宝兴网 - 国内优秀的生活资讯网站
宝兴新闻网

猎金系列之二十四——春节效应下的A股市场与量化因子思考

栏目:都市热点    来源:搜狐    作者:樊华    发布时间:2018-07-10 09:54

导读

1、作为《猎金》系列的第二十四篇专题报告,我们将目光聚焦于A股市场的日历效应。具体来说,我们在本文中深度剖析了春节效应对市场整体和常见量化因子的影响。

2、基于长期历史样本的分析表明,A股市场整体在春节前后表现出了非常高的投资性价比,历史平均夏普比率高达4.0;常见量化因子在春节期间的表现与平时相比也不尽相同:质量、成长、情绪类指标普遍失效,市值和反转因子却更加强势,波动率因子的表现则与平日完全相反,体现出高风险高收益率的特征。

3、我们基于因子在春节期间的特殊表现,构建了春节效应增强多因子模型,该模型多空年化收益率高达39%以上,夏普比率2.27,且相对基准模型有稳定增强。此外,我们还利用市场整体在春节前后的高风险收益比的特征搭建了股债动态配置策略,该策略年化收益率13.17%,夏普比率1.15,表现远超市场整体表现。

一、研究背景

1.1

海外市场日历效应

日历效应(calendar effect)是指金融市场与日期相联系的非正常收益,主要包括季节效应、月份效应、星期效应和假日效应,它们分别指金融市场与季节、月份、星期和假日有关的非正常收益。日历效应是一种通过有效市场理论无法做出合理解释的市场异象,海外对它的研究最早可以追溯到上世纪30年代。海外市场存在三类常见的日历效应:一月效应:、星期效应、Sell in May and Go away(在5月卖出并离开市场),三种日历效应的具体描述和成因参见报告。

1.2

国内市场日历效应

针对我国市场日历效应的研究大多起始于上世纪90年代中后期,具体来说有以下几个方面的结果:

1)从月度效应来看,A股市场在每年的一季度表现相对较好,六月份则往往是全年的低点,“一月份效应”并不显著;

2)月初效应比较明显,即市场在每个月上旬有相对更高、更显著的超额收益;

3)从星期效应来看,正的“星期五效应”得到了大多数研究的支持,但对负的“星期一效应”分歧较大,且不少实证分析表明,市场的牛熊状态对星期效应的结论有着重要的影响;

4)假日效应在国内外市场的结论差别比较大,主要原因在于中西方对节日的定义很多并不相同。从目前梳理的文献来看,A股市场的节假日效应是存在的。

本文正是对A股市场假日效应规律的一次探索,我们专注于春节效应,通过对过去十七年历史数据的分析,观察市场整体和常见量化因子在春节期间的表现是否有一定的规律可循,并尝试利用得到的结论构建投资策略。

二、春节效应之A股市场

2.1

A股市场春节效应

本节我们首先对A股市场整体的春节效应展开探讨。考虑到市场代表性和历史数据的长度,我们研究的标的指数确定为Wind全A指数。从2001年1月1日到2017年12月31日,共17年,4120个交易日。在专注于春节效应之前,我们先统计了指数的月度平均表现。

从图表1容易看出,A股市场在每年的2、3、4、12月的收益率表现较好,其中2月份的平均月收益率接近4%。但如果进一步考察夏普比率的表现,情况又有所不同了。

猎金系列之二十四——春节效应下的A股市场与量化因子思考

从图表2展示的夏普比率不难发现,2月份的表现可谓是鹤立鸡群,2.5倍的夏普比率是排名第二的三月份夏普比率的2倍,这使得在该月投资股票市场的性价比非常之高!同时,一季度股票市场的整体表现在全年来看也是最好的。

猎金系列之二十四——春节效应下的A股市场与量化因子思考

为什么会出现这一现象呢?我们认为,这可能与中国最重要的传统节日——春节一般发生在每年的1、2月份有关。为了进一步探究春节对A股市场的影响,我们定义了春节月的概念。所谓春节月,指的是包含春节假期在内的四周时间,具体来说,它包括了春节休市前的5个交易日和春节开市后的10个交易日。在给出了上述的定义之后,我们来进一步考察市场在春节月、2月和所有日历月的历史表现。

猎金系列之二十四——春节效应下的A股市场与量化因子思考
猎金系列之二十四——春节效应下的A股市场与量化因子思考

图表3和图表4展示了Wind全A指数在每年的二月和春节月的表现。在过去的十七年里,有十一年的春节月表现优于二月的表现,这可能源自于它对春节假日效应更为纯粹的捕捉。图表5和图表6展示了二月、全部日历月和春节月的历史平均表现。

猎金系列之二十四——春节效应下的A股市场与量化因子思考
猎金系列之二十四——春节效应下的A股市场与量化因子思考

不论是收益率还是风险收益比,市场在春节月的表现都远优于平日,比2月份的整体表现也要更高、更稳定。因此我们可以说,A股市场在过去十七年中确实存在着春节假日效应,市场在春节期间有着远高于平日的收益水平和收益稳定性!但该效应是否会在未来继续起效,其背后的逻辑又是什么呢?

2.2

春节效应背后的逻辑

春节效应为何会产生?我们尝试从流动性和风险偏好两个角度来进行阐释。

1) 流动性与可支配资金

a)银行在每年年末会控制信贷规模,以减少流动性损耗来应对监管机构对其各项风险指标的考核。而元旦过后的一季度则是信贷高峰期,流动性相对宽松;

b)年底至春节前后,由于公司发放奖金、年底结账等因素,银行资金大量进入到居民手中,居民可支配资金数额提升,从而也提升了配置各类资产的需求;

c)经历过上年年底的业绩考核后,一季度是公募基金调仓、建仓的高峰期,新增资金入市概率增加。

2)风险偏好

a)年初各类投资机构积极布局新一年,对风险的容忍程度在全年来看相对较高

b)春节之后不久就是两会,上一年度中央经济工作会议的计划尚未落地,政策处在空窗期,而两会期间会出台各类型的政策,市场对政策性文件往往倾向于正面解读,能够有效提升市场风险偏好;

c)从行为金融学的角度来看,节日来临时,投资者的情绪更加积极乐观,对风险的承受能力提升,会增加对股票类风险资产的偏好。

三、春节效应之量化因子

3.1

常见量化因子的春节效应

在本小节中,我们将针对常见的量化因子,测试其在春节期间的表现。图表7给出了七大类共十个待测试因子的详细列表。

猎金系列之二十四——春节效应下的A股市场与量化因子思考

我们分别测试了上述因子在全部日历月、二月和春节月的历史平均信息系数IC,图表8给出了IC表现的对比。

猎金系列之二十四——春节效应下的A股市场与量化因子思考

从上述因子测试的结果来看,我们可以得到以下几个结论:

1)市值因子在春节期间的表现为小市值效应,其预测能力是平日的三倍,表现非常强势;

2)过去一年已实现波动率因子在春节期间的起效逻辑与全年的其他时段相比完全反向,表现出极强的高风险、高收益率特征;

3)反转因子的在春节期间也非常有效,春节月历史平均IC达到17%;

4)质量类、成长类、分析师情绪类因子在春节前后失效比较严重,一定程度上说明投资者在这一时期对基本面的关注度可能并不是太高;

5)价值类因子的表现有所分化,基于净资产的估值指标基本保持了平日的预测水平,而基于分红和净利润的估值指标则普遍失去了对股票预期收益的区分能力。

总的来说,测试结果体现了在春节期间A股整体较为强势的环境下,各个因子的差异性特点。

3.2

春节效应增强因子

基于上一节中观察到的春节期间常见量化因子的自身特点,我们首先定义了所谓的春节因子(Spring Festival Factor,SFF)。SFF由BP_LR、RTN_60D、Ln_FloatCap和RealizedVolatility_240D四个因子等权合成,其中RealizedVolatility_240D因子按照降序排列(波动率越高,预期收益率越高)。为了进行比对,我们还定义了基准因子(Benchmark Factor,BF),BF由图表7中剔除规模后的六大类因子等权构成,每类因子由属于该类别的因子等权合成。

我们测试了SFF和BF在全部日历月、二月和春节月的历史IC均值和ICIR,具体表现如下图表9、10所示。

猎金系列之二十四——春节效应下的A股市场与量化因子思考
猎金系列之二十四——春节效应下的A股市场与量化因子思考

从全年的月度平均表现来看,BF的表现其实是要优于SFF的,而在二月和春节月,我们构建的春节因子SFF则具有明显的优势,历史IC均值超过20%,ICIR在1.5以上。换言之,在每年的春节前后对阿尔法模型的因子构成进行调整,有可能带来策略表现的显著提升。

在证明了SFF因子春节期间的优异表现之后,一个很自然的想法就是,如何在传统的月度调仓多因子模型的基础上将SFF因子与BF因子有机地融为一体。这里我们根据每年春节发生的时点,制定了两个模型合成的规则,具体方法如下:

1)若某年的春节发生在1月份,那么在上年的12月底和当年的1月底,我们使用春节因子SFF,其他时间使用基准因子BF;

2)若某年的春节发生在2月份的上半月,那么在当年的1月底,我们使用春节因子SFF,其他时间使用基准因子BF;

3)若某年的春节发生在2月份的下半月,那么在当年的1月底和2月底,我们使用春节因子SFF,其他时间使用基准因子BF。

我们将基于上述规则定义的复合因子称为春节效应增强因子(Spring Festival Enhanced Factor,SFEF)。我们对SFEF因子进行了全面的测试,相关结果请见图表11-13。

猎金系列之二十四——春节效应下的A股市场与量化因子思考
猎金系列之二十四——春节效应下的A股市场与量化因子思考
猎金系列之二十四——春节效应下的A股市场与量化因子思考

从上面的因子测试结果来看,SFEF因子的表现要明显优于BF因子,而从图表12中的相对收益累积净值走势来看,这一优势的获得主要是通过每年春节前后阿尔法模型因子动态调整而实现的。SFEF因子利用了因子的春节效应,在时间序列上对因子进行主动择时,有效地提升了传统静态多因子模型的预测效率。

四、春节效应之策略构建

4.1

多头选股策略

前面的研究表明,将春节因子与基准因子相结合所得到的SFEF因子的表现有明显提升,这里我们将利用该因子构建一个更为贴近实际的多头选股策略,以供大家参考。我们的策略设定如下:

1)基本选股池为当期在市的非ST的全A股票,业绩基准指数选定为中证500全收益率指数;

2)在每个中信一级行业内选择SFEF因子排名最高的5%的股票,按照该行业在中证500中的占比给其赋权,行业内等权配置;

3)回测时段为2007年1月底到2017年4月底,单边交易费用为0.3%,对涨跌停和停牌的股票进行特殊处理,考虑15%的换手缓冲。

猎金系列之二十四——春节效应下的A股市场与量化因子思考

作为一个纯多头策略,基于SFEF因子的量化多头组合在过去的11年多的时间里表现出色,年化收益在27%以上,除了17年跑输基准,其余年份都保持了正超额收益。

4.2

动态资产配置策略

作为对春节效应的第二个应用,我们尝试利用A股市场整体在春节前后所表现出的高性价比来构建一个动态的资产配置策略。我们选择中证500全收益指数代表股票资产,中证全债指数代表债券资产,一般情况下,股票和债券的资金配置比例服从所谓的基准配置方案,即股债配比为2:8,且每月再平衡一次。而基于春节效应的动态配置方案的具体流程如下:

1)若某年的春节发生在1月份,那么在当年的1月和2月,我们提升股票的配置比例为80%,债券配置比例降为20%;

2)若某年的春节发生在2月份的上半月,那么在当年的2月份,我们提升股票的配置比例为80%,债券的配置比例降为20%;

3)若某年的春节发生在2月份的下半月,那么在当年的2月和3月,我们提升股票的配置比例为80%,债券的配置比例降为20%。

猎金系列之二十四——春节效应下的A股市场与量化因子思考

从以上图表结果不难看出,每年一到两次的股票配置比例的主动提升,带来的是收益率的大幅提升和夏普比率的进一步改善。基于春节效应的股债动态配置策略,应该可以作为绝对收益多策略体系中的一员,帮助资产管理人不断优化其组合的风险回报比,以达到获取稳健绝对收益的最终目的。

五、总结与展望

本文从A股市场整体的春节效应出发,对常见量化因子春节期间的表现进行了深入分析,进而从因子择时的角度,构建了春节效应增强多因子模型。该模型在过去11年的时间里,表现十分抢眼,多空组合的年化收益率达到39%以上,夏普比率也从1.7提升至2.27。

进一步地,我们利用股票市场在春节期间的高性价比优势,搭建了股债动态配置策略,该策略夏普比率1.15,最大回撤仅为12.77%,表现远超中证500全收益和静态二八配置策略。

作为一类相对比较独特的市场异象,日历效应在海内外金融市场中都长期普遍存在。本篇报告关注的春节效应是众多日历效应中具有鲜明中国特色的一个方向。我们将在后续的研究中继续探索A股市场中的其他日历效应,以求能为大家带来更多有效的、低相关性的投资策略。

风险提示:本报告模型及结论全部基于对历史数据的分析,当市场环境变化时,存在模型失效风险。

证券研究报告:《猎金系列之二十四——春节效应下的A股市场与量化因子思考》。

对外发布时间:2018年7月4日

--

联系人:徐寅

--

联系人:任瞳

自媒体信息披露与重要声明

使用本报告的风险提示及法律声明

本报告所载资料的来源被认为是可靠的,但本公司不保证其准确性或完整性,也不保证所包含的信息和建议不会发生任何变更。本公司并不对使用本报告所包含的材料产生的任何直接或间接损失或与此相关的其他任何损失承担任何责任。

免责声明

本平台所载内容不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议,不能够等同于

热搜:春节,A股,市场   
ad06
猎金系列之二十四——春节效应下的A股市场与量化因子思考