财信证券-外生因子系列研究报告（一）：股市流动性预测指标构建-220302

《财信证券-外生因子系列研究报告（一）：股市流动性预测指标构建-220302（20页）.pdf》由会员分享，可在线阅读，更多相关《财信证券-外生因子系列研究报告（一）：股市流动性预测指标构建-220302（20页）.pdf（20页精品完整版）》请在悟空智库报告文库上搜索。

导言：宏观流动性对股市流动性的连带作用至关重要，然而面对日益复杂多变的经济形势，市场调控工具的丰富度和灵活度大幅提升，对市场流动性的作用和意义也不断发展变迁，因此持续使用少数单一的指标远不足以对流动性进行分析预测。

于是，我们拟通过一台“勤劳”的机器雏形，滚动更新并提取筛选对股市流动性敏感度高的宏观指标，进而利用短期的“惯性作用”对股市流动性势态形成判断和预测。

宏观流动性和股市流动性：本文聚焦于股市流动性展开讨论，致力于研究股市流动性对股市行情的作用、宏观流动性向股市流动性传递的桥梁，并展开面向股市行情的股市流动性预测指标的构建。

对股市流动性的研究可将股市增量资金和市场容量纳入考量范围，即股市流动性和股市净流入资金呈正相关，和市场容量呈负相关。

指标数据比对后，我们拟采用万得全A期间成交额和期末流通市值的比值作为股市流动性代理指标。

我们构造自适应滚动学习系统来研究宏观流动性对股市流动性的传导作用。

流动性的传导链条由基础货币起，经由信用扩张后，传至企业和居民的投资融资活动，投资融资活动直接影响股市流动性。

因此，我们从基础货币、信用扩张、投资融资角度三个角度收集整理宏观指标。

CCA模型：CCA将多维的X和Y降维成1维的X-和Y-，再进行相关性分析，降维原则是经过降维后，1维的X-和Y-之间的相关系数最大化。

CCA运用在系统的指标特征筛选、预测等模块中。

系统介绍：我们设置系统每隔半年更新窗口训练模型，从两千多项指标特征中运用CCA模型筛选出少数指标特征，筛选原则是对训练窗口（2年）的流动性指标敏感度高于阈值的指标特征，再将训练好的模型用以预测测试窗口的流动性指标。

模型输出预测值和实际值之间的Spearman相关性指数为0.56，pearson相关性指数为0.44，pvalue均远小于0.05，呈中等程度相关，且预测值和实际值长期趋势走向较为一致。

预测的流动性趋势能较好捕捉股票市场实际流动性情况。

投资思考：从目前的宏观环境来看，我们判断2022H1经济下行压力相对较大，政策收紧的逻辑支点较少，货币政策延续中性宽松态势概率较大。

2021H2至今，模型呈现出股市流动性震荡上行的趋势。

我们预测股市流动性将呈边际向好趋势，未来3个月预计将小幅上行。

纵观历史行情，出现牛市行情的同时往往伴随股市流动性的上行，或者说，股市流动性为行情提供动力来源，因此本文描述的股市流动性预测系统可为A股市场投资活动提供对流动性趋势判断的信号，预测值和实际值长期趋势走向较为一致，系统对中长期趋势判断较为准确。

不过2021H2以来，流动性的提振对股市行情的带动力较为羸弱，全A股指维持在较为稳定的区间，因此模型给出的流动性上行的预测并不能直接判断为行情上升的信号，历史上也出现过类似的情景。

可见，对行情的判断不能依赖于单一的流动性信号，需搭配其他的信号和策略使用，如市场情绪信号、经济增长信号等。

本系列报告将继续对情绪因子等其他外生因子的研究。

风险提示：统计数据仅代表市场历史情况；模型存在一定的误差。