投资要点:    本文延续了海通量化团队因子择时、风格择时以及指数轮动的框架,对于板块轮动框架进行了构建。本文主要使用宏观经济数据构建了月度的板块轮动模型。本文第一部分介绍了板块轮动框架。第二部分展示了各类宏观变量的单变量择时效果。第三部分构建了多变量复合模型并展示了复合模型的历史表现。    A股市场的板块轮动效应。本文按照行业属性将29个中信一级行业划分为金融、周期、消费、成长四个板块,并使用各板块的成分行业指数进行市值加权得到板块指数。回测结果表明,各板块的收益特征存在显著差异,月度多空组合收益差均值为8.75%,最大值超过40%,表明A股市场上存在极为显著的板块轮动现象。    板块轮动框架。在本文中,板块轮动策略的构建可分为以下三个步骤:1)选择与板块跨期相关性高的择时变量;2)构建符合轮动逻辑的回归模型;3)根据模型进行板块选择和结果分析。本文的择时指标主要由宏观经济变量组成。 单变量有效性分析。本文研究发现,经济增长、流动性、国际贸易和经济不确定性四类指标均具有一定的板块择时效果。其中经济增长类指标推荐PMI系列指标,尤其是PMI月度变化以及PMI新出口订单数量月度变化,其与金融、周期跨期正相关,消费、成长负相关,尤其是和周期板块显著负相关;流动性类指标推荐期限利差月度变化和M1-M2剪刀差月度变化,其与金融、周期跨期负相关,消费、成长正相关,尤其是和金融、成长板块显著相关;国际贸易类指标推荐出口金额同比月度变化,其与金融、周期跨期正相关,消费、成长负相关,与周期、消费板块相关性显著;经济不确定性类指标推荐EPU指数,其与金融、周期跨期正相关,消费、成长负相关,与金融、消费板块相关性显著。    多指标复合模型。由于板块轮动涉及多个资产,本文在二元逻辑回归的基础上,采用序数回归模型进行复合。该模型能够较好地结合分类、回归、排序问题,其基本假设适用于宏观数据对于板块影响的实际情况。根据序数模型构建的4选2轮动策略具有16.1%的年化超额收益,信息比率1.78,月度胜率为66%;4选1策略年化超额收益约为21%,信息比率1.25,月度胜率为60%。整体来看,宏观经济数据在板块轮动领域具有一定的应用价值。    风险提示。市场系统性风险、资产流动性风险以及政策变动风险会对策略表现产生较大影响。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。