趋势强弱趋势强弱 既然在强趋势和弱趋势环境下长短周期MASS模型表现存在差异，理想情况下，我们希望在强趋势阶段用长周期模型，在弱趋势阶段用短周期模型。本节尝试充分利用均线包含的信息，对市场趋势的强弱加以判断。在相同的排列顺序下，均线间距离不同所表示的状态也不同。以多头排列为例，假设两种状态 A 和 B 下所有的短均线均排列在长均线上方，即 MASS 都是 100 分，其中 A 为慢牛行情，所有均线均
26、缓慢上涨，B 为快速上涨行情，均线随着价格快速上涨。同样是上升趋势，状态 B 的趋势明显强于 A。那么我们如何用均线衡量趋势的强弱呢？均线排列打分只用到了不同均线间相对位置的信息，并未用到均线间的距离信息。直观上感受，状态 B 的快速上升将不同均线间的距离快速拉开，状态 A 虽然均线也在上升，但彼此之间的距离较为接近，为此，本文根据均线间的距离设计均线缠绕指标。计算方法：在上文选择均线和排序的基础上，计算相邻两根均线中短均线距离长均线的百分比距离，取正值，将所有相邻均线的距离加总，即得到均线缠绕数值。下图展示了周期 240 天的上证综指均线缠绕值，均线缠绕指标较好的描述了趋势的强弱变化。牛熊市
27、阶段，股价快速变化，均线间保持较宽的距离，均线缠绕指标维持高位；盘整阶段，各均线纠缠在一起，彼此间距离很近，均线缠绕指标保持在低位。简单设定一个阈值，例如 25%，就可清晰且有效将市场划分成强趋势和弱趋势两种状态。图图 9：上证综指的均线上证综指的均线缠绕状态缠绕状态 资料来源：申万宏源研究 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 12 页 共 26 页 简单金融 成就梦想 2.5 结合结合均线缠绕的均线缠绕的 MASS 择时模型择时模型 本节在上节均线缠绕划分市场状态的基础上，综合运用长、短周期 MASS 模型。强趋势阶段用 MASS_360 模型，弱趋势阶段用 MAS
28、S_120 模型。择时效果显著提升，多空年化收益率提升至 22.16%，夏普比率提升至 0.82。图图 10：结合结合均线缠绕的均线缠绕的 MASS 择时择时模型在模型在上证上证综指综指上的效果图上的效果图 资料来源：申万宏源研究 2.6 小结小结 均线排列打分模型和均线缠绕本质上是通过分析均线之间的相对关系对市场进行状态分析，实现对市场趋势方向和强弱的定量描述。模型优势：实现了长短期均线的优势互补，既保留了长均线对主要趋势的跟踪，同时保留了趋势拐点处短均线的高敏感度。模型缺陷：均线系统本质上还是趋势跟踪系统，所用数据均为历史数据，对未来市场不具备精确预测功能，包括：（1）趋势拐点信号偏右侧，
29、最多做到同步，拐点无法提前判断；（2）趋势系统强调顺势而为，如果趋势持续时间短、幅度小，即便采用短周期模型，效果也不特别理想；（3）无法预测未来趋势持续的时间和幅度。权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 13 页 共 26 页 简单金融 成就梦想 3.MASS 模型模型在在主要主要宽基和行业择时上的宽基和行业择时上的应用应用 3.1 主要宽基指数的择时效果主要宽基指数的择时效果 采用相同的方法，本节逐一展示 MASS 择时量化模型在上证 50、沪深 300、中证 500、中证 1000 和创业板上的多空择时结果。上证上证 50 指数指数 样本区间为 2004 年 1 月
30、 2 日至 2018 年 5 月 11 日，多空年化收益 21%，最大回撤 33%，夏普比率 0.79。图图 11：上证上证 50 指数指数与与 MASS_120、MASS_360 得分得分走势图走势图 资料来源：申万宏源研究 图图 12：上证上证 50 指数指数与与 MASS 择时净值择时净值对比图对比图 资料来源：申万宏源研究 沪深沪深 300 指数指数 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 14 页 共 26 页 简单金融 成就梦想 样本区间为 2002 年 1 月 4 日至 2018 年 5 月 11 日，多空年化收益 20%，最大回撤 38%，夏普比率 0.7
31、。图图 13：沪深沪深 300 指数指数与与 MASS_120、MASS_360 得分得分走势图走势图 资料来源：申万宏源研究 图图 14：沪深沪深 300 指数指数与与 MASS 择时净值择时净值对比图对比图 资料来源：申万宏源研究 中证中证 500 指数指数 样本区间为 2005 年 1 月 4 日至 2018 年 5 月 11 日，多空年化收益 32%，最大回撤 41%，夏普比率 1.12。图图 15：中证中证 500 指数指数与与 MASS_120、MASS_360 得分得分走势图走势图 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 15 页 共 26 页 简单金融 成
32、就梦想 资料来源：申万宏源研究 图图 16：中证中证 500 指数指数与与 MASS 择时净值择时净值对比图对比图 资料来源：申万宏源研究 中证中证 1000 指数指数 样本区间为 2005 年 1 月 4 日至 2018 年 5 月 11 日，多空年化收益 33%，最大回撤 35%，夏普比率 1.13。图图 15：中证中证 1000 指数指数与与 MASS_120、MASS_360 得分得分走势图走势图 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 16 页 共 26 页 简单金融 成就梦想 资料来源：申万宏源研究 图图 16：中证中证 1000 指数指数与与 MASS 择时
33、净值择时净值对比图对比图 资料来源：申万宏源研究 创业板指数创业板指数 样本区间为 2010 年 6 月 1 日至 2018 年 5 月 11 日，多空年化收益 18%，最大回撤 38%，夏普比率 0.53。图图 17：创业板指数创业板指数与与 MASS_120、MASS_360 得分得分走势图走势图 资料来源：申万宏源研究 图图 18：创业板指数创业板指数与与 MASS 择时净值择时净值对比图对比图 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 17 页 共 26 页 简单金融 成就梦想 资料来源：申万宏源研究 3.2 行业行业择时效果择时效果 采用相同的方法，本节展示 MA
34、SS 择时量化模型在 28 个申万一级行业上的多空择时结果。样本期间为 2000 年 1 月 4 日至 2018 年 5 月 4 日。表表 4 4：MASSMASS 择时量化模型在申万一级行业上回测结果统计表择时量化模型在申万一级行业上回测结果统计表 申万申万一级行业一级行业 总收益总收益 年化收益率年化收益率 年化标准差年化标准差 最大回撤最大回撤 夏普比率夏普比率 农林牧渔 1117.5%14.6%24.9%-58.3%0.47 采掘 790.7%12.7%26.4%-60.8%0.37 化工 1396.3%15.9%22.8%-40.3%0.57 钢铁 2540.4%19.5%25.6%
35、-43.6%0.65 有色金属 6955.6%26.1%28.3%-43.8%0.82 电子 3307.1%21.2%26.0%-45.2%0.70 家用电器 1156.8%14.8%23.1%-30.1%0.51 食品饮料 567.5%10.9%20.2%-43.3%0.39 纺织服装 5054.8%24.0%24.2%-32.7%0.87 轻工制造 4423.7%23.1%23.8%-29.8%0.84 医药生物 1878.6%17.7%21.7%-32.1%0.68 公用事业 918.6%13.5%21.7%-33.4%0.48 交通运输 1239.6%15.2%22.1%-28.0%0
36、.55 房地产 1095.0%14.5%25.8%-55.7%0.45 商业贸易 2413.8%19.2%23.3%-37.5%0.70 休闲服务 1119.3%14.6%24.7%-57.1%0.47 综合 6899.3%26.1%24.9%-31.4%0.93 建筑材料 2198.8%18.6%25.0%-43.3%0.62 建筑装饰 2253.6%18.8%23.7%-44.7%0.67 电气设备 3071.8%20.7%23.5%-37.6%0.76 国防军工 4454.6%23.1%28.0%-59.9%0.72 计算机 4068.8%22.6%26.8%-53.0%0.73 传媒
37、1070.5%14.4%27.4%-44.9%0.41 通信 248.7%7.0%23.9%-49.5%0.17 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 18 页 共 26 页 简单金融 成就梦想 银行 486.5%10.1%23.7%-47.4%0.30 非银金融 1244.8%15.2%30.2%-47.5%0.40 汽车 4447.7%23.1%24.6%-45.2%0.82 机械设备 9445.4%28.2%23.5%-34.5%1.07 资料来源：申万宏源研究资料来源：申万宏源研究 4.MASS 模型模型在风格轮动在风格轮动上的应用上的应用 4.1 MASS 模
38、型模型对大小盘对大小盘风格强弱的刻画风格强弱的刻画 本文以中证 1000 指数代表小盘风格指数，以上证 50 指数代表大盘股指数，中证1000与上证50的比值定义为小盘相对于大盘的相对强弱指数。采用类似的方法，MASS 模型应用在相对强弱指数上，即可实现对大小风格相对强弱的跟踪。下图展示了 2005 年以来小盘相对大盘的强弱走势及其对应的均线排列打分。选择长周期模型 MASS_360 可粗略跟踪大小风格长期的相对强弱变化，下表统计了2005 年以来 6 段主要趋势。图图 19：大小大小风格风格相对强弱指数与相对强弱指数与 MASS_360 得分得分 资料来源：申万宏源研究 表表 5 5：MAS
39、SMASS_360_360 模型下模型下大小风格大小风格相对强弱主要趋势相对强弱主要趋势划分划分统计结果统计结果 大小盘相对强弱大小盘相对强弱 开始日期开始日期 结束日期结束日期 小盘相对大盘超额收小盘相对大盘超额收益益 持续天数持续天数 小盘占优 2005/7/25 2006/10/16 40%448 大盘占优 2006/10/16 2007/10/29-35%378 小盘占优 2007/10/29 2010/10/8 197%1075 大盘占优 2010/10/8 2013/2/4-29%850 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 19 页 共 26 页 简单金融
40、 成就梦想 小盘占优 2013/2/4 2014/11/4 116%638 大盘占优 2014/11/4 2018/2/5-46%1189 小盘占优 2018/2/5 2018/5/11 20%95 资料来源：申万宏源研究资料来源：申万宏源研究 4.2 大小盘大小盘风格风格相对强弱相对强弱的的长期长期趋势性不强趋势性不强 通过直接观察相对强弱指数以及 MASS 得分我们发现，与单指数能够产生单边长周期的趋势行情不同，相对强弱指数长期动量较弱且短期扰动较多，小盘股很难长时间持续稳定跑赢大盘股，大盘股也很难长时间持续稳定跑赢小盘股。下图展示了相对强弱指数的均线缠绕状态，样本期内指标大部分时间都保持
41、在较低的水平，趋势较弱。图图 20：大小风格大小风格相对强弱指数相对强弱指数的均线的均线缠绕状态缠绕状态 资料来源：申万宏源研究 4.3 MASS 模型模型在大小风格在大小风格轮动上的应用轮动上的应用 既然大小风格长期趋势不强，那么它们之间是否具有显著的短期轮动效应呢？本节使用短周期均线排列打分模型 MASS_120 进行测试。大小风格强弱的判断方法与前文择时方法类似，主要遵循下面三条规则：规则 1：MASS 得分上升小盘风格占优，MASS 得分下降大盘风格占优；规则 2：针对扰动问题，设定滤噪阈值 S，和观察时间窗口 T。只有当得分反向变化超过 S 时才结束原信号，进入 T 日的观察期，观察
42、期内不发出反向信号，观察期内如果得分回到原得分则恢复原信号；规则 3：针对钝化问题，事先设定上下阈值，上阈值以上维持做多信号，下阈值以下维持做空信号。权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 20 页 共 26 页 简单金融 成就梦想 图图 21：大小风格大小风格相对强弱指数与相对强弱指数与 MASS_120 得分得分 资料来源：申万宏源研究 在上述风格判断的基础上，我们可以构造轮动策略和多空策略。轮动策略：大盘占优时持有上证 50，小盘占优时持有中证 1000，属于相对收益策略。多空策略：大盘占优时做多上证 50，同时做空相同面值的中证 1000；小盘占优时做多中证 10
43、00，同时做空相同面值的上证 50，属于市场中性绝对收益策略。多空策略需要融券做空，或者通过股指期货实施（IH和 IC可实现类似的大小盘配对交易），目前市场容量有限，回测结果仅供参考。下图和下表展示了 2005 年以来的回溯结果，主要结论如下：结论 1：整体看，大小盘风格短期相对动量效应显著。不计交易成本时，轮动策略年化收益高达 40%，远超上证 50 和中证 1000 的单指数收益，回撤也远低于单个指数。多空策略年化收益高达 38%。结论 2：动量持续时间短。平均看，相对动量仅能持续 5 个交易日，导致轮动策略换手率高，对交易成本非常敏感。结论 3：模型阶段性失效。在长达近 13 年的样本期
44、内，模型在 11 年中表现稳定，但在 2015 年 9 月至 2016 年 10 月这 1 年多时间中，动量效应消失，这段时间内，大小风格漂移不定，且快速、大幅来回切换，模型效果较差。图图 22：MASS_120 模型模型在大小盘风格轮动上的效果图在大小盘风格轮动上的效果图 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 21 页 共 26 页 简单金融 成就梦想 资料来源：申万宏源研究 表表 6 6：MASSMASS_120_120 模型模型大小盘大小盘风格轮动风格轮动策略策略和多空策略统计结果和多空策略统计结果 上证上证 5050 中证中证 1000 轮动策略（不计轮动策略（
45、不计成本）成本）轮动策略（千一轮动策略（千一成本）成本）轮动策略（千三轮动策略（千三成本）成本）多空策略多空策略 总收益 229.44%570.39%8732.97%4475.35%1125.18%7055.96%年化收益率 9.34%15.31%39.86%33.14%20.64%37.68%年化标准差 27.53%32.06%23.29%23.31%23.40%19.27%最大回撤-72.41%-72.51%-32.12%-37.58%-52.09%-40.39%夏普比率 0.23 0.38 1.58 1.29 0.75 1.80 资料来源：申万宏源研究资料来源：申万宏源研究 5.MASS
46、 模型模型在行业轮动在行业轮动上的应用上的应用 本节我们利用 MASS 模型进行行业轮动研究，尝试解决如下几个问题：问题 1：如何用 MASS 模型给出行业强弱排序？问题 2：行业是否存在动量效应？问题 3：如果存在动量效应，动量能延续多长时间？下文采用 2000 年以来申万一级行业日频数据进行测试，比较基准为申万 A 指，未计换仓成本。5.1 如何用如何用 MASS 模型给出行业强弱排序？模型给出行业强弱排序？MASS 模型可判断单个标的趋势方向或者两个标的间的相对趋势方向，为了比较28 个申万一级行业间的相对强弱，本文采取“循环积分赛制”，两两 PK，统计积分。具体步骤如下：权益量化研究
47、请务必仔细阅读正文之后的各项信息披露与声明 第 22 页 共 26 页 简单金融 成就梦想 步骤 1：对于任意两个行业，计算两者间的相对强弱指数，采用第四节中的方法判断两个行业谁强谁弱，相对强势的行业记 1 分，相对弱势的行业记-1 分；步骤 2：对于任意一个行业，将其与其余 27 个行业比较的积分加总，则得到该行业的总积分。步骤 3：将 28 个行业总积分从高到低排序，得分越高的行业相对越强。图图 23：申万一级申万一级行业行业 2018 年年 5 月月 4 日日 MASS_240 积分截面数据积分截面数据 资料来源：申万宏源研究 图图 24：农林牧渔农林牧渔行业行业 MASS_240 积分
48、积分时间序列图时间序列图 资料来源：申万宏源研究 5.2 行业是否行业是否存在动量效应存在动量效应？为了检验行业是否存在动量效应，本文采用排序分组的方法。将 28 个行业分成 28 组，第 N 组的行业为前一期积分排序为 N 的行业，即第 1组为前一期最强势的行业，第 28 组为前一期最弱势的行业。权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 23 页 共 26 页 简单金融 成就梦想 下图展示了在每日调仓频率下，28 个组合期末的净值分布，秩相关系数（积分排序与净值排序的相关系数）高达 0.97，所以行业具有显著的日度动量效应。此外，排名靠前的组别收益显著高于排名靠后的组别，
49、区分度明显。图图 25：MASS 排序排序分组分组期末净值分布期末净值分布图图（日（日频频换仓，换仓，初始净值初始净值为为 1）资料来源：申万宏源研究 进一步，选择每期积分排名靠前的 5 个行业构造推荐组合，选择排名靠后的 5个行业构造规避组合，行业等权配置。测试结果如下图所示，推荐组合大幅跑赢申万A 指，年化超额收益 16%，信息比率 1.68。建议规避的组合显著跑输基准，期末推荐组合与规避组合净值的比值高达 90 倍。图图 26：MASS 模型行业模型行业组合组合净值图净值图（日频日频换仓，初始净值为换仓，初始净值为 1）资料来源：申万宏源研究 5.3 行业行业动量动量能能维持维持多久多久
50、？虽然行业的日度动量非常显著，但每日换仓对大部分投资者而言不可实现，本节尝试逐步降低换仓频率，延长行业组合的持有时间，并观察行业动量可以维持多长时间。权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 24 页 共 26 页 简单金融 成就梦想 将频率降至周频，秩相关系数 0.84，所以行业具有显著的周度动量效应。排名靠前的组合收益显著高于排名靠后的组合，区分度相比日频有所下降，但依然明显。图图 27：MASS 排序排序分组分组期末净值分布期末净值分布图图（周周频频换仓，换仓，初始净值初始净值为为 1）资料来源：申万宏源研究 周度推荐组合依然能大幅跑赢申万 A 指，年化超额收益 9%
