上海证券公司联盟

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

邢不行2019-07-05 01:45:54

「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:丸颜丽质


研报简介

研报标题:20170905-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

券商:光大证券

发布时间:2017-09-05

作者:刘均伟

类型:轮动策略

系列技术指标系列


内容概要

股票市场上的标的风险越大,收益越高。研究员用波动率衡量风险,认为波动率越大的指数,反映市场对该指数未来的预期收益越高。本篇介绍了研究员测算并发现指数波动接近自身历史高点时进行投资的策略。

 

策略上,研究员计算了最近10日的收益率还有价格的标准差,再以最近100日为限,计算当日波动率的排名,最后通过波动率时序排名序列的20日均线进行平滑处理。在候选指数中选择排名高的指数进行轮动投资。

 

其后,研究员选择了大盘指数和风格指数进行轮动策略测试。测试区间为2010年6月至2017年8月。

 

——大盘指数(包含了上证50,沪深300,中证500及创业板指)

 

在测试区间的时间内,使用收益率的标准差排名的轮动策略战胜了各指数,获得17.32%的年化收益率。根据敏感性分析,最佳参数设置为10日标准差与130日排名期限。遗憾的是收益率排名策略在2011年至2012年收益低于各指数收益。

 

研究员对此问题进行了改善,使用价格的标准差排名代替收益率标准差排名。更新的策略获得了18.58%的年华收益率,并且在测试区间内均跑赢单独指数。使用价格的标准差时,策略的最佳参数设置为10日标准差与110或者120日排名期限。

 

——风格指数(金融,周期,制造,防御,消费,TMT)

 

在测试区间的时间内,使用收益率的标准差排名的轮动策略表现不佳。虽然获得了25.28%的年化收益率,但在回撤和夏普比率上都次于消费指数的表现。

 

用价格的标准差代替收益率的标准差之后,策略的表现有所提升,获得了26.64%的年化收益率。但夏普比率依然词语消费指数。

 

因为风格指数轮动策略的稳定性不够好,研究员进一步将6组风格指数分为三组,排名相邻的指数为一组(例:排名最高的两个指数为一组)。经过测算,排名最高的两个指数组成的一组能获得26.02%的年化收益。收益略低于前面的策略,但将夏普指数提升到了0.91。

 

总体来说,轮流买入价格波动在历史高位的指数,可以获得高于各指数本身的年化收益。策略用在大盘指数上比用在风格指数上更为稳健。除了注意年化收益率,还应该注意策略的稳定性。


本篇研报解读由丸颜丽质志愿完成

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“20170905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 | 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