1、 敬请参阅最后一页特别声明-1-证券研究报告 2018 年 3 月 9 日 金融工程 放量恰是入市时：成交量择时初探 技术择时系列报告之三 金融工程深度 技术分析中成交量信息较少使用技术分析中成交量信息较少使用。价格与成交量同是技术分析中较为重要的数据来源。但无论在使用方式还是使用次数上，成交量还是显著弱于价格数据。目前大部分的技术指标也都是基于价格数据构造而成。成交量在被使用的过程中大多也仅是作为辅助信号配合其它的市场判断。成交量放量的确对市场上涨有预示作用成交量放量的确对市场上涨有预示作用。市场中有句俚语“价涨量先行”。通过研究成交量与市场未来涨跌的相关性，我们验证了成交量放量之后市场的确
2、大概率上行。但反过来，在成交量缩量时，价格却并没有很高概率会下跌。成交量时序排名择时策略有显著择时效果成交量时序排名择时策略有显著择时效果。为了能量化每日成交量处于放量或缩量的位置，我们构造了成交量时序排名指标，并以此构造纯多头择时策略。从回测的结果显示，该策略在上证综指、沪深 300、中证 500上有明显择时效果，但在创业板指上则失效。成交量时序排名择时策略样本外（2014.1.1-2018.1.1）在上证综指、沪深 300 与中证 500 上年化收益分别为 15.7%、15.5%与 17.0%，胜率分别达 63.8%、69.1%与64.8%，而最大回撤分别仅为 12.0%、10.2%与 1
3、0.7%。成交量配合价格信息择时效果更佳成交量配合价格信息择时效果更佳。单纯的成交量时序排名择时策略在熊市与震荡市中表现优异，但在牛市中存在严重的踏空现象。为了在一定程度上能够弥补这个缺陷。我们通过价格数据对市场行情进行分类，从而细化择时策略的交易条件。以此构建的行情分段成交量时序排名择时策略在各宽基指数上表现都有所提升。通过提高策略在牛市中的择时效果，年化收益大约提升 2 个百分点左右。成交量与价格信息结合方式多种多样成交量与价格信息结合方式多种多样。我们最后还尝试了在已有研究的基础上将成交量策略与我们之前开发的 RSRS 择时策略相结合，从而构造一个综合策略。该策略应用在上证综指上于 20
4、05.3.14-2017.12.29 这13 年里，交易次数 163 次，平均每年大约 13 次交易，交易胜率 58.3%，平均盈亏比 2.5，年化收益 21.7%，夏普比率 1.28，最大回撤 25.2%。显著优于单纯使用 RSRS 择时信号的效果。风险提示：风险提示：测试结果均基于模型和历史数据，模型存在失效的风险。分析师 刘均伟 (执业证书编号：S0930517040001)021-22169151 联系人 胡骥聪 021-22169125 相关研究 基于阻力支撑相对强度（RSRS）的市场择时 技术择时系列报告之一 阻力支撑相对强度（RSRS）择时及行业轮动 技术择时系列报告之二 期权期
5、货共振择时 衍生品研究系列报告之二 2018-03-09 金融工程 敬请参阅最后一页特别声明-2-证券研究报告 目目 录录 1、成交量蕴含海量交易信息.5 1.1、技术分析中成交量信息较少被利用.5 1.2、从成交量中可以细挖出多维度的信息.5 2、成交量的时间分布蕴含的择时信息.5 2.1、成交量较大时指数大概率上涨.6 2.2、根据成交量时序排名构造择时策略.8 3、成交量时序排名配合价格信息择时更有效.14 3.1、成交量时序排名结合价格走势.14 3.2、成交量时序排名结合 RSRS 信号.18 4、风险提示.20 国投瑞银2018-03-09 金融工程 敬请参阅最后一页特别声明-3-
6、证券研究报告 图图目录目录 图 1：上证综指成交量时序排名出现频次.6 图 2：上证综指成交量时序排名对应未来一周预期收益.6 图 3：沪深 300 成交量时序排名出现频次.7 图 4：沪深 300 成交量时序排名对应未来一周预期收益.7 图 5：中证 500 成交量时序排名出现频次.7 图 6：中证 500 成交量时序排名对应未来一周预期收益.7 图 7：创业板指成交量时序排名出现频次.7 图 8：创业板指成交量时序排名对应未来一周预期收益.7 图 9：放量时序排名与缩量时序排名与未来一周预期收益的相关系数.8 图 10：上证综指样本内净值.12 图 11：上证综指样本外净值.12 图 12
7、：沪深 300 样本内净值.12 图 13：沪深 300 样本外净值.12 图 14：中证 500 样本内净值.12 图 15：中证 500 样本外净值.12 图 16：上证综指熊市中成交量时序排名出现频次.15 图 17：上证综指熊市中成交量时序排名对应预期涨幅.15 图 18：上证综指震荡市中成交量时序排名出现频次.15 图 19：上证综指震荡市中成交量时序排名对应预期涨幅.15 图 20：上证综指牛市中成交量时序排名出现频次.15 图 21：上证综指牛市中成交量时序排名对应预期涨幅.15 图 22：上证综指择时策略在不同参数对（C，Sr）下的年化收益.16 图 23：上证综指行情分段成交
8、量时序排名策略与原策略净值比较（2005.3.14-2017.12.29）.17 图 24：沪深 300 行情分段成交量时序排名策略与原策略净值比较（2005.3.14-2017.12.29）.17 图 25：中证 500 行情分段成交量时序排名策略与原策略净值比较（2005.3.14-2017.12.29）.18 图 26：上证综指 RSRS+成交量时序排名策略与其它各策略净值比较（2005.3.14-2017.12.29）.19 2018-03-09 金融工程 敬请参阅最后一页特别声明-4-证券研究报告 表表目录目录 表 1：上证综指成交量时序排名策略样本内年化收益.9 表 2：上证综指成
9、交量时序排名策略样本内最大回撤（绝对值）.9 表 3：沪深 300 成交量时序排名策略样本内年化收益.10 表 4：沪深 300 成交量时序排名策略样本内最大回撤（绝对值）.10 表 5：中证 500 成交量时序排名策略样本内年化收益.11 表 6：中证 500 成交量时序排名策略样本内最大回撤（绝对值）.11 表 7：成交量时序排名择时策略样本内外统计数据.13 表 8：成交量时序排名择时策略分年度统计数据.13 表 9：各宽基指数行情分段策略与原策略统计数据比较（2005.3.14-2017.12.29）.18 表 10：上证综指各择时策略统计量（2005.3.14-2017.12.29）
10、.20 2018-03-09 金融工程 敬请参阅最后一页特别声明-5-证券研究报告 1、成交量成交量蕴含海量交易信息蕴含海量交易信息 股市中，成交量是指某个股票或指数等标的交易成交的数量。一般而言，股市成交量越大，表明市场交易越活跃。我们经常能听到一些有关成交量的俚语，比如“高位放量”、“量价齐升”。本文将初步挖掘成交量中能对后市走势有一定预测能力的信息，并尝试以此构造择时策略。1.1、技术分析中成交量信息较少被利用技术分析中成交量信息较少被利用 价格与成交量是技术分析中最重要的两个数据来源。从信息的体现来说，价格更加直观地体现了市场参与者的交易行为所造成的结果。因此目前大部分的技术指标都是基
11、于价格数据构造而成，其中最为人知的便是各种各样的均线系统及其衍生变种。其它常见的还有 RSI、KDJ 等，包括我们光大金工在 2017 年初构造的 RSRS 技术指标，也是仅使用了价格数据（最高价与最低价），而不涉及到成交量信息的利用。而在较为常见的技术指标中，使用了成交量数据的便只有能量潮（OBV）。它的计算方式较为简洁：以固定的某一个交易日为基期，逐日加减当日标的成交量，具体是加还是是减取决于当日标的涨跌方向，若上涨则进行加法运算，反之则减去当日成交量，结果即为 OBV 指标值。该指标通过对成交量赋予方向的方式，分析市场多空力量的对比，从而对其未来走势进行预测。但单纯地以 OBV 指标值的
12、大小或其上升下降的变化作为未来择时的依据，往往并没有很好的效果。1.2、从成从成交量交量中可以细挖出中可以细挖出多维度的信息多维度的信息 目前技术分析对于成交量的利用方式主要还是通过其时间维度上的信息挖掘。因为时间维度上的信息从数据易得性的角度来说是很友好的。实际上，如果条件允许，也可以从成交量中细挖出其它维度的信息。例如，如果能有较为精细的数据的话，可以通过交易成交的价位，获取成交量在价格维度上的信息，进而得到成交量的价格分布信息。更深一步，如果能知道交易成交是由买入发起的，还是卖出发起的。那么就能得到成交量在买卖维度上的信息。成交量在价格维度以及买卖维度上的信息往往需要从高频数据，乃至盘口
13、逐笔数据中获取，对数据质量有较高的要求。本文我们则聚焦成交量在时间维度上的信息，探讨在仅使用日频数据的情况下，对市场进行择时。2、成交量成交量的的时间分布时间分布蕴含的蕴含的择时择时信息信息 当我们说起成交量时，大部分时候默认是指单位时间内的成交量信息。实际上成交量本身是有两个显性属性的，一个是时刻，一个是价格。换句话说，完整的成交量描述应该是：在某个时间点，以某个价格，成交了多少量。在这一章，我们研究成交量在时间轴上所蕴含的择时信息。而对于价格轴上的成交量信息研究将在之后的研报中讨论。2018-03-09 金融工程 敬请参阅最后一页特别声明-6-证券研究报告 2.1、成交量较大时指数大概率上
14、涨成交量较大时指数大概率上涨 按照市场中常听到的俗语“价涨量先行”，往往成交量在逐渐扩大的时候，市场有上涨的趋势。我们也尝试着在各个宽基指数上验证上述俗语在统计意义上是否成立，以及能在多大程度上预测未来指数涨跌幅度。从直观意义上说，放量即指成交量在逐日不断上升，而缩量则是成交量逐日下降。但由于市场中影响成交量的因素太多，很容易混有一定程度的噪音，因此成交量严格意义上的多日（超过连续三个交易日）单调递增或单调递减并不常见。为了能较好的量化当日成交量大小在连续的一段交易日中的地位，使得每一天的成交量都有一个数量来描述其处于放量或缩量中的位置，我们构造成交量的时间序列排名指标。其构造方式如下：1.数
15、据上除了当日的成交量以外，我们还需取前 N 个交易日的每日成交量数据，共 N+1 个成交量的值。2.将该 N+1 个成交量数据按从小到大进行排序，计算当日成交量在这N+1 个数值中的排名 n，最小即为 1，最大即为 N+1。3.通过运算 2*(n-N-1)/N 将当日成交量排名标准化为-1,1内的数值。我们以 N=40 为例，统计指数历史中不同的成交量时序排名所对应的未来一周预期收益。很明显，在统计的所有宽基指数中，成交量时序排名的出现频次都呈现出两头多，中间少的情况，也就是说明 A 股市场成交量潮起潮落的现象还是比较显著的；而且在成交量时序排名更高时，指数未来一周上涨空间更大；但是在时序排名
16、较低时，市场未来涨跌形势并未很显著。上证综指、沪深 300、中证 500 与创业板指的成交量时序排名与未来一周预期收益相关系数分别为 0.40，0.36，0.41 与 0.19。以上的研究验证了所谓的“价涨量先行”的现象在A股市场上的确存在，而且在上证综指、沪深 300 与中证 500 上的效应较强，却在创业板指数没有太强的效应。图图 1：上证综指成交量时序排名出现频次上证综指成交量时序排名出现频次 图图 2：上证综指成交量时序排名对应未来上证综指成交量时序排名对应未来一周一周预期收益预期收益 资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为2005.1.1 至 2017.12
17、.29。资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为2005.1.1 至 2017.12.29。2018-03-09 金融工程 敬请参阅最后一页特别声明-7-证券研究报告 图图 3：沪深沪深 300 成交量时序排名出现频次成交量时序排名出现频次 图图 4：沪深沪深 300 成交量时序排名对应未来一周预期收益成交量时序排名对应未来一周预期收益 资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为2005.1.1 至 2017.12.29。资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为2005.1.1 至 2017.12.29。图图 5：中证中证
18、500 成交量时序排名出现频次成交量时序排名出现频次 图图 6：中证中证 500 成交量时序排名对应未来一周预期收益成交量时序排名对应未来一周预期收益 资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为2005.1.1 至 2017.12.29。资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为2005.1.1 至 2017.12.29。图图 7：创业板指成交量时序排名出现频次创业板指成交量时序排名出现频次 图图 8：创业板指成交量时序排名对应未来一周预期收益创业板指成交量时序排名对应未来一周预期收益 资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为
19、2005.1.1 至 2017.12.29。资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为2005.1.1 至 2017.12.29。2018-03-09 金融工程 敬请参阅最后一页特别声明-8-证券研究报告 2.2、根据成交量时序排名构造择时策略根据成交量时序排名构造择时策略 从上一节的研究中容易观察到，放量之后指数往往上涨，但缩量却未必很大程度上预示着下跌。实际上，如果我们按照成交量时序排名标准化后的符号来定义指数处于放量还是缩量的话，那么相应的，可以计算出成交量放量时序排名与指数未来一周收益的相关性，以及成交量缩量时序排名与指数未来一周收益的相关性。上证综指、沪深 30
20、0、中证 500 与创业板指的放量成交量时序排名与未来一周预期收益相关系数分别为 0.75，0.62，0.45 与 0.56。而上证综指、沪深 300、中证 500 与创业板指的缩量成交量时序排名与未来一周预期收益相关系数分别为-0.07，-0.10，0.07，-0.17。图图 9：放量时序排名与缩量时序排名与未来一周预期收益的相关系数放量时序排名与缩量时序排名与未来一周预期收益的相关系数 资料来源：光大证券研究所，Wind，注：N 取 40，测试样本为 2010 年至 2017 年。可以看出，各宽基指数的放量成交量时序排名能很好地预示指数上涨，而缩量成交量时序排名却没有很明显的择时信息。因此
21、如果通过成交量该方面的信息来构建择时策略的话，更适合构造纯多头的择时策略，而不太适合多空的策略。我们依据单日成交量时序排名来构造择时策略。具体的方式如下：1.计算当日指数的成交量时序排名并标准化为-1,1值域内的指标值。（涉及参数选择 N，时序排名窗口长度）2.当成交量时序排名处于最大的一段范围内，或等价的，其标准化后的值超过一定阈值 S（例如时序排名位于最大的前四分之一，或等价的，标准化后的值超过 0.5），则开仓买入。（涉及参数选择 S，开仓阈值）3.当成交量时序排名离开高位，或等价的，其标准化后的值低于一定阈值 S，则平仓观望。0.750.620.450.56-0.07-0.100.07
22、-0.17-0.40-0.200.000.200.400.600.80上证综指沪深300中证500创业板指放量时序排名缩量时序排名2018-03-09 金融工程 敬请参阅最后一页特别声明-9-证券研究报告 4.不进行看空与卖空交易。由上看出，该择时策略有两个参数，分别为时序排名窗宽 N 与开平仓阈值 S。为了确定最优参，我们将通过样本内回测的方式，考察其在不同参数下各统计数据（主要观察其年化收益、夏普比率与最大回撤）的优劣来判断。对于上证综指、沪深 300 与中证 500，我们将选取 2005 年 1 月 1 日至2014 年 1 月 1 日作为回测内样本；而对于创业板指，我们选取 2010
23、年 6月 1 日至 2014 年 6 月 1 日作为其回测样本。回测内样本截止时间的选取，我们也有希望能在样本外有一个完整的牛熊市周期数据用以验证策略效果的考虑。而样本外的选取则从样本内的结束日期起始到 2018 年 1 月 1 日为止。表表 1：上证综指成交量时序排名策略样本内年化收益上证综指成交量时序排名策略样本内年化收益 S=0.2 S=0.3 S=0.4 S=0.5 S=0.6 S=0.7 S=0.8 N=10 9.0%9.0%10.9%10.9%12.1%12.1%7.6%N=15 11.4%11.4%11.6%12.2%14.7%14.7%12.5%N=20 14.8%12.8%1
24、4.1%14.3%12.3%14.5%11.7%N=25 15.2%15.6%15.5%13.4%12.4%12.3%13.9%N=30 15.2%15.3%13.8%11.9%16.0%14.7%13.7%N=35 14.6%13.5%15.4%17.2%12.6%15.1%11.6%N=40 15.4%17.7%16.2%17.0%13.0%12.7%9.0%N=45 15.2%14.2%14.4%15.8%13.0%9.3%9.0%N=50 14.4%12.0%14.6%16.2%14.0%11.5%7.4%N=55 11.9%13.9%12.8%14.6%12.4%8.3%7.5%N=
25、60 13.1%13.7%12.8%14.0%12.8%5.3%7.8%资料来源：光大证券研究所，Wind 表表 2：上证综指成交量时序排名策略样本内最大回撤：上证综指成交量时序排名策略样本内最大回撤（绝对值）（绝对值）S=0.2 S=0.3 S=0.4 S=0.5 S=0.6 S=0.7 S=0.8 N=10 31.2%31.2%31.3%31.3%24.5%24.5%15.1%N=15 25.7%25.7%25.1%18.1%19.6%19.6%14.9%N=20 23.2%21.4%22.2%20.2%16.7%10.2%8.0%N=25 21.4%21.1%24.0%20.1%14.5
26、%17.3%8.4%N=30 24.9%18.3%17.6%19.5%12.0%13.5%8.2%N=35 19.3%22.1%16.1%13.5%12.4%9.7%12.3%N=40 27.0%18.8%15.4%13.5%10.9%10.1%13.6%N=45 24.0%22.8%19.5%14.5%11.5%9.3%10.1%N=50 30.1%31.6%18.6%13.5%11.9%10.9%15.6%N=55 43.2%31.3%27.3%16.6%13.6%17.2%13.0%N=60 36.9%33.5%26.9%17.0%13.6%21.1%11.9%资料来源：光大证券研究所，
27、Wind 从上证综指样本内回测结果来看，策略年化收益在参数 N 为 40 左右，S 选择于 0.3 到 0.5 之间时较高。但同时观察样本内各参数组下的最大回撤数据，可以看出策略的最大回撤在 N 取值 40 左右时相较与其它 N 取值依然较好，同时基本上会随着S取值的增大而单调减小。综合考虑我们选取（N=40，2018-03-09 金融工程 敬请参阅最后一页特别声明-10-证券研究报告 S=0.5）作为上证综指择时策略的参数取值。在此参数下，策略样本内年化收益 17.0%，夏普比率 1.19，最大回撤 13.5%。同样的方式我们也对其它指数择时策略不同参数下样本内表现进行分析。表表 3：沪深沪
28、深 300 成交量时序排名策略样本内年化收益成交量时序排名策略样本内年化收益 S=0.2 S=0.3 S=0.4 S=0.5 S=0.6 S=0.7 S=0.8 N=10 13.2%13.2%9.6%9.6%7.1%7.1%9.4%N=15 9.1%9.1%10.9%14.1%11.7%11.7%8.0%N=20 16.6%17.0%13.0%13.4%13.8%12.5%8.8%N=25 18.2%17.4%16.5%14.7%13.2%12.0%12.5%N=30 20.6%19.8%17.7%15.3%13.6%13.8%12.9%N=35 21.9%20.1%17.2%15.5%15.
29、2%14.4%15.2%N=40 20.7%21.5%17.6%16.5%16.1%13.1%12.6%N=45 16.5%21.8%20.3%16.5%15.0%14.1%11.7%N=50 14.6%18.9%19.8%15.0%16.1%13.7%10.1%N=55 14.9%17.2%20.3%17.2%16.1%15.0%9.8%N=60 14.3%15.7%17.1%17.4%15.5%12.8%9.1%资料来源：光大证券研究所，Wind 表表 4：沪深沪深 300 成交量时序排名策略样本内最大回撤（绝对值）成交量时序排名策略样本内最大回撤（绝对值）S=0.2 S=0.3 S=0.
30、4 S=0.5 S=0.6 S=0.7 S=0.8 N=10 29.3%29.3%31.0%31.0%26.8%26.8%12.9%N=15 31.7%31.7%30.6%19.9%19.0%19.0%20.9%N=20 24.2%21.0%23.1%25.3%18.6%18.5%17.5%N=25 18.3%21.6%19.8%22.2%25.2%14.6%12.4%N=30 24.4%22.6%16.1%18.0%20.9%16.0%12.9%N=35 23.1%23.1%20.6%18.9%15.8%13.2%11.7%N=40 21.2%23.1%17.5%15.8%16.8%10.6
31、%11.3%N=45 36.6%21.3%23.1%16.2%18.9%15.8%11.7%N=50 39.1%27.8%18.4%16.7%15.8%16.8%11.9%N=55 36.5%29.1%20.8%19.8%15.8%17.4%13.0%N=60 32.1%35.1%29.0%20.4%16.5%17.4%14.3%资料来源：光大证券研究所，Wind 沪深 300 样本内的测试结果相比与上证综指，各参数下策略的年化收益更高，但同时最大回撤也有所上升，在参数 S0.5 的区域，最大回撤基本都在 20%到 30%以上。虽然（N=40，S=0.5）参数的表现依然不错，但我们认为结合收益
32、与风险下，参数（N=35，S=0.8）的择时效果更佳，我们将其作为沪深 300 成交量时序排名择时策略的参数。2018-03-09 金融工程 敬请参阅最后一页特别声明-11-证券研究报告 表表 5：中证中证 500 成交量时序排名策略样本内年化收益成交量时序排名策略样本内年化收益 S=0.2 S=0.3 S=0.4 S=0.5 S=0.6 S=0.7 S=0.8 N=10 18.3%18.3%19.6%19.6%20.7%20.7%14.2%N=15 24.1%24.1%20.0%23.1%20.5%20.5%17.9%N=20 26.6%25.1%20.0%21.7%19.1%20.2%16
33、.5%N=25 26.0%25.7%24.7%24.7%21.1%20.0%17.4%N=30 28.1%28.4%26.5%25.5%21.7%21.2%17.2%N=35 25.1%26.2%23.6%26.5%23.7%19.2%15.2%N=40 24.4%26.3%25.1%21.8%21.1%15.3%10.3%N=45 28.8%26.6%21.3%18.8%17.3%16.6%12.2%N=50 25.2%23.5%18.2%17.5%18.0%16.9%10.8%N=55 23.0%20.7%20.2%18.2%16.7%14.8%11.5%N=60 25.1%20.4%19
34、.2%18.5%16.0%12.2%8.9%资料来源：光大证券研究所，Wind 表表 6：中证中证 500 成交量时序排名策略样本内最大回撤（绝对值）成交量时序排名策略样本内最大回撤（绝对值）S=0.2 S=0.3 S=0.4 S=0.5 S=0.6 S=0.7 S=0.8 N=10 24.3%24.3%23.1%23.1%17.8%17.8%18.2%N=15 21.6%21.6%21.9%20.0%20.0%20.0%18.9%N=20 20.0%20.0%23.4%13.8%18.3%11.7%8.3%N=25 20.6%18.4%15.7%17.8%11.1%12.4%10.3%N=3
35、0 19.4%18.4%15.5%17.1%12.5%9.5%9.9%N=35 19.9%20.3%19.5%13.3%11.7%11.3%8.8%N=40 18.4%18.4%19.5%19.5%12.4%16.7%16.2%N=45 18.4%18.4%18.4%20.1%18.0%15.8%16.9%N=50 25.4%25.5%26.8%22.5%19.5%14.3%16.9%N=55 35.2%34.3%20.1%19.1%19.5%18.3%14.2%N=60 34.0%35.8%24.2%18.4%19.5%21.1%14.2%资料来源：光大证券研究所，Wind 中证 500 样
36、本内的测试结果显示，相比于之前默认的 N=40，其择时效果在 N=30 附近时更佳。而当 N=30 时，策略年化收益与最大回撤基本都随参数 S 的增大而单调变小。实际中，具体参数 S 的选取可能取决于风险偏好的大小，而本文则选取默认参数 S=0.5，从样本内策略的夏普比率来看，也是 S=0.5 时达到最高值。因此中证 500 的参数由样本内表现确定为（N=30，S=0.5）。创业板指在样本内的表现较为糟糕，任何参数下，择时策略最终的净值都低于创业板指本身的同期净值。结合之前成交量时序排名与未来指数涨跌相关性研究，我们认为该策略在创业板指上并没有效果。从上述的样本内研究中，我们发现该择时策略对于
37、参数的敏感性并不低，当 N 的取值与 S 的取值离最优参较远时，策略收益与回撤表现有显著下滑。因此参数的稳定性就显得较为重要，样本内最优参在样本外是否依然有较为稳定的表现。2018-03-09 金融工程 敬请参阅最后一页特别声明-12-证券研究报告 图图 10：上证综指样本内净值：上证综指样本内净值 图图 11：上证综指样本外净值：上证综指样本外净值 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 图图 12：沪深：沪深 300 样本内净值样本内净值 图图 13：沪深：沪深 300 样本外净值样本外净值 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wi
38、nd 图图 14：中证：中证 500 样本内净值样本内净值 图图 15：中证：中证 500 样本外净值样本外净值 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 从样本内外的统计数据对比，可以看出参数稳定性还是较为优秀的。整体上样本外的年化收益要弱于样本内，但最大回撤的控制在样本外更优秀。交易次数在样本内外也十分稳定，成交量时序排名择时策略在上证综指上平均每年交易 20 次左右，在中证 500 上平均每年交易 21 次左右；而在沪深2018-03-09 金融工程 敬请参阅最后一页特别声明-13-证券研究报告 300 上由于开平仓阈值 S 取值较高的原因，交易次数较少，平
39、均每年大约在16 到 17 次左右。胜率与盈亏比方面样本内外都十分优异，策略在沪深 300上的参数更保守，因而胜率更为突出，基本在 70%左右。而策略在上证综指与中证 500 上胜率也在 60%附近。表表 7：成交量时序排名择时策略样本内外统：成交量时序排名择时策略样本内外统计数据计数据 样本内（样本内（2005.1.1-2014.1.1）样本外（样本外（2014.1.1-2018.1.1）上证综指上证综指 沪深沪深 300 中证中证 500 上证综指上证综指 沪深沪深 300 中证中证 500 年化收益 17.0%15.2%25.5%15.7%15.5%17.0%夏普比率 1.19 1.31
40、 1.44 1.52 1.72 1.33 最大回撤 13.5%11.7%17.1%12.0%10.2%10.7%交易次数 184 144 183 80 68 91 胜率 58.7%71.5%57.9%63.8%69.1%64.8%平均盈亏比 1.81 1.42 2.13 1.96 2.39 1.32 资料来源：光大证券研究所，Wind 如果我们观察成交量时序排名择时策略分年度的表现，容易发现该策略较明显的特征。该策略是一个很保守的择时策略，而保守的优点在对于对风险的控制很优秀，可以从年回报的数据看出，策略如果按照无成本计算的话在三个宽基指数 2005 年到 2017 年这 13 年里，仅在 2
41、012 年的上证综指上为负收益。而在其它所有震荡下跌甚至 2008 年这样的大熊市中都能有正的绝对收益。但保守的缺点也同样十分明显，在市场快速上涨的时候，并不能很好地抓取市场上涨的收益，踏空情况严重，可以看出在 2006 年、2007 年、2015 年前半年这样的大牛市中，策略净值被指数同期净值远远甩开。表表 8：成交量时序排名择时策略分年度统计数据成交量时序排名择时策略分年度统计数据 年份年份 上证综指上证综指 沪深沪深 300 中证中证 500 年回报率年回报率 年波动率年波动率 夏普比率夏普比率 最大回撤最大回撤 年回报率年回报率 年波动率年波动率 夏普比率夏普比率 最大回撤最大回撤 年
42、回报率年回报率 年波动率年波动率 夏普比率夏普比率 最大回撤最大回撤 2005 0.5%13.8%0.03 6.2%8.4%10.3%0.82 4.9%3.2%14.3%0.22 10.5%2006 42.4%14.7%2.89 5.3%27.3%12.0%2.28 6.4%45.5%15.5%2.93 6.2%2007 39.1%17.8%2.20 7.8%14.8%12.6%1.17 11.8%51.8%23.2%2.23 17.3%2008 13.7%25.1%0.55 13.9%32.5%21.7%1.50 7.4%40.3%26.4%1.53 9.4%2009 18.8%14.6%1
43、.29 8.8%6.8%12.9%0.52 10.5%22.3%18.7%1.19 10.0%2010 9.6%10.2%0.94 6.7%11.5%6.6%1.73 3.0%13.7%13.9%0.99 8.2%2011 8.3%7.0%1.18 3.1%5.3%3.5%1.49 1.2%16.3%9.3%1.76 5.5%2012-7.4%7.9%-0.94 13.9%5.1%6.4%0.79 5.0%-0.6%12.1%-0.05 13.1%2013 7.3%7.8%0.93 5.4%8.1%5.2%1.54 2.6%7.2%11.3%0.63 7.2%2014 24.1%12.0%2.
44、01 5.4%27.7%11.6%2.38 4.5%16.0%12.0%1.33 6.2%2015 17.7%15.3%1.16 12.1%12.0%11.9%1.01 10.6%34.4%20.9%1.65 11.1%2016 8.5%5.4%1.58 1.7%10.5%4.6%2.27 1.0%11.2%7.0%1.61 3.2%2017-0.1%4.4%-0.02 4.8%0.9%4.0%0.22 3.5%1.8%6.4%0.28 4.5%资料来源：光大证券研究所，Wind；注：交易成本按双边 0.1%计算。2018-03-09 金融工程 敬请参阅最后一页特别声明-14-证券研究报告 3
45、、成交成交量时序排名配合量时序排名配合价格信息价格信息择时择时更有效更有效 在上一章节中，我们构造的成交量时序排名择时策略显示出成交量本身就含有大量对未来指数走势有指导意义的信息。但是这样的策略稳健有余，灵活不足。为了能够进一步优化策略的择时效果，我们尝试将其与价格信息进行结合。技术流派中的各种短语给出了一种尝试的方向。在技术分析中，通过价格与成交量的变化趋势有多种分类，例如“量价齐升”、“天量见顶”、“价平量缩”、“杯口柱量”等等。从这些俚语我们可以看出，成交量放大在不同的市场环境中，含义可能完全不同。因此接下来我们尝试分不同市场环境进行成交量择时，并尝试将 RSRS 策略信号与成交量时序排
46、名进行结合。3.1、成交量成交量时序排名结合时序排名结合价格走势价格走势 在不同的市场环境下，成交量信息的解读方式也可能有所变化。从对未来市场走势预测的角度来说，市场在牛市中时，可能成交量稍微放量甚至只要不缩量就预示后市大概率继续上涨；而在熊市中，可能只有在成交量大幅放量时，后市才可能反弹。我们通过前 10 日指数的涨幅对市场行情进行分段，研究在不同市场行情下成交量时序排名对未来指数走势的预示效果。如果指数前 10 日涨幅小于-5%，则认为目前处于熊市；如果指数前 10 日涨幅大于 5%，则认为目前处于牛市；如果指数前 10日涨幅处于-5%到 5%之间，则认为目前是震荡市。研究不同市场行情下，
47、成交量时序排名指标对指数未来 1 周收益率的预测能力，我们得到以下结论：1.在熊市中，各成交量时序排名出现的频次基本随排名变小而单调增大；在牛市中，各成交量时序排名出现的频次基本随排名变小而单调减少；而在震荡市中，各成交量时序排名出现的频次两头大，中间小，基本呈现 U 型形状。说明股市上涨后，更可能放量；而股市下跌时，更可能缩量。不仅仅有“价涨量先行”，同时也存在“量升价先涨”。2.在熊市中，成交量时序排名仅取值在很大时，后市往往大概率上涨；在牛市中，排名只要在前一半左右，后市往往就大概率上行；而在震荡市中，指数后市上涨对成交量时序排名的要求介于熊市与牛市之间。说明不同市场行情对成交量的预测信
48、息解读方式是有所影响。3.上证综指、沪深 300、中证 500 中都能观察到上述现象，程度或有不同，但基本大同小异。2018-03-09 金融工程 敬请参阅最后一页特别声明-15-证券研究报告 图图 16：上证综指熊市中成交量时序排名出现频次上证综指熊市中成交量时序排名出现频次 图图 17：上证综指熊市中成交量时序排名对应预期涨幅上证综指熊市中成交量时序排名对应预期涨幅 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 图图 18：上证综指震荡市中成交量时序排名出现频次上证综指震荡市中成交量时序排名出现频次 图图 19：上证综指震荡市中成交量时序排名对应预期涨幅上证综指震
49、荡市中成交量时序排名对应预期涨幅 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 图图 20：上证综指牛市中成交量时序排名出现频次上证综指牛市中成交量时序排名出现频次 图图 21：上证综指牛市中成交量时序排名对应预期涨幅上证综指牛市中成交量时序排名对应预期涨幅 资料来源：光大证券研究所，Wind 资料来源：光大证券研究所，Wind 2018-03-09 金融工程 敬请参阅最后一页特别声明-16-证券研究报告 基于上面的研究与已有的成交量时序排名择时策略，我们构建基于指数行情的成交量时序排名择时策略。构建方式如下：1.按上一章节的定义计算当日标准化的成交量时序排名指标值。
50、2.根据前 10 日的指数涨幅决定当日处于哪种市场行情：牛市、熊市、亦或震荡市。（涉及参数：用于行情划分的涨幅阈值 C，默认 5%）3.根据当日所出市场行情，使用不同的交易阈值决定明日的持仓与否。（涉及参数：三个不同行情下的交易阈值 Sf,、Sc、Sr，分别对应熊市、震荡市、牛市）4.若时序排名指标值大于交易阈值，则持仓；反之，则空仓。这样的构建方式，使得策略更加灵活。但同时也增加了参数个数，多了用来划分市场行情的涨跌幅阈值 C，以及原来的交易阈值从一个通用阈值扩展到分行情的三个。考虑到，基于行情的择时策略相较于原策略，我们更多希望的是能改善在牛市中策略笨重的劣势。因而行情划分阈值 C 与牛市