AD
采用通用回归预测模型挖掘行业背后的交叉预测关系
本文实证了一种基于通用回归预测模型来挖掘行业轮动规律并指导行业配置的方法，其核心思想是利用所有行业当期收益率作为解释因子，对每个行业下期收益率做回归，考察行业收益率之间是否存在显著的交叉预测关系，进而构建轮动策略。该模型的提出主要基于两点考虑：1、各行业之间存在广泛而紧密的联系，通过回归模型，可以定量刻画行业收益率之间的传导规律；2、行业指数本身就是观测宏观经济运行状态的一个很好的窗口，而行业指数的收益率则刻画了经济体的动态变化情况，通过挖掘各行业收益率之间的传导关系，可以用来指导行业配置。
基于主成分回归模型的行业轮动策略构建与回测
基于主成分回归模型的行业轮动策略构建包括数据预处理、主成分合成、回归参数估计等步骤，最终在每个截面处，可以生成下一期各行业收益率的预测值，并指导最终的配置。实证表明，当训练窗口长度为242周，全部主成分都参与回归时，该行业轮动策略的多空对冲组合年化收益率达到28.68%，年化波动率19.04%，夏普比率为1.51，而纯多头组合的年化收益率为25.28%，年化波动率27.3%，夏普比0.9，多空对冲策略表现更优。
参与回归主成分越多，训练窗口越长，策略表现越稳定
在基于主成分回归模型的行业轮动策略构建中，最核心的两个参数是训练窗口长度，以及参与回归的主成分个数。我们遍历了参数的各种可能取值，来检验该策略对参数的敏感程度。实证结果表明，当主成分个数大于3时，几乎所有训练窗口长度下，多空策略都获得了正收益，而且随着主成分增多，平均收益率也不断抬升；另一方面，当主成分个数固定时，随着训练窗口长度变长，策略表现也更优，说明通过较长训练窗口挖掘出的轮动规律更稳定，外延预测时更可靠。整体而言，该策略鲁棒性较强，对参数取值不是十分敏感。
业绩归因模型显示，主成分回归行业轮动模型获取了显著的alpha收益
我们通过构建一个5因子模型对行业轮动策略的收益率进行归因， 测试其在各个因子上的风险暴露，以此来解释策略收益的来源。其中，5个因子分别是市场因子、市值因子、账面市值比因子、反转因子、流动性因子。实证结果表明，多空对冲组合在5%置信度水平下，获得了17.32%的年化超额收益，并且仅在市值因子上有轻微暴露。说明该策略的收益来源主要是alpha，而不是通过在特定风险因子上持续暴露敞口来获得收益补偿。或者说，该多空策略可能在不同市场环境下把握了占主导地位的风格因子，而不是持续押注于某一类特定的风格。
A股短期或有回调，但长期上升趋势不变
通过对2016年5月至今这段慢牛行情进行回归建模，并绘制板块动力图，可以发现周期上游是本轮行情的动力节点，正向推动了其他板块，而进入9月以来，市场风格有所切换，作为上涨引擎的周期上游板块陷入调整，整个市场向上动力不足，出于避险的考虑，资金纷纷进入防御板块抱团取暖，所以最近消费、周期中游板块获得显著超额收益，这说明市场目前整体处于防守状态，大概率会陷入调整。但我们认为这个短期回调是为未来的上涨积蓄力量，市场长期向上趋势不变，而防守板块没法带领市场不断冲高，调整到位后，资金大概率会回流到周期上游、大金融等主导板块。
风险提示：通用回归模型是历史经验的总结，存在失效的可能。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
