现在炒股的人越来愈多,对于重构量化行业轮动框架:宏观篇(下):多维宏观状态下的行业轮动策略这一问题,往往并不清楚。今天小编整理了网上关于重构量化行业轮动框架:宏观篇(下):多维宏观状态下的行业轮动策略的信息,欢迎大家一起讨论。
报告摘要:
重构量化行业轮动框架,探寻多维宏观状态:一个完善的行业轮动框架,通常涵盖对宏观变量的解读、对行业景气度的分析以及考虑个股微观特征等多个维度。基于宏观维度,前期我们通过对不同环境极端状态进行提炼,刻画了从宏观到行业涨跌特征的知识图谱,策略样本外两年多取得了稳定的表现。
本文为宏观事件策略的升级版,出发点是引进更多宏观指标及状态刻画,基于多指标特征共振挖掘更立体的多维宏观状态,进而研究行业轮动中有效的宏观驱动因素及逻辑,探索其中可量化建模的方法。
挖掘不同宏观状态背后的行业轮动机会:本文与之前的单宏观事件的区别在于:单事件通常对形态要求更为苛刻因此较少触发信号,而多维事件则在宏观事件状态刻画上相对放开,但要求多个指标同时触发信号,只有当多个宏观指标处于极端状态并产生共振时,才触发相应“宏观事件”,进而研究其对特定行业的影响。
指标选择上,共涵盖了约54 个常见的宏观指标及各行业相关指标约1100 个,每个指标根据其是否触发历史新高、是否处于短期高位等状态各定义8 类事件状态,共衍生出约12000 类宏观事件。
策略实证结果:报告中围绕各行业的有效宏观事件库,构建了基于28个申万一级行业的轮动策略,自2010 年1 月至2021 年2 月共11 年的样本测算区间内,轮动策略相对行业等权基准指数获得约26%的年化超额收益,各行业单独择时也均获正贡献。
最新推荐行业:截至2021 年2 月,根据模型最新一期测算结果,3 月推荐超配的行业组合为:采掘、轻工制造。
核心风险提示:本模型采用量化方法通过历史数据统计、建模和测算完成,所得出的规律及推介行业未必具有严格的投资逻辑,也未必符合当前宏观环境特点,在极端的市场环境变化中有失效的风险。