“四三模型”证券动量分析方法及其实证应用

设立结构化动量模型描述一段时间内市场的趋势性状。将股价在一段时间内的趋势拆分为“上涨、上涨后震荡、下跌、下跌后震荡”等4个状态, 从深度、广度、稳定性等3个维度描述每个状态的特征。由于现有大部分技术指标都已经被充分挖掘, 假设自由选择技术指标会导致趋同的趋势状态划分。

1 数量分析

从“wind-股票-沪深股市专题统计-盈利预测”获得了2 936条2017年净利润预测调高的卖方分析数据。例如, 一只典型的被推荐看涨的股票, 推荐后100个交易日累积跌幅为-4.8%。拆开来看:上涨状态平均持续25%的时间, 累计涨幅有+10.6%, 且上涨期间很容易遇到上涨或下跌2个百分点的交易日。这说明如果考虑择时因素, 预测数据在时间和空间上能提供正收益。

2 与基本面数据的结合

“四三模型”的优势之一是和基本面数据变化结合, 除了状态内涨跌幅度, 还能一定程度上更细致地评价某个时间发生的基本面信息有效性。研究员的一个股票看涨预测, 若能同时跟踪推荐事件发生后一段时间内股票价格的状态, 那么可能有助于更细致地跟踪股票价格的变动。例如, 某研究员看涨推荐后, 股价先上涨30%再下跌-23%, 即便累计涨幅为0%, 依然可算是有价值的预测。

统计2017年1—7月Wind资讯上所有卖方分析师推荐数据, 发现以15%或20%推荐后40个交易日的累积涨幅作为标准, 都有65%的股票获得过20%以上的短期累积涨幅。

2017年3月7日发生推荐的兄弟科技和2月10日推荐的安图生物, 2只股票在推荐后100个交易日的累积回报分别是1.5%和0.9%。根据“四三模型”切分后, 100个交易日后安图科技在31个交易日累积收获了+19.4%的涨幅, 而累积回报类似的兄弟科技在24个上涨状态交易日中仅上涨3.1%。建立在两只股票上涨波动率非常接近的情况下 (分别为1.86和1.76) , 说明通过拆分股票价格的不同状态, 有助于发现传统视角所忽视的收益机会。

3 组合策略构造

把四三模型和均线策略结合构建模拟组合。其中买入和持有条件为股票处于均线上方 (10～100 d任意一种频率) , 且股价处于上涨状态;卖出条件为股票处于均线 (给定天数频率) 下方, 或股价处于震荡、下跌状态。其他交易条件包括:当日出现交易信号的, 按下一个交易日开盘价交易;当日涨幅超过+9.75%时不执行买入, 跌幅超过-9.75%时不卖出, 等下一交易日再交易。

通过分别选取15、50、100 d均线, 对以上3只ETF基金分别构造了3个模拟组合。基于15 d均线的策略下, 沪深300ETF在1200个交易日内获得了类似简单持有的收益率, 但最大回撤仅-2.4%, 远低于简答持有的-45%。50、100 d均线的组合收益, 均显著弱于标的ETF本身回报率, 但最大回撤均不超过-10%, 风险收益比的角度具备优势。上证50ETF在3 000个交易日内累计净值达到了8.312, 接近直接持有的2倍, 同时最大回撤-6.06%也显著优于简单持有的-71.2%。

基于15 d均线在股票数据中的显著性, 进一步使用商品期货中的沪铜和国债期货进行测算, 发现沪铜累计净值达到了1.7, 优于简单持有铜期货能得到的0.83;国债期货组合净值持续下跌, 不到0.95的组合净值弱于国债期货指数本身的1.045。

对恒生指数和腾讯股票分别进行测试后, 考虑历史最大回撤的数据, 模拟组合都获得了更优的风险收益比。

4 结束语

从未来研究深化的角度, 虽然已假设了0.25%的单向交易成本, 但还应该充分考虑交易执行过程的价差冲击。建立更细致基本面过滤规则, 进一步筛选更稳健的交易时机, 有助于“四三模型”获得更多的投资实践应用前景。

摘要：介绍了将股价在一段时间内的趋势拆分为“上涨、上涨后震荡、下跌、下跌后震荡”等4个状态, 对每个状态从深度、广度、稳定性等3个维度, 量化描述一段时间内股票动量的趋势性状态和状态内情况, 以获取超额收益的新证券动量分析方法模型。

关键词：四三模型,证券,动量分析