基于行業(yè)輪動(dòng)策略的多因子選股模型及投資效果實(shí)證研究

羅琎

(貴州財(cái)經(jīng)大學(xué) 貴州貴陽 550025)

在證券市場(chǎng)中，各行業(yè)的輪動(dòng)現(xiàn)象是否存在仍然被廣泛討論著。根據(jù)在經(jīng)濟(jì)周期各時(shí)期，各行業(yè)的收益表現(xiàn)不同，可將它們分為周期性行業(yè)和非周期性行業(yè)。行業(yè)輪動(dòng)策略假定，在經(jīng)濟(jì)擴(kuò)張時(shí)期，周期性行業(yè)表現(xiàn)良好，而在經(jīng)濟(jì)收縮時(shí)期，非周期性行業(yè)表現(xiàn)更佳?？略⑧嶋p陽從行業(yè)的產(chǎn)業(yè)鏈條和傳導(dǎo)機(jī)制方面解釋了行業(yè)輪動(dòng)存在的原理[1]。一般來說，基本材料或商品行業(yè)會(huì)比消費(fèi)品行業(yè)的反應(yīng)更加敏捷。在國(guó)內(nèi)的研究中，行業(yè)板塊現(xiàn)象的存在基本達(dá)成了共識(shí)，劉強(qiáng)認(rèn)為，這與我國(guó)與西方國(guó)家不同的市場(chǎng)特征、投資者結(jié)構(gòu)和心理特征有關(guān)。在相同的政策下，投資者會(huì)做出一致的投資決策，這就引起了各行業(yè)的股票市場(chǎng)出現(xiàn)輪動(dòng)效應(yīng)[2]。黃河提出，我國(guó)的經(jīng)濟(jì)周期劃分與央行的貨幣政策關(guān)系密切[3]。尚煜等研究者認(rèn)為股票市場(chǎng)中各個(gè)行業(yè)表現(xiàn)的輪動(dòng)和經(jīng)濟(jì)周期波動(dòng)緊密相連[4]。朱秋分、盧二坡經(jīng)過測(cè)算得出結(jié)論，我國(guó)金融周期和經(jīng)濟(jì)周期的變化均存在非對(duì)稱性特征[5]。周亮通過研究2007 年1 月至2017 年11 月的股市和貨幣政策的月度數(shù)據(jù)，設(shè)計(jì)出了贏家-輸家組合的行業(yè)輪動(dòng)策略[6]。我國(guó)已有不少學(xué)者運(yùn)用行業(yè)輪動(dòng)策略對(duì)行業(yè)輪動(dòng)現(xiàn)象進(jìn)行實(shí)證分析。張?chǎng)瓮ㄟ^實(shí)證分析得出受宏觀經(jīng)濟(jì)影響農(nóng)林牧漁和醫(yī)藥生物兩個(gè)行業(yè)板塊有輪動(dòng)現(xiàn)象[7]。周彩節(jié)認(rèn)為基于關(guān)聯(lián)規(guī)則研究我國(guó)股票市場(chǎng)中行業(yè)輪動(dòng)現(xiàn)象可預(yù)測(cè)未來表現(xiàn)強(qiáng)勢(shì)的行業(yè)[8]。

我國(guó)對(duì)行業(yè)輪動(dòng)策略的研究尚不深入，現(xiàn)存實(shí)證分析中，沒有與市面上現(xiàn)有的基金收益對(duì)比，沒能真正衡量行業(yè)輪動(dòng)策略在我國(guó)市場(chǎng)上運(yùn)用的可行性。綜合以上分析，該文將運(yùn)用聚寬量化投資平臺(tái)，與Python相結(jié)合，將中證全指里的股票作為股票池，根據(jù)經(jīng)濟(jì)周期的不同階段，選取一定數(shù)量股票進(jìn)行投資。并將其與市場(chǎng)平均收益進(jìn)行對(duì)比，從而實(shí)現(xiàn)行業(yè)輪動(dòng)策略的評(píng)估。

1 行業(yè)輪動(dòng)模型實(shí)證檢驗(yàn)

1.1 經(jīng)濟(jì)與行業(yè)周期的劃分

1.1.1 經(jīng)濟(jì)周期劃分

一般來說，M1 和M2 的增長(zhǎng)率相對(duì)變化可以用來解釋宏觀環(huán)境的經(jīng)濟(jì)運(yùn)行狀態(tài)。該文選擇M1與M2增速的差值作為劃分經(jīng)濟(jì)周期的依據(jù)，當(dāng)M1的增速大于M2 時(shí)，經(jīng)濟(jì)處于擴(kuò)張時(shí)期；反之，經(jīng)濟(jì)處于緊縮階段。當(dāng)指標(biāo)大于零時(shí)，代表貨幣擴(kuò)張期，反之代表貨幣緊縮期。該文選取2013 年1 月至2019 年2 月的樣本數(shù)據(jù)，根據(jù)樣本期間M1 與M2 增長(zhǎng)率的差值（設(shè)m為M1 與M2 增長(zhǎng)率的差值），將樣本期間劃分為8 個(gè)擴(kuò)張和收縮的階段。各階段的時(shí)間起始點(diǎn)和所對(duì)應(yīng)經(jīng)濟(jì)狀態(tài)結(jié)果如下。

第一階段（2013 年1 月至2013 年7 月），m＜0，經(jīng)濟(jì)收縮；第二階段（2013年8月至2014年3月），m＞0，經(jīng)濟(jì)擴(kuò)張；第三階段（2014 年4 月至2014 年10 月），m＜0，經(jīng)濟(jì)收縮；第四階段（2014年11月至2015年12月），m＞0，經(jīng)濟(jì)擴(kuò)張；第五階段（2016年1月至2016年9月），m＜0，經(jīng)濟(jì)收縮；第六階段（2016 年10 月至2017 年8 月），m＞0，經(jīng)濟(jì)擴(kuò)張；第七階段（2017年9月至2018年9月），m＜0，經(jīng)濟(jì)收縮；第八階段（2018 年10 月至2019 年2 月），m＞0，經(jīng)濟(jì)擴(kuò)張。

1.1.2 行業(yè)周期性劃分。

根據(jù)CAPM 模型結(jié)論，該文對(duì)各行業(yè)的指數(shù)數(shù)據(jù)進(jìn)行回歸，得到了它們相對(duì)于市場(chǎng)的Beta值，從而判斷它們的系統(tǒng)性風(fēng)險(xiǎn)大小。當(dāng)行業(yè)的Beta值大于1時(shí)為周期性行業(yè)，當(dāng)Beta 值小于1 時(shí)為非周期性行業(yè)。2013年底，申銀萬國(guó)證券股份有限公司發(fā)布的最新版一級(jí)行業(yè)分類標(biāo)準(zhǔn)中共設(shè)立了28 個(gè)一級(jí)行業(yè)。為了確定這28 個(gè)行業(yè)的周期性，該文以滬深300 指數(shù)作為市場(chǎng)基準(zhǔn)，選取2013—2019 年行業(yè)數(shù)據(jù)，使用Eviews軟件做回歸分析，分別得到了它們的Beta值，以作為行業(yè)周期性的劃分依據(jù)。根據(jù)計(jì)算結(jié)果，農(nóng)林牧漁、食品飲料、輕工制造、醫(yī)藥生物、公用事業(yè)、交通運(yùn)輸、商業(yè)貿(mào)易、餐飲旅游、綜合、計(jì)算機(jī)、傳媒、銀行為非周期性行業(yè)，采掘、化工、鋼鐵、有色金屬、電子元器件、家用電器、紡織服裝、房地產(chǎn)、建筑材料、建筑裝飾、電氣設(shè)備、國(guó)防軍工、通信、非銀金融、汽車、機(jī)械設(shè)備為周期性行業(yè)。

1.2 行業(yè)輪動(dòng)效應(yīng)的實(shí)證檢驗(yàn)

1.2.1 數(shù)據(jù)處理

該節(jié)根據(jù)前文中對(duì)經(jīng)濟(jì)周期的劃分，將不同類型的行業(yè)在對(duì)應(yīng)經(jīng)濟(jì)階段的表現(xiàn)計(jì)算匯總，得到了最終行業(yè)收益的對(duì)比。結(jié)果如表1所示。

表1 各階段周期性和非周期性行業(yè)表現(xiàn)

1.2.2 結(jié)果分析

通過表1結(jié)果可知，在經(jīng)濟(jì)收縮階段，非周期性行業(yè)的收益普遍高于周期性行業(yè)，勝率為75%。這說明在經(jīng)濟(jì)收縮時(shí)，非周期性行業(yè)確有風(fēng)險(xiǎn)防御的能力。在經(jīng)濟(jì)擴(kuò)張階段，周期性行業(yè)的收益均高于非周期性行業(yè)，這說明，周期性行業(yè)隨著經(jīng)濟(jì)情況的好轉(zhuǎn)，復(fù)蘇的速度比非周期性行業(yè)快，這時(shí)，投資與周期性行業(yè)會(huì)得到更高的收益。

2 多因子選股模型及其實(shí)證檢驗(yàn)

2.1 多因子選股模型原理——市值解釋因子選股模型

與單因子模型相對(duì)應(yīng)，多因子選股模型在選擇股票的過程中，考慮的不單是影響股價(jià)走勢(shì)的一個(gè)因子，而是使用多個(gè)能顯著而有效地對(duì)股價(jià)的走勢(shì)產(chǎn)生影響的因子，利用數(shù)量化思想建立了一個(gè)選股模型。在整個(gè)選股的過程中，當(dāng)股票滿足選股模型的條件時(shí)，買入股票，當(dāng)不滿足時(shí)，賣出股票。對(duì)比單因子選股模型，多因子選股模型更加穩(wěn)定，因?yàn)樗朔藛我蜃幽Ｐ椭锌沙掷m(xù)性差的缺點(diǎn)。單因子模型選股面窄，選股方式不夠科學(xué)，但在多因子選股過程中，不同市場(chǎng)條件下，總有一些因子發(fā)揮效應(yīng)，從而有效避免以上的不足。該文選取市值解釋因子模型來進(jìn)行選股投資，以下是該模型的相關(guān)介紹。

2005年馬修羅德斯等多名教授合著的論文中，股票市值按照如下因子模型進(jìn)行分解[9]。

其中，IND為行業(yè)虛擬變量矩陣，m為個(gè)股的市值的對(duì)數(shù)，b為股票的凈資產(chǎn)的對(duì)數(shù)，NI為公司凈利潤(rùn)。為了區(qū)分凈利潤(rùn)的正負(fù)，增加了一個(gè)代表正負(fù)的虛擬變量I，當(dāng)且僅當(dāng)凈利潤(rùn)為負(fù)時(shí)，這個(gè)虛擬變量的值為1，并且取凈利潤(rùn)絕對(duì)值的對(duì)數(shù)作為自變量。LEV為公司的財(cái)務(wù)杠桿（負(fù)債比上資產(chǎn)）。對(duì)股票利用此模型進(jìn)行回歸后發(fā)現(xiàn)，擬合優(yōu)度超過了80%，也就是說，這個(gè)因子模型可以被認(rèn)為是有效的。

2012 年查爾斯教授及其博士生珍妮特發(fā)表的論文中，發(fā)現(xiàn)上市公司的市值與其市盈率、凈資產(chǎn)以及開發(fā)支出密不可分，選取開發(fā)支出水平高的公司進(jìn)行回歸后，得出的擬合優(yōu)度可以達(dá)到94%[10]。

其中，a0為虛擬變量矩陣，RD為研發(fā)支出的對(duì)數(shù)，b為股票的凈資產(chǎn)的對(duì)數(shù)，O為組織資本的對(duì)數(shù)，PE為市盈率。

由上述內(nèi)容可知，某時(shí)間點(diǎn)上的股票市值可以由多個(gè)因素來解釋。按照多因子策略的基本思想，將多個(gè)因子作為自變量，進(jìn)行對(duì)截面上市值的回歸，若求得的殘差值越小，說明股票市值向下偏離其理論值程度越高，也就意味著該股票未來上漲的趨勢(shì)越明顯。該文綜合考量后，選擇了公司財(cái)務(wù)杠桿、營(yíng)業(yè)收入增長(zhǎng)率、行業(yè)虛擬變量、對(duì)數(shù)凈利潤(rùn)、對(duì)數(shù)研發(fā)支出，以及對(duì)數(shù)凈資產(chǎn)等財(cái)務(wù)指標(biāo)作為市值解釋因子的自變量。在回歸方法上，選用了傳統(tǒng)的多元線性回歸。

其中，m為股票市值的對(duì)數(shù)，IND為行業(yè)虛擬變量矩陣，b為個(gè)股的對(duì)數(shù)凈資產(chǎn)，NI為公司凈利潤(rùn)，I為虛擬變量。為了區(qū)分凈利潤(rùn)的正負(fù)，增加了一個(gè)代表正負(fù)的虛擬變量I，當(dāng)且僅當(dāng)凈利潤(rùn)為負(fù)時(shí)，這個(gè)虛擬變量的值為1，并且取凈利潤(rùn)絕對(duì)值的對(duì)數(shù)作為自變量。LEV為公司的杠桿率（負(fù)債比上資產(chǎn)），g為營(yíng)業(yè)收入的增長(zhǎng)率，RD為研發(fā)支出的對(duì)數(shù)（若沒有則默認(rèn)為0）。

2.2 多因子選股模型實(shí)證檢驗(yàn)

該文選取市值解釋因子模型來進(jìn)行選股投資，對(duì)從聚寬數(shù)據(jù)庫中調(diào)取出的數(shù)據(jù)進(jìn)行多元回歸，使用申萬一級(jí)行業(yè)劃分作為行業(yè)虛擬變量矩陣，選擇2013年1月至2019年2月作為回測(cè)時(shí)間，將中證全指中的申萬一級(jí)的所有股票作為股票池進(jìn)行回歸，并將回歸得到的結(jié)果用到當(dāng)日的股票上，計(jì)算預(yù)測(cè)值與真實(shí)值之間的差距（殘差），按照殘差從小到大的順序?qū)善边M(jìn)行排序，每10 個(gè)交易日進(jìn)行一次調(diào)倉(cāng)，每次調(diào)倉(cāng)時(shí)買入（或繼續(xù)持有）因子排名在前十位的股票，若股票的排名偏離這個(gè)區(qū)間，則賣出。利用向量回歸，得到的2013年1月到2019年2月市值解釋因子模型與市場(chǎng)收益的對(duì)比如圖1所示。

圖1 市值解釋因子模型收益概述

由此策略的回測(cè)報(bào)告可以看出，經(jīng)市值因子篩選后的股票收益率表現(xiàn)較好，在長(zhǎng)期均超過了基準(zhǔn)收益率。在回測(cè)區(qū)間內(nèi)，因子選股構(gòu)建出的投資組合以65.8%的概率戰(zhàn)勝了市場(chǎng)基準(zhǔn)，均值差為141.912，標(biāo)準(zhǔn)差為95.365，而對(duì)應(yīng)指數(shù)的標(biāo)準(zhǔn)差為26.697。由此可見，多因子選股模型在回測(cè)區(qū)間總體表現(xiàn)良好，但是其標(biāo)準(zhǔn)差超過了市場(chǎng)總體水平，說明使用單純的因子選股模式，投資風(fēng)險(xiǎn)較大。

3 行業(yè)輪動(dòng)多因子選股模型及其實(shí)證檢驗(yàn)

3.1 行業(yè)輪動(dòng)多因子選股模型原理

在該文中，行業(yè)輪動(dòng)多因子選股模型是將行業(yè)輪動(dòng)策略與前文的市值解釋因子選股模型結(jié)合起來。據(jù)國(guó)內(nèi)外的相關(guān)研究成果以及前文中的實(shí)證可以得知，證券市場(chǎng)上的確存在著行業(yè)輪動(dòng)現(xiàn)象。所以，可以根據(jù)當(dāng)前經(jīng)濟(jì)狀況的不同，進(jìn)而利用因子模型，對(duì)不同周期性質(zhì)的股票池進(jìn)行選股。具體為：當(dāng)經(jīng)濟(jì)環(huán)境處于收縮階段時(shí)對(duì)非周期性行業(yè)里的股票進(jìn)行市值解釋因子模型選股，來買入或持有；而經(jīng)濟(jì)擴(kuò)張時(shí)期，對(duì)周期性行業(yè)的股票進(jìn)行因子模型選股。這樣得到的投資組合與經(jīng)濟(jì)所處階段相對(duì)應(yīng)，在基本面上符合投資邏輯。

3.2 行業(yè)輪動(dòng)多因子選股模型的實(shí)證檢驗(yàn)

3.2.1 策略簡(jiǎn)介

下面將以行業(yè)輪動(dòng)模型為基礎(chǔ)，對(duì)中證全指的所有股票進(jìn)行投資回測(cè)。以2013年1月到2019年2月為回測(cè)時(shí)間，貨幣周期擴(kuò)張時(shí)，對(duì)周期性行業(yè)進(jìn)行因子選股投資；緊縮時(shí)，對(duì)非周期行業(yè)進(jìn)行投資。在每個(gè)周期階段，按照前文因子選股的模式進(jìn)行投資。由于周期更替與財(cái)報(bào)發(fā)布時(shí)間不一致，特以10個(gè)交易日為調(diào)倉(cāng)周期，每次對(duì)公司財(cái)務(wù)指標(biāo)進(jìn)行回歸，得出預(yù)測(cè)的市值m，將其與實(shí)際值進(jìn)行對(duì)比，求得殘差。按照殘差由小到大進(jìn)行排序，將排名前十的股票買入或繼續(xù)持有，將不在這個(gè)區(qū)間的股票賣出。

3.2.2 檢驗(yàn)過程

將2013年1月到2019年2月的因子模型回測(cè)結(jié)果與市場(chǎng)基準(zhǔn)收益相對(duì)比，得到的結(jié)果如圖2所示。

圖2 兩模型收益對(duì)比

第一階段行業(yè)輪動(dòng)三因子選股模型收益率明顯高于基準(zhǔn)，有較好的市場(chǎng)表現(xiàn)，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為69.0%，策略收益為17.49%，市場(chǎng)收益率為-12.13%。第二階段行業(yè)輪動(dòng)三因子選股模型收益率明顯高于基準(zhǔn)，有較好的市場(chǎng)表現(xiàn)，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為73.8%，策略收益為37.18%，市場(chǎng)收益率為1.98%。第三階段行業(yè)輪動(dòng)三因子選股模型收益率明顯高于基準(zhǔn)，有較好的市場(chǎng)表現(xiàn)，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為82.6%，策略收益為39.76%，市場(chǎng)收益率為19.03%。第四階段行業(yè)輪動(dòng)三因子選股模型收益率明顯高于基準(zhǔn)，有較好的市場(chǎng)表現(xiàn)，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為54.7%，策略收益為5.33%，市場(chǎng)收益率為-15.10%。第五階段行業(yè)輪動(dòng)三因子選股模型收益率明顯高于基準(zhǔn)，有較好的市場(chǎng)表現(xiàn)，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為74.6%，策略收益為75.91%，市場(chǎng)收益率為23.24%。第六階段行業(yè)輪動(dòng)三因子選股模型收益率明顯高于基準(zhǔn)，有較好的市場(chǎng)表現(xiàn)，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為71.8%，策略收益為18.80%，市場(chǎng)收益率為11.85%。第七階段行業(yè)輪動(dòng)三因子選股模型雖然為負(fù)值，但是損失程度小于市場(chǎng)平均，說明該策略有良好的風(fēng)險(xiǎn)回避能力，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為51.8%，策略收益為-16.05%，市場(chǎng)收益率為-21.91%。第八階段行業(yè)輪動(dòng)三因子選股模型收益率明顯高于基準(zhǔn)，有較好的市場(chǎng)表現(xiàn)，策略投資組合收益率戰(zhàn)勝指數(shù)的概率為65.5%，策略收益為14.69%，市場(chǎng)收益率為4.24%。

3.2.3 結(jié)果分析

由圖2中行業(yè)輪動(dòng)多因子選股模型運(yùn)行結(jié)果和參照基準(zhǔn)的收益率趨勢(shì)對(duì)比可得，模型的收益在整體上都要高于市場(chǎng)基準(zhǔn)收益。這說明模型的投資效果要好于市場(chǎng)標(biāo)準(zhǔn)。

3.2.4 與多因子選股模型結(jié)果對(duì)比

多因子模型策略與基于行業(yè)輪動(dòng)的因子模型策略收益對(duì)比如圖3所示。由圖3可以看出，基于行業(yè)輪動(dòng)的因子模型收益要高于純因子模型。對(duì)比分析行業(yè)輪動(dòng)市值解釋因子選股模型和多因子選股模型運(yùn)行結(jié)果的均值、標(biāo)準(zhǔn)差和戰(zhàn)勝滬深300指數(shù)基準(zhǔn)的概率，進(jìn)一步說明了行業(yè)輪動(dòng)市值解釋因子選股模型的運(yùn)行效果，具體如下：行業(yè)輪動(dòng)市值解釋因子選股模型的投資收益要明顯好于多因子選股模型及市場(chǎng)基準(zhǔn)，其戰(zhàn)勝市場(chǎng)的概率為78.9%，高于多因子選股模型的65.8%勝率。此外，行業(yè)輪動(dòng)多因子選股模型的標(biāo)準(zhǔn)差為48.728，比多因子選股模型的95.365 要低得多。這就說明，行業(yè)輪動(dòng)市值解釋因子選股模型不但可以獲得更高的投資收益，而且投資過程更加穩(wěn)定。以行業(yè)周期效應(yīng)作為考慮要素的多因子選股模型的投資表現(xiàn)要好于單純的多因子選股模型，這一實(shí)證結(jié)果符合該文預(yù)期的假設(shè)。

圖3 兩模型收益對(duì)比

4 結(jié)語

該文以當(dāng)前的相關(guān)研究成果為基礎(chǔ)，創(chuàng)造性地將經(jīng)濟(jì)周期、行業(yè)周期劃分和市值解釋因子選股模型結(jié)合起來構(gòu)建了行業(yè)輪動(dòng)市值解釋因子選股模型。經(jīng)過實(shí)證檢驗(yàn)，證明了行業(yè)輪動(dòng)多因子選股模型的投資表現(xiàn)要優(yōu)于單純的多因子選股模型，從戰(zhàn)勝滬深300 指數(shù)的概率、累計(jì)收益率和收益標(biāo)準(zhǔn)差等角度，均可得以行業(yè)輪動(dòng)作為基礎(chǔ)的因子選股模型可以得到高于單純的市值解釋因子選股模型的收益。該文最后將市值解釋因子模型選股的執(zhí)行，與經(jīng)濟(jì)周期變換邏輯相結(jié)合，將基本面與技術(shù)面的投資策略融合起來，最后得出的結(jié)果顯示，行業(yè)輪動(dòng)多因子選股模型以78.9%的概率戰(zhàn)勝了市場(chǎng)基準(zhǔn)。將市值解釋因子選股模型與行業(yè)輪動(dòng)因子選股模型的運(yùn)行結(jié)果進(jìn)行對(duì)比發(fā)現(xiàn)，考慮了行業(yè)周期交替的行業(yè)輪動(dòng)因子模型的市場(chǎng)表現(xiàn)要好于單純的多因子模型，其收益率要遠(yuǎn)高于后者。此外，前者的收益波動(dòng)率要小于后者，這說明使用行業(yè)輪動(dòng)多因子模型在獲得較高收益的同時(shí)，還可以規(guī)避風(fēng)險(xiǎn)，提高投資組合的穩(wěn)定性。綜合考慮兩者在整個(gè)歷史回測(cè)的表現(xiàn)可得，行業(yè)輪動(dòng)多因子選股模型的投資效果最好。