量化交易策略研究系列（二）－择时+指数化投资—基于海通SWARCH 模型

量化交易策略研究系列（二）－择时+指数化投资—基于海通SWARCH 模型内容摘要：

量化交易策略研究系列（二）－择时+指数化投资—基于海通SWARCH 模型 请务必阅读正文之后的免责条款 量化交易策略系列报告（二） 择时 +指数化投资基于海通 型的量化周择时策略研究 相关研究 金融工程助理分析师 张峰 电话： 021融工程首席分析师 胡倩 电话： 021z 海通 型的优势。 前期我们构建的 型在分析货币供应周期和证券市场趋势的关系上取得了超过 88%的预测精度。 后来，我们又将这种建模的思想加以改进并且应用在对各个具体行业指数趋势的研究上，即所谓的业模型，模型同样取得了良好的预测效果。 z 本篇报告中我们主要应用前期开发的海通 我国证券市场中典型指数的每周涨跌趋势进行预测，并以此为基础构建基于量价关系的程序化交易系统。 z 量化模型指标的选取。 在具体构建量价关系模型的过程中我们考虑了众多的与标的指数的收盘价与成交量相关的指标，最终我们选取了标的指数的周收益率数据、标的指数的周日均成交量数据和标的指数的 10 日股价动量数据作为量化择时模型的基础指标。 z 模型对标的指数周涨跌趋势的预测精度达到了 65%以上。 实证中我们分别选取了沪深 300 指数和上证综合指数作为量化择时策略的标的指数，对沪深 300 指数我们做了 129 期的样本外预测，准确率达到了 对上证综合指数我们做了 252 期的样本外预测，准确率也达到了 z 量化择时策略获得了较好的超额收益。 在考虑了千分之五的单边交易费用的情况下，以沪深 300 指数为标的的量化择时策略从 2007 年 1 月 1 日到 2009 年 7 月17 日净值增长了 ，而同期的沪深 300 指数仅增长了 ；以上证综合指数为标的的量化择时策略从 2004 年 7 月 16 日到 2009 年 7 月 17 日净值增长了 ，而同期的沪深 300 指数仅为。 从相对强弱指标来看，量化择时策略在绝大多数的时期都明显地超越了 50%标的指数 +50%现金 的基准组合的收益表现。 z 我们将在随后的系列报告中继续量化交易策略的研究，并且针对我国 A 股市场的交易环境做详细的实证研究。 量化交易策略 量量 化化 研研 究究 2009 年 08 月 10 日 定量研究·选股策略 2 目 录 1. 海通 型的研究思路与成果 . 量化择时模型的实证效果分析 .证数据描述 . 4 深 300 指数为标的指数的实证效果 . 4 证综合指数为标的指数的实证效果 . 6 3. 模型参数估计的结果和解释 . 总结 . 附录：量化择时交易模型的构建 . 定量研究·选股策略 3 图目录 图 1 价分析模型的预测结果（基于沪深 300 指数） . 2 量价分析择时模型的绝对收益表现（基于沪深 300 指数） . 3 量价分析择时模型的相对强弱表现（基于沪深 300 指数） . 4 价分析模型的预测结果（基于上证指数） . 5 量价分析择时模型的绝对收益表现（基于上证指数） . 6 量价分析择时模型的相对强弱表现（基于上证指数） . 7 沪深 300 指数的周收益率与指数周日均成交金额的增长率比较 . 定量研究·选股策略 4 股票市场的量价关系是指市场指数或者个股的价格变化与交易量（交易金额）之间的相关关系。 由于量价关系是股票技术分析理论的重要基石，也是广大投资者在投资实践中判断市场或个股运行趋势的主要手段之一，因此对量价关系的研究具有比较重要的理论和现实意义。 但是股票市场的量和价之间绝对不是简单的线性对应关系，也正因为如此，量价关系理论一直是金融领域研究的热点课题之一。 大量的研究表明，交易量与价格变化之间呈正向的相关关系。 但是交易量与价格变化之间到底具有怎样的深层关系，或者这种非线性的关系到底应该怎样来刻画。 本篇报告中我们希望能够使用数量建模的方法来揭示这种关系，并以此为基础构建具体的量化交易策略。 1. 海通 型的研究思路与成果 在前期的宏观经济周期与证券市场的趋势相关性研究与海通 型在台湾市场的实证检验两篇报告中，我们利用向量 型建立了宏观货币供应周期与证券市场趋势之间的关联性，取得了良好的实证效果。 在 A 股市场我们做了 33 期的样本外预测，准确率达到了 88%以上，在台湾市场上我们做了近 90 期的样本外预测，准确度也达到了 72%以上。 我们将这种 型建模的思想加以改进并且应用在量化的行业研究上，预测各个具体行业指数的月度涨跌趋势，即所谓的 业模型。 目前我们将该模型应用在海通石化、房地产、和银行业指数上都得了良好的实证效果，预测的准确率均达到了 80%以上。 型在各个量化领域取得的成功也促使我们进一步地研究模型背后隐含的逻辑，我们发现 模的思想非常适合研究多变量之间复杂而又明确的联动关系。 首先， 型将研究变量划分为不同的状态，进而研究各变量的状态之间的转移关系，这显然比一般传统上对研究变量具体数值的刻画要相对容易，而且可以有效地避免出现样本内“过度拟合”的现象；其次， 型建立了研究变量与解释变量之间非线性的关系，是一种非线性的量化建模方法。 型具有的这些优势使我们有理由相信其对研究量价关系理论这一明确而又复杂的关系必然有一定的适用性。 2. 量化择时模型的实证效果分析 在这一部分中，我们分别以沪深 300 指数和上证综合指数为标的指数建模，并且对模型实证检验的结果进行详细地讨论和解释。 由于我们的投资标的均为大盘指数，所以我们选择50%的标的指数 +50%的现金 组合作为我们择时投资策略收益的比较基准。 证数据描述 在本篇报告的实证检验中，我们具体分别选取沪深 300 指数和上证综合指数作为投资的标的指数，由于沪深 300 指数是从 2005 年 1 月才开始编制的，所以我们选取沪深 300 指数2005 年 1 月 7 日至 2009 年 7 月 17 日的量价数据进行实证研究；考虑到沪深 300 指数样本期比较短的缺陷，我们又选取了上证综合指数 2002 年 7 月 12 日至 2009 年 7 月 17 日的数据进行实证分析。 我们从 据库中提取沪深 300 指数自 2005 年 1 月 7 日至 2009 年 7 月 17 日的周收盘价数据和成交量数据，并计算沪深 300 指数的 10 日股价动量；从 据库中提取上证综合指数自 2002 年 7 月 12 日至 2009 年 7 月 17 日的周收盘价数据和成交量数据，并计算指数的 10 日股价动量。 深 300 指数为标的指数的实证效果 定量研究·选股策略 5 我们以沪深 300指数从 2005年 1月 7日至 2006年 12月 29日共 98周数据作为模型的初始训练样本，对标的指数从 2007年 1月 5日到 2009年 7月 17日共 129周的数据做（每一期）样本外的滚动预测，即在每一期我们都会利用最新的样本数据更新模型的参数并对指数下一期的涨跌进行预测。 模型预测期的准确率达到了 下图中我们列示出了模型样本外的预测结果，如果模型预测结果正确（与真实的涨跌情况比较）记为 1，而如果模型预测结果错误则记为 图 1 价分析 模型的预测结果（基于沪深 300 指数） 007007007007008008008008009深300指数资料来源：海通证券研究所 从图 1中模型的预测结果我们可以看出， 当标的指数运行趋势比较明显时量价配合关系比较明确，这时模型的预测精度也比比较高；而当标的指数处于震荡时期或者原有趋势将改变时量价之间关系的不确定性增强，模型的出错率也比较高。 我们基于 当模型判断下周指数将上涨时我们全仓持有标的指数，而当模型判断下周指数将下跌时我们则全仓持有现金。 下图 2中我们列示出了择时策略收益的表现情况。 图 2 量价分析择时模型的绝对收益表现（基于沪深 300 指数） 012345620070070。