首页 / 芷瀚动态 / 芷瀚观点

芷瀚动态

News

价格行情的循环模式分析

2022-04-19

价格运行具备趋势性、季节性和循环周期性等特征,附带趋势性和季节性的循环周期理论包含了三种有序的价格运行模式,第四种模式则是噪声情境,不属于前三种模式的各个因素均可以列入噪声模式。具体来说,为了寻找任何一种价格的运行模式,都必须先删除其他要素,应用行情数据的一阶差分可以消除相应的趋势因子,同时对所取数据刨除一年期移动平均线,可以从原始价格序列中删除季节性的行情模式,即在确定第一个差值之后,将相应的数值减去1年期平均价格,剩下的循环周期以及非界定的价格运行模式被称之为噪声。 在对周期模式进行分析而选取市场工具之前,需要观测的是一个占主导地位的循环情境,相对于循环周期的基础要素而言,应注意的要素有相应的库存模式、繁殖和饲养牲畜所需要的固定时间、相关季节属性、关闭一个矿山所需时间长短、再开工的时间、政府的利率政策等。 大部分流行的循环周期理论源自尼古拉.康德拉季耶夫Nicolai Kondratieft所发表的54年循环周期模式,即K波理论,其记录的时间跨度是从1780年到现在,相应行情的表现形式体现为从高位到低位、再回调的常规运行模式。如下图1所示,康德拉季耶夫波浪理论基于重大事件所生成的周期模式提供了趋势走向,其中难以判断的是总体趋势向上的结果是否存在随机因素的干扰。 图1 康德拉季耶夫波浪理论 本文介绍的剔除趋势因子的方法分为价格分析的三角函数模式和最大熵值(噪声)模式,具体指傅利叶频谱分析模式和最大熵值相位调整技术。 频谱分析模式 频谱分析模式是傅立叶系列方法之中所应用的一种特定的技术模式,在研究覆盖数据序列的循环周期时,需要参照它们彼此之间的相位值,反映的是不同周期起点之间的相关性。如果一个周期相较于另一个周期,相应峰值和底值的位置正好相反,那么它们的相位差值为180°;如果两个周期相位一致,那它们则是相同的。另外,某种周期的循环模式可能以相位变化的形式领先或滞后于另一种周期的循环模式。 应用频谱分析模式显示一系列具有重要意义循环结构的工具是周期图表,而图表之上的循环加权结构将生成更为流行的频谱密度图表,其被用来阐述频谱分析的结果,其中的密度是指相关事件发生的频率。图2 a)显示了三个简单的波序列的频谱密度值(其中D波是由A、B、C波所组合而成的傅立叶级数),频谱密度图底部所显示的周期步长与A波、B波和C波的周期长度相对应。图2 b)左侧被测量的频谱密度值会受到相关周期振幅的平方值、噪声水平的大小、价格走势的随机属性等因素的影响而不断地发生变化,因此,其循环周期属性往往会被掩盖。在图b)中,相关测试结果是基于三波情境而生成的,如果基础资产的振幅所对应的噪声水平相同,那么,相关周期的频谱分析价格将会被完全地遮蔽。该频谱密度图和相关性图表之间的相似性在ARIMA模型中也可以体现出来。 图2 a)由A B和C三个主波所组成的复合波 图2 b)复合波D所对应的频谱密度值 最大熵值频谱分析技术与相位调整 最大熵值频谱分析技术(MESA)由约翰.埃勒斯John F .Ehlers提出,该方法可在时间序列之中过滤噪声进而显示有意义的循环周期。该技术与傅利叶分析模式是互为替代关系,可以用少量的数据使之变得平稳并发现相关的周期。傅利叶转换模式需要256个数据点及16个具有一致性的循环周期,短板在于该方法会消除短期交易者发现相应周期的可能性。 MESA技术运用的核心在于相位角的应用,在理想情境下,市场行情的运行周期可被视为一个纯粹的正弦曲线波,同时相位角在整个周期中从0°到360°不断增加。新的周期开始时,相位角下降到0,并以一个恒定的速率再次增加,直到360°结束,如此反复。 赫斯特Hurst将周期循环结构作为价格运行的主要组成部分,应用了相位角的理念模式,同时使用移动平均线来识别混合型的趋势性周期循环模式。相位系统可被看作震荡指标相关的一种计量模式,其表现为一条与趋势线相近似的直线,所预期的是相应行情上下运行的态势。赫斯特方法的应用过程被称为相位调整,如下图图3所示,该方法可使移动平均线的顶部和底部与实际价格行情的顶部和底部保持一致。为调整全时段和半节距移动平均线的相位值,将每一期的均线后推一半时间的步长,从而使相应曲线覆盖各个价格点位,重点调整全时段和半节距移动平均线的相位值,直至它们彼此交叉。 图3 赫拉特的相位理论 循环周期模式会以各种形态出现,比如季节属性、产品的上线和下线、库存或仓储,交易者的行为方式等,三角函数拟合和傅利叶分析法则是重要的寻找循环周期的方法,更多的关于价格行情的循环模式分析可参考Perry J.Kaufman《交易系统与方法》。 参考文献:关于频谱分析技术,可参考约翰.埃勒斯《最大熵值的频谱分析技术与市场行情的周期运行模式》

判断市场状态:适应市场变化的基础

2022-03-18

作为一个交易者(或者更广泛来讲的投资者),判断市场状态是适应市场变化,让账户上的资金在金融二级市场上生存下来的基础。 金融二级市场(即股票、期货等金融衍生品的交易市场)的状态通常会不定期的切换并保持一段时间。这一市场状态的判断可以进一步细化到具体的交易品种。市场状态的切换会直接影响到金融资产的表现及投资组合的配置。 那么,我们如何来判断市场的状态呢? 预测未来的市场会如何,是一个难以回答的问题。分析师们对市场的未来指点江山,但没有人知道确切的答案,只有盘面的价格会反应一切。市场状态只有在运行过一段时间之后我们才能发现。这是一个不得不面对的现实。 市场状态的划分 对于某一交易品种正在处于的市场状态,有不同的划分维度。在此我们根据对交易方式的选择更具指导性的方式做划分,即根据波动性和趋势性,将其分为以下四种状态: 1.波动的趋势:价格有大的变化,偶尔伴有剧烈的短期逆转 2.平静的趋势:价格在几个月里缓慢趋向,但始终没有剧烈回调或反方向运动 3.稳定平静(或称为小幅调整):价格在一个相对较小的范围内波动 4.稳定波动(或称为宽幅震荡):有大的日间或周间变化,但没有重大的月际变化 通过下面这张图可以对这四种状态有更直观的理解: 不同的市场状态会有利于不同的交易策略。例如:趋势跟踪者会喜欢平静的趋势,而反趋势交易者(如采用波段交易)则更偏好稳定的波动市场。 市场状态的信号识别 除了直观的走势图判断,分析师的宏观形势、基本面研判外,我们还可以做的是寻找市场处于某种特定状态的指示信号。 在这里我们简单介绍三个基于不同方式识别市场状态的案例: 第一个案例来自Two Sigma的研究。原文链接:https://www.twosigma.com/wp-content/uploads/2021/10/Machine-Learning-Approach-to-Regime-Modeling_.pdf 其应用高斯混合模型(GMM模型),结合美国市场从1970年开始17个因子的收益,来判断市场状态的变化。基本逻辑是:对17个因子历史收益进行聚类,得到4个最优参数,即4种不同的市场状态。更简单的讲,当大部分核心因子历史收益表现差时,市场处于危机状态;当大部分因子表现稳定时,市场处于稳定状态;当因子表现较好,但波动性却比其他三个状态都高时,市场处于脆弱状态;当权益、利率等因子表现垫底时,市场处于通胀状态。 第二个案例则利用市场中相关性矩阵来衡量市场状态。原文链接:Identifying States of a Financial Market | Scientific Reports (nature.com)。https://www.nature.com/articles/srep00644 其基本逻辑是:衡量的市场中的所有股票的一段时间内的相关性,当两个时间段内的相关性矩阵相差的比较远,也就是市场状态有很大的不同。例如2008年经济危机时,市场状态便有很大变化,市场相关性显著增强,因为大家都倾向于抱团下跌。 第三个案例来自一篇券商公开报告。原文链接:隐马尔可夫市场状态识别方法:大类资产,配置择时https://max.book118.com/html/2021/1130/7011046123004054.shtm 其基本思想是:以单类资产风险调整收益表现为基础,对不同类资产市场各阶段状态识别结果进行比较,实现自下而上的多资产平衡配置。具体而言,将市场分为牛市、熊市、高波动状态三类,选取股票、固收、商品、资产四类资产的共11个指数数据进行市场状态识别,并对单资产构建择时策略。(下图中牛市、熊市、高波动率阶段分别标记为0,1,2) 总而言之,判断市场状态类似于经济学理论中常讲的相机抉择,见招拆招,根据当时情况立即采取应对措施。而未来的情形会如何,则另当别论。 参考文献 1.本文关于市场状态的划分部分,初始参考自 柯蒂斯·费思 所著书籍《海龟交易法则》。

NFT与策略构建在链、币交互中的应用

2022-02-13

NFT(Non-fungible token)是指依附于现有的区块链,代表了拥有者在区块链上资产的实际所有权的非同质化代币,NFT具备独一无二、不可互换、不可分割的特点。NFT先后形成了ERC721→ERC1155→ERC998三个底层协议,如下表所示,三个底层协议标准的功能逐步升级,从ERC721到ERC1155,实现了代币转账交易的便捷性和低成本性;从ERC1155到ERC998,实现了代币的打包交易及多场景应用,目前ERC721仍是NFT生态场景最常运用的通证形式。第一个NFT项目Cryptopunks在以太坊交易,此时并没有专门面向NFT的底层协议,直到ERC-721被Dapper创造出来,Dapper基于ERC721创作出的CryptoKitties成为第一款NFT爆款项目,2020年以来NFT生态爆发式扩张,主要原因是随着资本市场对流动性的泛滥,追逐越来越高的收益率,资本开始转向加密货币市场,广泛布局NFT。 对NFT领域的投资主要分为四类:直接买入NFT;对NFT项目进行投资;投资NFT相关代币;投资NFT收藏品。NFT的主流交易平台opensea支持定价销售、荷兰拍卖、英式拍卖、私下交易四种NFT产品拍卖方式。根据NFT的不同分类,其应用场景也有所不同,主流应用可分为以下四种:IP-NFT,主要指NFT不可篡改的技术特点在版权领域的应用;Art-NFT,突出艺术收藏、数字确权的作用;Game-NFT,游戏用户通过创建可以自由交易的NFT产品,从而构建一个让用户参与建设的游戏生态;FI-NFT,主要在去中心化金融(defi)领域的应用,例如加密保单、去中心化抵押贷款等。 依据Footprint Analytics数据显示,NFT成交量在2021年2月份进入爆发式增长,月增长率达627.53%,月成交量总额于2021年8月达最高值$5585M,如下图图1所示: 基于不同的链,NFT产品的市场成交量变动也呈现出不同的态势,Footprint Analytics的NFT板块月度报告显示,2021年11月NFT的TVL为2807.9亿,环比增长11.07%。以太坊 TVL 为 1795.5 亿,增长率为 9.09%,占市场份额的 63.95%;币安TVL为204.2亿,下降2.06%,占市场份额7.27%;Solana TVL为144.3亿,增长率为15.9%,占市场份额的5.14%。增长率最高的前五名链分别为 Ultra(增长 325.37%)、HPB(增长 205.63%)、IoTeX(增长 97.13%)、Harmony(增长 71.37%)、Avalanche(增长 62.01%)。如下图2所示。 NFT与Defi二者的生态存在交叉,当下的 DeFi 是用 FT (比如 BTC、ETH 等) 类型下的优质资产作为底层资产,担当租借的抵押物,充当自动化市场中的做市资产。将 DeFi 扩展至 NFT 领域,将高价值的 NFT 作为抵押物从而发行代币,这种方式拓展了DeFi 和NFT项目方的平台搭建。难点在于作为抵押品的 NFT 如何进行标准化定价,以及所创建代币的应用场景如何推广。 NFT与Metaverse也存在交互因素。元宇宙将现实中的经济系统映射到虚拟世界需要有自己的经济系统,难点不在于经济模式的嫁接,而在于经济单元的价值保证。NFT基于区块链技术上的去中心化特征和价值共识机制,以及独一无二、不可分割、不可互换的特点,可以为元宇宙的数字资产提供数字确权,渗透到元宇宙中每一个需要拥有价值的虚拟单位上,从而使元宇宙资产经济单元的价值得到保证。区块链是元宇宙的基础设施,而NFT为元宇宙基础设施的搭建提供了打包确权的技术手段。 对于NFT的资产配置,较为成熟的平台有CellETF去中心化加密资产投资基金,CellETF是部署在以太坊主网上的去中心化交易平台,所有交易均通过智能合约进行,其主要产品有代币兑换、跨链桥、质押挖矿、加密货币基金申购赎回等。基于CellETF平台的基金配置,如下表所示,CellETF作为一个去中心化的加密资产投资基金平台,投资者可通过CellETF交易平台,找到NFT相关概念的基金产品,通过申购与之对应的CellETF基金来完成NFT概念币种的资产配置。 策略构建思考: 1. 基于CellETF平台基金资产配置的协同 ①针对不同类型的底层资产以及投资工具,将与之对应的投资策略编写成标准化的智能合约模块,多个投资策略模块构成一只基金的交易权限。 ②构建Defi基金平台的流动性挖矿机制,CellETF基金Valut合约可支持与各类去中心化基金平台进行衔接,从而为CellETF基金提供流动性支持。 ③将Defi生态拓展到除以太坊以外的其他主链上,为CellETF提供更多的基金投资标的选择。 2. 基于跨链协议、Layer2平台的项目搭建 Layer1保证了安全和去中心化,做到全球共识,通过智能合约设计的规则进行仲裁,以经济激励的形式将信任传递到Layer2。随着以太坊主链的应用日趋广泛,但协议的负载量十分有限,造成链上拥堵,同时手续费越来越高,使得许多大规模应用无法在链上实现。layer2解决方案的核心是让多个参与方通过某种方式实现安全交易,无需将交易发布在主链(layer1)上。基于此,策略构建可围绕Layer2方案中的四个核心问题展开:状态通道(State Channels)、侧链(Sidechains)、等离子体(Plasma)、 Roll Up。通过Layer2平台搭建、完善跨链协议及侧链与主链的对接机制,推动策略构建在NFT领域的开发与应用。 数据来源: Opensea官网:https://opensea.io/assets CellETF官网:https://celletf.io/ Footprint官网:https://www.footprint.network

动量策略解读:趋势跟踪的应用

2022-01-10

“从历史来看,趋势跟踪最开始是期货交易者所用的策略,在最近10~20年的时间里被对冲基金所采用。绝大部分期货基金所用的交易策略,归根结底就是被称为趋势跟踪或者动量策略的方法。” ——对冲基金AQR创始人 克里夫·阿斯尼斯(Cliff Asness) 在上一期文章中,我们认识到,在市场中拥挤所带来的风险与机会。 接下来的文章是策略解读,我们将首先解读趋势跟踪(或动量策略)——它无处不在,市场参与者却又常常视而不见。 趋势的概念是技术分析方法的核心内容。 趋势具有三种方向:上升、下降、横向延伸。除此之外,从时间跨度和演变程度来看,趋势还可以划分为三种类型:主要趋势、次要趋势、短暂趋势。 趋势跟踪,简单来说,就是在趋势出现时跟随趋势,在趋势反转时反手或离场。它是基于价格的交易策略。 趋势跟踪的收益来源 趋势跟踪策略之所以能够成功,基于两条浅显但重要的假设。第一,市场上总会出现价格趋势,至于这种价格趋势为什么会出现,或许要留给有心人自己去考虑这恼人的问题了,但是技术分析的假说基础在于——价格反映了一切;第二,交易系统能够从这些趋势中获利。 从数学性的角度来讲,趋势交易靠切断负收益率的长尾,保留正收益率的长尾,以此而盈利。也即截断亏损,放大盈利。因此,趋势跟踪者最基本的交易策略就是止损和盈利增长。 例如,在下图中我们简化处理,假设每笔交易的收益服从正态分布,那我们要做的就是截断左侧的极端亏损值,以此获得一个正的期望收益。 图片来源:正态分布的底图来自网络,芷瀚资产整理 此外,在金融市场常存在尖峰厚尾的特征,这可能增加了上述策略的风险与回报。 图片来源:百度 没有人能够准确地预测趋势何时开始,何时结束。但如果设计出的交易系统能够适应市场的变化,就可以利用市场的变化赚到钱。这是趋势跟踪者颇为美好的一个愿景。 从理论上讲,真正大的损失很少出现在趋势跟踪策略之中,因为一旦市场反转,趋势跟踪者就会及时止损。最基本的原理在于,任何价位都可能是趋势的开始,也许大赚一笔就可以抵过一连串小打小闹的损失。至于这个也许的概率有多大,那就是另一个更复杂的问题了。在充满不确定性的市场环境中,需要严格 的交易系统去控制风险,搏取回报。 趋势跟踪精髓的5个问题 卡沃尔的《趋势跟踪》一书可谓趋势跟踪的精华之作,书中提出了趋势跟踪精髓的5个问题:1. 系统如何确定买卖什么?2. 系统如何确定应该买卖多少?3. 系统如何确定何时买入卖出?4. 系统如何确定怎样止损?5. 系统如何确定何时兑现浮盈?这几个问题恐怕需要每一位交易者结合自身风格对自己的交易系统做独特性实现。 趋势跟踪的简单量化实现 1.简易的四周规则 四周规则是由理查德·唐迁(RichardDonchian)发明的,它是一种追随趋势的完整的自动交易系统。最初它以四周的形式出现。只要价格涨过前四周内的最高价,就平掉空头仓位并做多;只要价格跌破前四周内的最低价,就平掉多头仓位并做空。出现四周突破并建立头寸之后,如果行情朝相反方向运行一到两周,投资者应平回该头寸,确认其为假突破,并等待下一个四周突破信号的出现再入市。周规则可进一步优化,并不局限于四周突破。 2.移动平均线(MA) 由著名的美国投资专家Joseph E.Granville于20世纪中期提出来。最简易常用的方法是:短期移动平均线从下向上突破中长期移动平均线,形成的交叉叫黄金交叉,预示股价将上涨。当短期移动平均线向下跌破中长期移动平均线形成的交叉叫做死亡交叉,预示股价将下跌。需要注意的是,这一指标需要和其他技术指标相结合使用,特别当市场处于盘整阶段时,这一指标可能会频繁给出并不可信的买入卖出信号。 3.抛物线转向(SAR) 由美国技术分析师威尔斯·威尔德(Wells Wilder)所创造,是利用抛物线方式,随时调整停损点位置以观察买卖点。SAR的计算稍繁琐,在此不展开。买卖的进出时机是价位穿过SAR时,也就是向下跌破SAR便卖出,向上越过SAR就买进。 需要注意的是,由于策略的同质化与衰竭(也即在上一期文章中所提到的拥挤交易)等问题,上述傻白甜简易策略的获利可能已弱化或失灵,但这些策略背后所代表的趋势跟踪思想却依旧存在。 此外,日本蜡烛图技术所揭示的形态指标也是重要的参考。 例:启明星与黄昏星 图片来源:史蒂夫·尼森《日本蜡烛图技术》 启明星属于底部反转形态。本形态发出的信号是,牛方已经重新夺回了主导权。其微观解读是:当第一根下跌蜡烛图出现时,市场正处于下降趋势中。到此时,熊方还占据上风。随后一天的小实体却表明买方已经失去进一步压低的能量。第3天,市场形成一根坚挺的上涨实体,表明牛方已经夺得统治权。黄昏星形态则正好与此相反。 倘若你还有心去关心基本面的研究。当然也不全是坏事。也许你会在基本面与价值的研判中得到笃定的趋势见解。 参考文献: 1.对趋势的理解和划分可参见《期货市场技术分析》第4章趋势的基本概念,这一概念同样适用于理解股票市场的趋势。价格反映了一切的假说也可参见该书第1章技术分析的理论基础。 2.卡沃尔的《趋势跟踪》一书对趋势跟踪的哲学性思考与方法论建议值得一阅。 3.对趋势跟踪盈利的数学性量化实例探讨可参考第三方平台的一篇文章《趋势交易为什么会盈利》:https://zhuanlan.zhihu.com/p/262277679。 4.蜡烛图所呈现的形态指标可进一步参考史蒂夫·尼森所著的经典书籍《日本蜡烛图技术》。

拥挤交易:泡沫里的风险与机会

2021-12-13

1. 拥挤带来的风险与机会 拥挤是一个很难定义的有趣话题。期货市场与股市都存在着拥挤的情境。 拥挤交易通常会导致资产价格超出基本面的上涨或下跌,也就是我们常说的泡沫。当泡沫破裂时,投资者又会争相抛出平仓。因此拥挤交易存在于泡沫从产生到破裂的整个周期。 在过热的市场中,拥挤交易带来的尾部风险(泡沫的破灭)尤其会在分析师们都一致看多或看空时将投资者杀个措手不及。策略的拥挤也可能导致投资者的预期回报减少(潜在阿尔法的衰减)。相对而言,后者更难被我们所检测到。 然而,拥挤也可能创造机会。例如,从资产定量研究的角度来看,我们经常将拥挤视为阿尔法的一个潜在来源。并且,当我们定义拥挤时,考虑参照是非常重要的,因为不同的策略的容量是不同的。市场流动性对于决定策略或市场的拥挤程度也很重要。 在激烈竞争的市场环境中,企图规避风险和获利的投资管理者,恐怕不得不在其策略的可行能力范围内,监控拥挤对其总体回报的影响。 2. 拥挤背后的原因 造成拥挤的最大因素是投资者倾向于做同样的事情。观察来看,投资者有一种倾向,即用相同的统计技术分析相同的数据集,从而最终得到大量重叠的头寸。他们会倾向于从不同的策略中追求回报高的那个策略,这加剧了拥挤效应。拥挤的另一个原因是投资经理们普遍在使用类似的标准的投资组合构建技术。消息面与市场情绪的扩大也可能导致投资者们在短时间内做出疯狂的相似行动。 3. 拥挤的识别 考虑到拥挤具有多方面的性质,我们在识别拥挤时,可能会侧重于不同维度的识别指标。 例如:如果你对拥挤可能带来的尾部风险感兴趣,那么持仓数据可能是重要的衡量标准,因为这些数据能让你了解面临类似风险的投资者的头寸。而如果你更关心拥挤对策略阿尔法的影响,相关性度量可能是拥挤对回报影响更直接的度量。(以股票的策略交易为例。如果我们观察到该策略的顶部篮子的股票之间或底部篮子的股票之间的日内相关性增加,那么这可能意味着有许多参与者都在遵循该策略,同时进行买卖。) 直观上最显而易见的拥挤特征就是成交量和价格的大幅提升(如:动量、流动性和乖离率指标)。除此之外,市场波动率增大(如:波动率指标)、量价变化趋势不匹配(如:量价相关性指标)等异常现象,也表明当前市场风险正在累积,可能存在交易拥挤。 4. 拥挤交易信号识别及策略构建的案例解读 下面我们将简单分享Kinlaw W , Kritzman M, Turkington D(2019)在论文《Crowded Trades: Implications for Sector Rotation and Factor Timing》中所探讨的有趣话题。该论文指出:如果我们能足够早的识别出泡沫,并且在泡沫破裂之前出场,那么是能够从泡沫中获利的。 核心内容:该论文使用“资产中心度(集中度)”和“相对价值”两个指标相结合来区分泡沫上升期出现的拥挤交易和泡沫破灭期出现的拥挤交易。证据表明,基于拥挤交易的行业轮动策略能够显著跑赢市场基准,并取得较优的风险回报比,且拥挤交易在因子择时中的应用也能带来显著的超额收益。需要指出的是,作者是用股市的数据进行这项研究的,但其背后的思想在期货市场也是值得借鉴的。 度量交易是否拥挤的方法: 首先,我们使用资产中心度(集中度)来衡量判断是否存在交易拥挤。 行业在某一时间的资产中心度C_i定义如下: 其中 注:N是资产的数量,wij是资产i在第j个特征向量中的权重。σ(E_j)2是第j个特征向量的方差,σ(A_i)2是第i个资产的方差。AR是第j个特征向量的吸收度,通常用来衡量风险集中度。直观上来讲,ARj度量了第j个特征向量对样本总方差的解释力度,而C_i则度量了资产i对总样本方差的影响力。我们可以这样理解,某一资产中心度越大,代表着该资产和其他资产关联度高,且自身的波动率也更大。 资产中心度指标本身可以用来测量拥挤交易的程度,据此来找到泡沫。如下图展示了1985至2017年美股11个行业的资产中心度。但是单凭此无法得知当 前处于泡沫的哪个阶段。为此,还需要其他指标的辅助。 我们用相对价值指标来区分泡沫的膨胀期和破灭期。 可以采用市净率PB来衡量资产的价值。分为3步:首先,获取各行业的市净率数据;其次,将各行业的PB除以过去n年的PB均值,得到归一化的市净率;最后,将上述结果除以横截面其他所有行业的均值,便得到了相对价值。 如果资产中心度高且相对价值指标高(过高估值),则认为该资产处在泡沫破灭期。如果资产中心度高且相对价值指标低(估值正常),则认为该资产处于泡沫膨胀期。 我们可以用历史数据的回测来看看这两个指标的效果。在过去30年里,我们熟知的两个大泡沫分别是1998年-2000年的科技股泡沫和2008年的次贷危机。 上面两张图分别展示了这两个泡沫时期的资产价格、资产中心度(集中度)及相对价值指标的走势。可以看出,资产中心度(集中度)指标可以定位泡沫开始膨胀的时间,但之后该指标一直上升,无法预知泡沫的变化阶段。而相对价值指标则可以定位泡沫开始破灭的时间。显然,上述两个指标的结合要比单个指标的使用更能准确的区分泡沫的各个阶段。 由于基本面、政策、资金乃至于市场情绪的影响,不同行业在某些时间段会受到市场资金的集中热捧,并由此产生泡沫。接下来,作者基于以上两个指标,区分泡沫膨胀期和泡沫破灭期。并基于不同阶段的行业,构建了行业轮动交易策略。除了在行业轮动中的应用,作者还讨论了拥挤交易在因子择时(包括规模、价值、质量及低波动等因子)中的应用。 关于本文的参考说明如下,感兴趣的读者可以进一步了解。 (关于行业轮动策略与因子择时策略的具体细节,我们并没有仔细展开,感兴趣的朋友可以进一步参考公众号“量化投资与机器学习”的一篇精彩文章:《拥挤交易:行业轮动与因子择时策略的构建》:https://mp.weixin.qq.com/s/EO7uQic_wbH2WOI7x5R8aA。该文章对上述这篇论文的主要内容做了详细阐释,也是本文分享这篇论文案例的主要来源。) (值得一提的是华宝证券研究创新部也延用这篇论文的方法,在国内的股市上验证了该方法的有效性,并做了进一步延伸测试。请见:《基于“集中度”的拥挤交易信号识别及策略构建》:https://xueqiu.com/2598256636/158317389。) (在交易拥挤效应的认知介绍上,本文还借鉴了第三方平台的两篇文章,分别是:《交易的拥挤效应》:https://zhuanlan.zhihu.com/p/73708544和《如何有效识别拥挤交易风险》:https://zhuanlan.zhihu.com/p/45563432。拥挤度指标的设定上可以参考华泰金工的报告《拥挤度指标在行业配置中的应用》:http://finance.sina.com.cn/stock/stockzmt/2020-02-11/doc-iimxyqvz1928427.shtml。在此对相关的分享者一并谢过。)

当前是:2/6 共27条信息 首页 上一页 下一页 尾页 跳转到:第
021-5068 6619 hr@cosmostar.cn
© 2017 RUNNING RECORDS LLC. ALL RIGHTS RESERVED. 沪ICP备18015628号-1