上海证券公司联盟

最新研报解读 | 国泰君安-数量化专题之一百零四:抱团行为和慢牛股研究-20170919

邢不行2018-12-05 14:59:47

「最新研报解读」栏目,解读最新发布的券商金融工程研报,每天推送。帮助大家了解最新研究成果、提供策略灵感。文末提供研报原文下载。


本文作者:高嘉琦


研报简介

研报标题:20170919-国泰君安-数量化专题之一百零四:抱团行为和慢牛股研究

券商:国泰君安

发布时间:2017-09-19

作者:刘富兵、叶尔乐

类型:金工研究

系列数量化专题


内容概要

首先,本文解释了“抱团行为”的原因,如部分机构(公募)有最低仓位限制,在弱势的市场中无法保持低仓位,需要选择安全边际较高的个股“避险”。一般会选择盈利能力强,成长速度快,业绩与估值匹配,高分红等特征的个股。而“抱团股”往往因为其慢牛的特点被投资者关注,但是不同时期机构对于“抱团股”的选择逻辑会有所不同。因此,要预测抱团股或者提早介入抱团股,一则研究机构资金面的流向,一则研究慢牛股形成的条件,搜素其纯度较高的条件域。

 

从2017年慢牛股抱团行为分析,从上市公司中报和机构持仓披露等信息显示,白酒行业股票走势与机构持股比例同步上升,家用电器中除了格力电器基金持股比例连续稳定提升以外,其他几家家用电器股票在最后涨幅较高的一段持股比例都是下降的。大族激光和三安光电基金持股比例与价格走势较为同步,但是立讯精密和海康威视涨幅最高的一段总体持股比例是下降的,三安光电上涨前机构持股比例不论是看季报还是年报半年报都是下降的。因此,从量化角度来看,机构持股比例上升和下降的信息很难统计显著的预示股价慢牛的走势,也很难预示慢牛行情的结束。


从机构持股信息分析,其他机构中QFII相对规模较大,且QFII对A股的投资可能更偏向于配置和绝对收益,且各家机构的投资风格不同,值得进行深入研究,因此统计了2006年以来182家QFII机构的持股表现,发现大多数QFII机构持股具有一定的收益持续性。本文统计了上市公司定期报告披露日后40天内各家QFII重仓持股的日收益平均收益曲线,取得40天绝对收益平均超过10%,从绝对收益和相对收益来看都表现不错的QFII机构有:高盛集团,韩国产业银行和横华国际资产管理有限公司,而累计收益最高的两家机构分别是:耶鲁大学和韩国产业银行。


从机构整体持仓信息分析,机构选股在沪深300内有-1.4%到8.6%的年化超额收益,其中QFII收益最高,同时信息比率也最高;在中证500内有2.6%到6.7%的年化超额收益,QFII的选股表现不再如沪深300中强势,同时阳光私募的收益与沪深300内比有显著提升,而从全市场下选股来看,阳光私募年化超额收益最高,单从信息比率和风险角度来说,QFII持股的信息比率最高,最大回撤也是最低的。从机构增持信息分析,总体来说,增持信息在例如沪深300-QFII,中证500-社保基金这样的条件下确实增加了超额收益,但是同时也降低了信息比率,收益波动变大。从机构减持信息分析,在增持组合中表现较好的QFII和社保基金在减持组合中都表现较差,这两家机构减持的股票未来超额收益大概率不高。从股东户数信息分析,可以看到不论是沪深300内选股还是中证500内选股,长期来看股东户数减少的信息都要比股东户数增加的信息带来更多的超额收益,这反应了A股市场上长期的博弈不均衡。


接着,本文继续对于慢牛股的特征进行分析,从量化角度,如果股票n周(n=16)收益率的年化夏普比率大于2,同时n周总收益高于10%,我们认为其为慢牛股。从行业分布上来看,慢牛股较多的分布在:基础化工、医药、机械、房地产和汽车等行业,这些行业科技含量较高,行业变化迅速,容易产生超额收益。分布较少的行业有:传媒、国防军工、餐饮旅游、非银行金融和银行,金融板块行业变化慢,受政策影响因素较大,国防军工受到地缘政治影响较大,传媒整体波动性高。从市值分布上来看,虽然市值是较强影响因素,但是慢牛股上涨前在市值上没有明显的分布偏向,各个市值区间分布均衡,可能在别的参数条件下分布有所不同。而根据不同的市况下分析,虽然慢牛股主要分布在牛市中,但是熊市和震荡市也有分布。从与市场的Beta系数分布来看,慢牛股上涨之前偏向于高Beta,但是慢牛股涨起来之后往往是偏向低Beta即走出一段独立行情。从波动率上来看,慢牛股上涨之前偏向于较低波动,越是前期炒作的少, 关注的少的股票,后期越能走出慢牛的行情。


最后,本文从选股逻辑的角度出发,同时考虑市场和基本面因素来定位慢牛股,选取8个不同的风格因子,用CART算法的决策树对全样本(从2006年到2017年6月,全部样本1124527个, 慢牛股样本144076个,占总样本的 12.8%)进行分类,并且将最终决策树剪枝到仅有7层,以防止过拟合。此7层决策树识别到的全样本慢牛股分类,正确率为70.04%。在分类结果中,我们选择慢牛股纯度最高的四个节点。可见牛市中,慢牛股主要还是分布在中大市值中,且高分红、低估值是一个共同的特征。用慢牛股模型进行测试结果为,慢牛股信号发生后60天平均收益累计25.5%,60天后收益为正的比例为79.03%,收益超过10%的比例为67.30%。而由此构建的选股策略,回测结果绝对收益年化61.78%,最大回撤65.48%,对冲中证800相对收益年化44.88%,最大回撤22.91%。策略的回撤较高,这是由于策略没有设定慢牛股的出场点,也并未控制持仓股票的风险,这是策略未来的必要补充点。模型至此策略结果并非关键,较好的结果预示着慢牛股纯度较高的逻辑域确实存在,本报告仅仅利用SVM算法粗浅的进行了尝试,未来也有更多的工作需要完成。


本篇研报解读由高嘉琦志愿完成

自己学习的同时也方便大家

必须打赏支持下

苹果手机用户也能参与噢

想要参与研报解读可以留言



研报原文

在公众号中回复“20170919研报”即可获取研报的下载链接!                         

股票自动交易?查看下方视频教程


如何实现股票自动交易 | 视频教程


「最新研报解读」栏目历史文章


最新研报解读 | 天风证券-基于风格因子视角的fof投资策略研究-20170918


最新研报解读 | 方正证券-50ETF期权多因子模型(三):期权三棱镜,如何能买寸光阴-20170917


最新研报解读 | 天风证券-基于半衰主成分风险平价模型的全球资产配置策略研究-20170918


最新研报解读 | 20170914-方正证券-“聆听高频世界的声音”系列研究(七):枯树生花,基于日内模式的动量因子革新


最新研报解读 | 广发证券-FOF系列专题之五:低风险基金优中选优-20170913


最新研报解读 | 华泰证券-人工智能系列之六:人工智能选股之Boosting模型-20170911


最新研报解读 | 东北证券-多因子系列(2):因子筛选-20170910


最新研报解读 | 兴业证券-A股市场择时研究之四:面向战术配置的量化择时方法-20170908


最新研报解读 | 广发证券-量化资产配置研究之七:从配置风险出发构建组合-20170907


最新研报解读 | 安信证券-当我谈风险平价时我在谈什么-20170908


最新研报解读 | 长江证券-龙虎榜事件(一):指数增强策略-20170906


最新研报解读 | 光大证券-技术指标系列报告之四:基于波动率时序排名的轮动策略-20170905


最新研报解读 | 华宝证券-金融工程专题报告:基金公司智能基金组合产品梳理、策略构建解析与发展展望-20170904


最新研报解读 | 海通证券-学术研究中的财务异象与本土实证(一):盈利能力-20170904


最新研报解读 | 光大证券-衍生品研究系列报告之二:期权期货共振择时-20170904


最新研报解读 | 光大证券-事件研究系列报告之六:破立之间,破发事件全解-20170904


最新研报解读 | 长江证券-红利因子系列(二):DDM模型与股债轮动策略-20170903


最新研报解读 | 光大证券-多因子系列报告之五:见微知著,成交量占比高频因子解析-20170901


最新研报解读 | 华泰证券-华泰人工智能系列之五:人工智能选股之随机森林模型-20170831


最新研报解读 | 国泰君安-数量化专题之一百零三:基于二维收益分解的选股策略-20170831


最新研报解读 | 东方证券-《因子选股系列研究之二十九》:质优股量化投资-20170831


最新研报解读 | 海通证券-大类资产配置及模型研究(五):Black-Litterman模型的直观理解-20170830


最新研报解读 | 国泰君安-数量化专题之一百零二:基于弹簧模型的量价分析-20170830


最新研报解读 | 爱建证券-数量化研究三:麻烦的回测框架以及头疼的数据管理-20170829


最新研报解读 | 海通证券-选股因子系列研究(二十四):基于拟合优度和波动率调整的因子溢价估计-20170828


最新研报解读 | 方正证券-资产管理扬帆起航系列报告(七):主动基金,长于择时,善于选股-20170825


最新研报解读 | 东北证券-多因子系列(1):单因子测试和特征分析-20170825


最新研报解读 | 兴业证券-宽海拾贝:基于风险的动态多因子模型-20170824


最新研报解读 | 华泰证券-价值选股之现金流因子研究:现金流因子选股策略实证研究-20170822


最新研报解读 | 国泰君安-数量化专题之一百零一:缠论中的笔在MACD价格分段中的应用-20170822


最新研报解读 | 方正证券-50ETF期权多因子模型(二):期权三棱镜曲线为何不重叠-20170822


最新研报解读 | 国信证券-金融工程专题,行业配置系列:在alpha和绝对收益策略中应用行业配置的三个思路-20170821


最新研报解读 | 国泰君安-数量化专题之一百:行业轮动中“确定性”的规律及投资机会-20170820


最新研报解读 | 中金公司-量化事件研究系列(1):布局调研事件组合正当时-20170818


最新研报解读 | 华泰证券-华泰金工周期系列研究:周期三因子定价与资产配置模型-20170818


最新研报解读 | 海通证券-FICC系列研究之五:商品期货因子挖掘与组合构建再探究-20170818


最新研报解读 | 国信证券-数量化投资:沪深300结构化增强-20170818


最新研报解读 | 华泰证券-华泰人工智能系列之四:人工智能选股之朴素贝叶斯模型-20170817


最新研报解读 | 中信建投-大数据研究之四:基于新闻热度的周期、成长、消费风格轮动配置-20170816


最新研报解读 | 国元证券-量化选股专题:可转债正股投资组合-探寻可转债正股投资的量化因子-20170814


最新研报解读 | 方正证券-“聆听高频世界的声音”系列研究(六):本福特的启示,从分钟成交量看机构痕迹-20170813


最新研报解读 | 国信证券-金融工程专题研究:递归神经网络RNN-自适应计算次数(ACT)的RNN增强-20170811


最新研报解读 | 长江证券-公告挖掘系列(二):入选制造业单项冠军-20170808


最新研报解读 | 华泰证券-华泰金工周期研究系列:基于DDM模型的板块轮动探索-20170808


最新研报解读 | 天风证券-FOF专题研究(四):景顺长城沪深300增强指数型基金-20170807


最新研报解读 | 银河证券-事件类策略之三:重要股东增减持事件的研究-20170806


最新研报解读 | 东方证券-《因子选股系列研究之二十八》:用机器学习解释市值,特异市值因子-20170804


最新研报解读 | 华泰证券-人工智能3:人工智能选股之支持向量机模型-20170804


最新研报解读 | 中信建投-金融工程研究:深度解析Hurst模型的打开方式-20170802


最新研报解读 | 银河证券-银河金工FOF系列:固定收益基金投资方法及三季度投资思路-20170802


最新研报解读 | 国泰君安-数量化专题之九十九:多维度挖掘公开市场回购中的超额收益-20170801


最新研报解读 | 第一创业-量化专题报告系列二:大宗商品周期分析,有色与谷物将进入下跌周期-20170801


最新研报解读 | 光大证券-多因子系列报告之四:别开生面,公司治理因子详解-20170731


最新研报解读 | 长江证券-公告事件挖掘之澄清公告中的交易机会-20170730


最新研报解读 | 长江证券-机器学习白皮书系列之一:监督学习的方法介绍及金融领域应用实例-20170727


最新研报解读 | 海通证券-大类资产配置及模型研究(四):2017,全球对冲基金的新纪元-20170725


最新研报解读 | 光大证券-FOF专题系列报告之三:量化资产配置与FOF投资-20170725


最新研报解读 | 海通证券-选股因子系列研究(二十三):历史财务信息对股票收益的预测能力-20170726


最新研报解读 | 长江证券-陆港通系列(一):外资动向中的Alpha-20170724


最新研报解读 | 方正证券-资产管理扬帆起航第六期:量化基金何时好-20170727




Copyright © 上海证券公司联盟@2017