【研报分享】国信证券:市场波动率研究——基于相对强弱下单向波动差值应用

波动率因子
标签: #<Tag:0x00007fc06943e5a0>

(aite) #1

市场波动率研究——基于相对强弱下单向波动差值应用

 波动率分解:上行波动与下行波动
波动率是来反应市场波动幅度的大小,大家通常也用来观察市场情绪或预测市场趋势。A 股市场做空机制相对欠缺,波动率分布并不对称。故有必要加以区分,我们把波动率区分为上行波动率与下行波动率。本文中其定义为:以开盘价为基准,开盘价以上的波动定义为上行波动率,反之为下行波动率。上行与下行波动差值通过历史数检验发现有较好的预测效果,其中以振幅波动差值预测效果最佳。

 基于单向波动差构建择时策略
基于振幅波动差值预测效果构建策略,当前一天波动率差值趋势(为增加稳定性,采用 60 日移动均值)为正时则看多,反之则看空。沪深 300 指数测试时间区间(2006 年 1 月至 2015 年 9 月)净值从 1 升至 3.35,策略净值为 7.42,净值比为 2.22。一共交易 240 次。虽然从相对收益来看策略效果还不错,但其相对收益分布极为不均匀,主要超额收益来自 08 年获取。其它年份获取超额收益相对较少。

 相对强弱 RPS 指标
通常市场强势与否,可以用市场相对强弱 RPS 指标来表示。RPS 值在 80%以上时,说明其趋势保持相当好,这方面研究结论国内外有很多,如著名投资大师欧奈尔的 CNASLIM 策略只选 RPS 值在 80%的上个股。经过历史数据模拟发现在这个区域是一个相对安全的区间。故在此区间内持有就是最佳选择。

 相对强弱 RPS 下波动率差价策略
策略步骤:1、 计算相应指数相对强弱 RPS;2、计算相应指数上行波动率、下行波动率,并计算二者差值;3、计算当天波动率差值的移动均值(天数由 RPS值确定、RPS 值越大相就取的天数越多;4、观察前一天的趋势(波动率差值的移动均值),如为正就持有或卖入、否则就空仓或卖出。模拟时间范围内(2006 年 4 月至 2015 年 10 月跟踪标的沪深 300 指数净值从 1涨到 3.07,模拟策略净值涨到 21.51。从模拟效果看是非常好的。在市场呈现牛市特征时策略收益能跟上标的指数,当市场调整时又能较好的规避下行风险。

 相对强弱 RPS 下波动率差值策略在不同风格指数效果
针对市场不同风格主流指数如上证综指、深成指、中证 500、中小板指、创业板指等指数都采用相同的策略,模拟效果表现均为良好,进一步充分体现了此策略具备一定的实战价值。

 总结及风险提示
相对强弱 RPS 下波动率差值策略比较适合应用在指数上,个股上应用效果不够理想。同时市场在极低的波动幅度内震荡时应用此策略效果较差。其它市场状态下其应用效果都表现良好。

波动率与趋势

波动率是用来反映市场波动幅度的大小,大家通常也用来观察市场情绪或预测市场趋势。但波动率种类较多。如日收益率的标准差、日内振幅等。再来测试这些波动率指标与市场趋势的相关性。我们先拿沪深 300 指数数据来测试一下(时间范围:2006 年 1 月至 2015 年9 月):granger 因果检验,从图 1、图 2 可以看出如按收益率标准差与日振幅来计算的波动率,其稳定性与领先相关性都很不理想。如按此简单方法计算的波动率是无法对未来收益率做较好的预测。(图例说明:横轴为预测天数,纵轴为相关系数)。

波动率分解:上行波动与下行波动

由于 A 股市场做空机制相对欠缺,波动率分布并不对称。故有必要加以区分,我们把波动率区分为上行波动率与下行波动率。因此我们对上面的测试数据加以折分。对于按其振幅来计算波动率是以开盘价为基准,开盘价以上的波动定义为上行波动率,反之为下行波动率。而以标准计算是上涨日为上行波动率,市场下跌时记为上行波动率为零值,下跌时则反之。通常情况下市场处于上涨阶段时上行波动率要大于下行波动率,下跌阶段则反之,同时二者的差值我们定义为波动率剪刀差。

波动率剪刀差是否有预测能力?我们对沪深 300 指数历史数据同样进行 granger 因果检验,来观察其效果。

从图 3、图 4 观察来看,预测效果显示提升很多,无论是相关性绝对值与预测 N 日的稳定性都有明显的提高。其中按其振幅剪刀差计算波动率效果为最佳。其向后推一天的预测的相关系数达到 0.21。所以在下文中所提的
波动率均是按其振幅来计算波动率。说明在一个不对称的市场中把波动率划分为上行波动率与下行波动率是非
常有必要。

基于单向波动差构建择时策略

因此我们可以基于上面这个逻辑构建针对指数的择时策略,当前一天的上行波动率减去下行波动率的差值趋势(为增加稳定性,采用 60 日移动均值)为正时就看多,反之则看空。沪深 300 指净值在时间区间(2006 年 1 月至 2015 年 9 月)从 1 涨到 3.35,而策略净值为 7.42,净值比为 2.22。一共交易次数为 240 次。虽然从相对收益来看策略效果还不错,但从图 6、图 7 可以看出其相对收益分布极不均匀,中间回撤的幅度也有点大,超额收益也主要是来自 08 年。其它年份获取超额收益较少。


单向波动差对市场特征敏感性分析

为测试单向波动差对市场特征的预测效果差异。将在震荡市、牛市区间测试领先几天数与相关系数、及以不同移动均值下单向波动差策略表现情况。


从图 8 到图 13 可以观察到,在市场强势或调整周期内二个不同移动均值下策略的表现效果正好是相反的。因此我们要在不同市场特征下采用不同的参数。预测值在强势市场中对当天波动率不是很敏感,在市场调整、震荡区间中对波动率要相对敏感一些。因此,单向波动差值策略还需要接合市场特征指标加以完善。

相对强弱 RPS 指标

“强者恒强、弱者恒弱”常为市场所证实。个股或市场的强弱表现其本身就是基本面、资金面、投资者情绪等多种因素的综合作用下的体现。通常市场强势与否,可以用市场相对强弱 RPS 指标来表示。
1、 计算 RPS 值
RPS_1=(当前涨跌幅-MIN(250 交易日涨 幅))/(MAX(250 交易日涨幅)-MIN(250 交易日涨幅)) (注:其值在 0%到 100%区间内)
2、 然后取 10 个交易日移动平均值:RPS=MA(RPS_1)

从图 14 可以看出 RPS 值能较好的表达市场是否处于强势。基于这个思想,可以在 RPS 值在高位时计算当天的移动波动率差值就用较长天数的,当RPS 值在低位时就用相对较短天数的波动率差移动均值。市场相对强弱 RPS 值较高时保持高仓位才是最好的选择。我们来测试一下基于这个逻辑的策略是否符合以上所说。

测试方法说明:当 RPS 值在 80%以上时,说明其趋势保持相当好,这方面研究结论很多,例如欧奈尔的 CNASLIM 策略只选 RPS 值在 80%的上个股。故在这个区域是相对较为安全的区间。在这区间内持有是最佳选择。(当前一个交易日 RPS 值上穿 80%安全边界线时买入,下穿 80%安全边界线卖出)从测试结果来看也是比较符合预测的,因此波动差值策略接合 RPS 指标的基础上进行改进将会提高此前策略的效果。其它类似量化策略如对市场特征存在一定的依赖性也可以参照此方办进行改进。

相对强弱 RPS 下波动率差值策略

策略步骤简介:
1、 计算相应指数相对强弱 RPS
2、 计算相应指数上行波动率、下行波动率,并计算二者差值
3、 计算当天波动率差值的移动均值(天数由 RPS 值确定、RPS 值越大相就取的天数越多
4、 观察前一天的(波动率差值的移动均值),如为正就保持持有(或卖入)、否则就保持空仓(或卖出)。
5、注:考虑交易成本

在模拟时间范围内(2006 年 4 月至 2015 年 10 月),跟踪标的沪深 300指净值从 1 涨到 3.07,模拟策略净值涨到 21.51。最大回撤从结果上看,效果非常明显。在市场呈现牛市特征时策略收益能上指数,当市场调整时能较好的规避下行风险。初步观察,是一个值得深入研究的策略。

交易次数分布

相对强弱 RPS 策略在近 10 年的模拟时间内一共交易了 387 次,年均交易近 40 次。总的来说策略交易频率相对是较高。在考虑交易冲击成本等因素影响下实际效果也可能要打折扣。从图 17 看在牛市情况下交易的次数较少,调整市中交易就相对频繁一些。

分年的收益分布情况:

在近十年的回测中,年胜率达 80%。除 06 年测试时间不到一年,以及09 年小幅跑输标的指数 3.59%之外,其它年份均跑赢基准指数沪深 300。平均每年绝对收益 44.78%,平均年超额收益 19.29%。

相对强弱 RPS 下波动率差值策略在不同风格指数效果

只在一个指数测试可能存在一定数据拟合的可能性,需要放到不同风格指数模拟,接下来我们模拟市场上证指数、深成指、中小板指、创业板指来观察其效果。

深证成指模拟效果:从 06 年 4 月到 15 年 10 月策略模拟净值为 23.9,而深证成指净值为 2.91,净值比为 8.19,交易次数为 346 次。06 年到 15 年超额收益分别为-6.96%、2.13%、64%、-4.46%、27.84%、10.49%、24.70%、5.35%、8.64%、51.10%。其绝对收益分别为: 65.79%、168.4%、0.71%、106.78%、
18.78%、-17.92%、26.92%、-5.56%、44.26%、53.05%。 年超额收益胜率为80%,绝对收年份比例为 80%。

上证指数模拟效果:从 06 年 4 月到 15 年 10 月策略模拟净值为 16.37,而上证指数净值为 2.41,净值比为 6.80,交易次数为 384 次。06 年到 15 年超额收益分别为-26.46%、24.82%、62.12%、-14.05%、26.36%、19.64%、13.70%、3.35%、-13.41%、55.90%。其绝对收益分别为: 66.58%、121.48%、-3.27%、
65.93%、12.04%、-2.04%、16.87%、-2.89%、39.45%、59.09%。年超额收益胜率为 70%,绝对收年份比例为 70%。

中小板指数模拟效果:从 06 年 5 月到 15 年 10 月策略模拟净值为 15.69,而中小板指净值为 3.97,净值比为 4.73,交易次数为 350 次。06 年到 15年超额收益分别为。其绝对收益分别为:33.84% 102.01%、-8.78%、79.57%、26.76%、0.77%、1.00%、24.88%、4.42%、110.59%。年超额收益胜率为 70%,绝对收年份比例为 90%。

中证 500 指数模拟效果:从 07 年 4 月到 15 年 10 月策略模拟净值为 8.98,而中证 500 指数净值为 1.90,净值比为 4.73,交易次数为 300 次。07 年到15 年超额收益分别为 6.95%、45.20%、12.76%、9.80%、26.97%、 -8.69%、5.04%、-22.11%、79.66%。其绝对收益分别为:42.52%、-15.60%、144.02%、19.87%、-6.86%、-8.41%、21.93%、16.90%、109.85%。 年超额收益胜率为77.8%,绝对收年份比例为 66.7%。

创业板指模拟效果:从 10 年 9 月到 15 年 10 月策略模拟净值为 7.44,而创业板指净值为 2.35,净值比为 3.16,交易次数为 152 次。10 年到 15 年超额收益分别为 4.57%、42.85%、14.77%、-16.80%、8.11%、102.15%。其绝对收益分别为:15.90%、6.97%、12.63%、65.93%、20.94%、165.53%。 年超额收益胜率为 83.3%,绝对收年份比例为 100%。

总结

相对强弱 RPS 下波动率差值策略比较适合应用在指数上,个股上应用效果不够理想。同时市场在极低的波动幅度内震荡时,应用此策略效果较差。其它市场状态下其应用效果都较为良好。总的来说,此类策略比较适合趋势变化能有一定持续性的证券类资产。

作者:国信证券金工团队