德邦证券-金工基本面量化专题第一期：基于宏观、中观及行业基本面信息的行业指数择时策略-220803

《德邦证券-金工基本面量化专题第一期：基于宏观、中观及行业基本面信息的行业指数择时策略-220803（27页）.pdf》由会员分享，可在线阅读，更多相关《德邦证券-金工基本面量化专题第一期：基于宏观、中观及行业基本面信息的行业指数择时策略-220803（27页）.pdf（27页精品完整版）》请在悟空智库报告文库上搜索。

　　行业的涨跌受基本面的影响较大，与行业相关的宏观、中观以及行业指标通常是判断行业景气度的主要依据。各个行业指数的涨跌均可能与一些经济指标的升降产生关联，这些经济指标能够反映行业的基本面信息。而实际使用中由于基本面指标通常较多且存在相互冲突的可能，通过主观的方式判断往往缺乏统计意义上的可靠性。因此，我们尝试将基本面与量化相结合，在基本面逻辑的基础上构建量化模型以实现对行业指数的有效择时。
　　通过统计检验可以有效筛选影响行业指数涨跌的基本面指标。本文是对行业基本面量化的探索，以交通运输行业为例根据行业逻辑分析选取能够反映交通运输不同子行业基本面的代表性经济指标，并将其梳理为宏观、中观及行业三个范畴。之后通过单样本t检验，从中筛选出与行业指数具有统计意义相关性的有效指标以及指标相较于行业指数的领先或滞后期数。
　　将筛选指标合成因子作为多空信号，对行业指数具备一定的择时效果。本文运用有效领先指标从定量角度进行行业景气判断，对指标的每月信号打分，最后用胜率（样本期内行业指数变化符合指标信号的概率）与等权加权方式将指标分数汇总为合成因子，构建择时模型。经过择时之后，相比于单纯持有行业指数，四个子行业的表现都有明显的提升，其中，航运港口、公路铁路、航空机场和物流行业择时后相较于各子行业指数超额年化收益率分别达到10.6%、7.3%、2.4%和12.8%。
　　通过子行业的择时和轮动，对一级行业指数增强效果明显。在基于各子行业有效指标择时的基础上，我们从两个角度构建子行业轮动模型——基于子行业自身显著因子和超额显著因子，并测试了按因子排序、按因子值是否大于0以及两种因子叠加使用的几种策略。我们发现将子行业指数自身显著的因子和超额显著的因子叠加使用的效果最佳，改进后的看涨模型相较于一级行业指数能够产生17.5%的超额年化收益率，Sharpe比率达0.96。
　　样本外跟踪今年以来策略超额5.6%。我们在样本外（2022年1月~7月）对策略进行跟踪。从跟踪结果来看，基于子行业择时和轮动的增强策略相较于交通运输一级行业2022年以来获得5.6%的超额收益。
　　风险提示：海外市场波动风险，宏观数据、政策变化风险，模型失效风险