【兴业定量任瞳团队】沪深300 or 创业板?

原标题：【兴业定量任瞳团队】沪深300 or 创业板?本文继续将量化基本面应用到股票市场之间的轮动，分析沪深300指数和创业板指数历次轮动的可能原因，尝试对未来市场两个板块相对强弱走势进行判断，创新地运用宏观经济变量、板块自身特点以及政策信息去分析和预测沪深300指数和创业板指之间的轮动规律，构建有效模型。报告正文1沪深300和创业板指收益为何分化？自2010年6月有创业板指以来，历史大部分时期，创业板的表现都显著优于沪深300指数。但2017年全年来看，沪深300全年涨幅超过22%，而同期创业板指下跌11%，就在市场开始信奉“价值为王”，一致看好大盘蓝筹时，2018年年初市场风格又发生了变化，截至2018年5月4日，创业板指上涨3.5%，走势远优于沪深300（下跌6.4%），可见主板和创业板的轮动愈来愈频繁，而风格的判断一定程度上对最终投资组合的表现起到不可忽视的作用，因此去探究板块轮动的原因，解释甚至预测市场轮动的行情，无论对于板块标的进行直接投资，还是以此作为基础选股池进行筛选，都变得愈来愈重要。要探究轮动的规律，首先应理解沪深300和创业板指各方面的差异及原因。1.1 两板块估值和市值有所分化截至2018年5月4日，沪深300指数的平均市值为833亿，远高于市场平均水平132亿，而创业板指平均市值为148亿，略高于市场平均水平，可见目前创业板指并不是市场普遍认为的“小盘股”。从估值上来看，创业板指的市盈率（PE-TTM）均值为44，远高于沪深300的估值，可见创业板指相对于沪深300市值较小，估值较高。1.2 两板块行业分布各有偏重由于创业板和主板对于上市公司的成长性和创新性要求有所不同，所以两者在行业分布上也出现了显著差异。从行业分布来看，沪深300以金融、地产等周期性行业为主，而创业板指以医药生物、计算机等非周期性行业为主，从而两者的成长性有很大不同，且其所受宏观经济的影响程度有很大区别。1.3 与各种风格收益有较高的相关性本文利用沪深300和创业板指日收益率之差，可以构造沪深300和创业板指相对价值走势净值，发现沪深300和创业板指表现的差异可以解释为大盘和小盘差异、价值股和成长股的差异、周期股与非周期股的差异以及低估值和高估值股票的差异。2沪深300和创业板指为何发生轮动？我们根据沪深300和创业板指相对的表现，将其分为上涨、下跌和震荡阶段，分别对应的是沪深300指数相对走强、两者无相对强弱、以及创业板指相对走强三种状态，且可能的原因如下图所示。我们综合了基本面分析师群体对于两板块轮动原因的分析，认为可能有以下规律：1、宏观经济较好时，沪深300指数表现较强，可能与其周期股占比较高有关；2、市场流动性宽裕、IPO减缓时创业板指表现更优，弹性更强；3、市场系统性风险越高，沪深300由于估值有优势，将比创业板指更有抗跌优势；4、从技术面来看，相对净值曲线的短期收益率有一定持续性，历史收益率序列具有自相关性。3沪深300和创业板指相对强弱表现因子库构建3.1 两板块相对强弱表现的因子库构建因子是量化分析的素材，根据前面分析，我们构建了从逻辑上可能影响两板块相对强弱表现的因子库，包括实体经济、通胀水平、市场资金流动性、市场风险偏好、板块自身特点以及政策信息，具体的因子库以及影响变量如下表：3.2 因子库因子调整宏观经济因子与商品的基本面因子在更新频率、数据延迟等方面有一些相似之处，相对于行情数据有更新频率更低、更新不够及时、统计口径时有变化等特点，所以其数据处理方面有其特殊之处，本文从数据频率的调整、因子更新延迟调整以及奇异值的处理等方面进行了深入探讨。（详细内容请参见报告）4单因子信号生成机制及其评价4.1三分位法t统计量构造机制为了衡量其预测效果，我们对单个因子采用三分位点法作为信号生成机制，确定未来的投资信号。三分位点法是指可以依据指标的观察样本数据确定上下三分位点，结合该指标的方向逻辑，确定下一期的头寸方向（分别对应看多，看平和看空三个方向），进而分析在不同分位点情景下市场下一期收益率的统计差异，其差异程度可以通过以下统计量衡量：我们发现衡量不同分位点情景下市场下一期收益率差异的t统计量与夏普比率（不考虑手续费和交易摩擦）相关性非常高，从而可以用t统计量是否显著作为因子预测效果的重要衡量指标。4.2 轮动解释因子筛选为了揭示沪深300和创业板指轮动的原因，先假设我们可以在同期知道所有因子的值，即我们可以每次都准确预测出下期该因子的数值大小。我们可从因子库中筛选出指标如下表所示，可见在大类指标中有较多变量能够对市场轮动有显著的解释效果。4.3 考虑数据公布延迟的预测因子筛选考虑到部分因子数据并非连续公布，且数据公布有延迟，我们继续挖掘考虑数据公布延迟后的因子表现，则按照t统计量显著性筛选出市场轮动有效的预测因子如下表。5因子筛选以及轮动表现我们在筛选最终因子时会兼顾因子的预测能力和解释能力，认为两种情况皆显著的为稳健且有效的因子，综合考虑因子间的相关性，最终在每个大类中选出一个最优因子，组成的有效因子库如下表所示。按照等权配置各个因子以及少数服从多数原则进行信号发出（具体方法请见报告《CTA策略系列报告之五：商品量化基本面研究框架的探索之螺纹钢》2018-01-07），多空策略的年化收益率为36%，夏普比可达到1.55，远高于单纯买入创业板指卖出沪深300。策略具体表现如下：由于市场有做空限制，若执行纯多头策略，年化收益率为22%，夏普比达到0.76，远优于等权配置的0.27，可见轮动效果十分显著。总结&未来研究展望本篇报告继续将量化基本面应用到股票市场之间的轮动，创新地运用宏观经济变量、板块自身特点以及政策信息去分析和预测沪深300指数和创业板指之间的轮动规律，并将宏观经济和政策信息量化，可为投资者在信息和数据处理上提供一定的参考。后续我们将继续尝试沪深300和中证500的轮动，从而在期货上进行尝试，可作为CTA策略的补充。风险提示：模型结论是基于合理假设前提下结合历史数据推导得出，在市场环境转变时模型存在失效的风险。证券研究报告：《CTA策略系列报告之七：量化基本面探索之基于宏观经济因素以及市场自身特点的沪深300和创业板轮动策略》对外发布时间：2018年5月13日报告发布机构：兴业证券股份有限