【研报分享】光大证券:阻力支撑相对强度(RSRS)择时及行业轮动

择时
行业轮动
标签: #<Tag:0x00007f5b9fb51358> #<Tag:0x00007f5b9fb51150>

(alma) #1

阻力支撑相对强度(RSRS)择时及行业轮动 —— 技术择时系列报告之二

在《基于阻力支撑相对强度(RSRS)的市场择时——技术择时系列报告之一》中,我们提出了利用最高价、最低价序列的相对强弱来动态刻画市场的阻力位与支撑位,并以日线频率在沪深 300 指数等指数上进行了择时应用。本文将延续第一篇报告的思路,一方面对 RSRS 指标在不同频率数据上进行择时应用,并给出合适的参数范围,另一方面将 RSRS 指标应用在行业指数上,开发了基于 RSRS 指标的行业轮动模型。

 RSRS 指标原理及构建:有别于传统中对于阻力位与支撑位的定值应用,我们从变量的角度探索它们对于未来市场涨跌预测性的价值。通过定义阻力支撑相对强度的概念,我们设计出对未来市场收益有显著预测性的技术指标。RSRS 右偏标准分指标与市场未来 2 周收益率的相关系数高达 75%。

 RSRS 指标择时频率建议:整体来看,频率越高,择时信号越多,策略年化收益率越高,胜率逐步下降,最大回撤逐渐增加。分行情阶段来看,趋势行情下 30 分钟线择时效果最佳,震荡行情则日线择时效果最佳。

 RSRS 指标择时参数选择:计算 RSRS 指标时,拟合方程样本数量的选择更重要,频率越高,择时策略对参数(N、M、S)的敏感性越高。从不同频率使用的历史信息长度来看,RSRS 指标可能存在适用的频率上限,大致在 30 分钟左右。

 RSRS 指标行业轮动模型:与市场指数择时不同的是,行业轮动模型不需要判断行业指数的多空信号,只需要比较行业之间的相对排序。以每月调仓,选择排名最靠前的 3 个行业,等权构建的行业轮动模型年化收益 31.54%,sharp 比率为 0.959,最大回撤为 69.78%。相对全行业等权基准的年化超额收益为 10.45%,12 年中有 9 年均跑赢基准,年胜率达 75%。

 RSRS 择时观点及行业配置建议:鉴于目前市场处于震荡行情中,我们主要参考日线的择时观点:上证综指、创业板指目前处于空仓状态,沪深 300、中证 500 处于持仓状态。根据 RSRS 行业轮动模型,6 月建议配置的行业为:轻工制造、食品饮料、农林牧渔。

目 录

1、阻力支撑相对强度原理及 RSRS 指标构建
2、 RSRS 指标在不同频率上的择时应用
2.1、择时频率:根据行情特征选择合适的频率
2.2、参数选择:高频择时对参数敏感性更高
3、基于 RSRS 指标的行业轮动模型
4、结论与投资建议

图目录
图 1:沪深 300 指数走势示例
图 2:最高价最低价序列回归示例
图 3:RSRS 指标及开平仓时点对应沪深 300 指数走势示例
图 4:不同频率上 RSRS 指标择时策略净值比较
图 5:双边 0.1%成本下不同频率上 RSRS 指标择时策略净值比较
图 6:5 分钟线 RSRS 指标参数敏感性测试
图 7:30 分钟线 RSRS 指标参数敏感性测试
图 8:小时线 RSRS 指标参数敏感性测试
图 9:日线 RSRS 指标参数敏感性测试
图 10:不同频率下 RSRS 策略净值对参数 S 的敏感性分析
图 11:不同参数(N,M)的策略年化收益率对比
图 12:不同参数(K,D)的行业轮动策略年化收益率
图 13:基于 RSRS 指标的行业轮动策略表现(2006.01.01——2017.04.30)
图 14:RSRS 行业轮动策略在 D=0 时的换手率(K=3,4,5)

表目录
表 1:不同市场状态下阻力支撑相对强弱的含义
表 2:不同频率上 RSRS 指标择时策略的统计指标(2014.08.14-2017.05.31)
表 3:双边 0.1%成本下不同频率上 RSRS 指标择时策略的统计指标(2014.08.14-2017.05.31)
表 4:趋势行情中不同频率下 RSRS 指标策略在沪深 300 上的统计表现(2014.08.14-2016.02.01)
表 5:震荡行情中不同频率下 RSRS 指标策略在沪深 300 上的统计表现(2016.02.01-2017.05.31)
表 6:不同参数(N、M)下策略年化收益率
表 7:不同参数(N、M)下策略波动率
表 8:不同参数(N、M)下策略 sharp 比率
表 9:不同参数(N、M)下策略最大回撤
表 10:不同参数(K、D)下策略年化收益率
表 11:不同参数(K、D)下策略年化波动率
表 12:不同参数(K、D)下策略 sharp 比率
表 13:不同参数(K、D)下策略最大回撤
表 14:RSRS 行业轮动策略分年度表现及评价指标
表 15:主要指数择时观点一览
表 16:RSRS 行业轮动策略近一年每月配置明细

在《基于阻力支撑相对强度(RSRS)的市场择时——技术择时系列报告之一》中,我们提出了利用最高价、最低价序列的相对强弱来动态刻画市场的阻力位与支撑位,并以日线频率在沪深 300 指数等指数上进行了择时应用。本文将延续第一篇报告的思路,一方面对 RSRS 指标在不同频率数据上进行择时应用,并给出合适的参数范围,另一方面将 RSRS 指标应用在行业指数上,开发了基于 RSRS 指标的行业轮动模型。

1、阻力支撑相对强度原理及 RSRS 指标构建

我们认为阻力位与支撑位实质上反应了交易者对目前市场状态顶底的一种预期判断。如果这种预期判断极易改变,则表明支撑位或阻力位的强度小,有效性弱;如果众多交易者预期较为一致、变动不大,则表明支撑位或
阻力位强度高,有效性强。按照上述逻辑,当支撑位的强度弱于阻力位,则表明市场参与者对于支撑位的分歧大于对于阻力位的分歧,市场倾向于下跌;当支撑位的强度强于阻力位,则表示市场参与者对于支撑位的认可度高于对于阻力位的认可度,市场更倾向于上涨。

1

我们在《基于阻力支撑相对强度(RSRS)的市场择时——技术择时系列报告之一》中提出以最高价和最低价序列的相对强弱来刻画阻力位与支撑位的动态变化。

从最高价与最低价的形成机制出发,每日的最高价与最低价就是一种阻力位与支撑位,它是当日全体市场参与者的交易行为所认可的阻力与支撑。当然我们并非用支撑位与阻力位作突破或反转交易的阈值,而是更关注市场参与者们对于阻力位与支撑位的定位一致性。当日最高价与最低价能迅速反应近期市场对于阻力位与支撑位态度的性质,是我们使用最高价与最低价的最重要原因。我们把图 1 中的三维数据(最高价、最低价、时间)映射至图 2 中的二维数据(最高价、最低价)以达到降噪的目的。建立如下般最高价与最低价之间的线性模型:

high = alpha + beta*low + epsilon, epsilon ~ N(0,sigma) (1)

那么 beta 值就是我们所需要的斜率。其中 N 的取法不能太小,不然不能过滤掉足够多的噪音;但也不能太大,因为我们希望得到的是体现目前市场的支撑阻力相对强度,若取值太大,则滞后性太高。

根据上述逻辑,我们依此建立 RSRS 指标:

  1. 取前 N 日的最高价序列与最低价序列。
  2. 将两列数据按式(1)的模型进行 OLS 线性回归。
  3. 取前 M 日的斜率时间序列,计算当日斜率的标准分 z。
    4、将 z 与拟合方程的决定系数相乘,作为当日 RSRS 指标值。
    本文后续讨论中,RSRS 指标均按上述定义构建,关于 RSRS 指标本身的研究,在第一篇报告中已经详细阐述,这里不再赘述。

2、RSRS 指标在不同频率上的择时应用

第一篇报告中,我们重点探讨了 RSRS 指标构建过程中,指标本身的几种变形对择时策略的影响,但在择时应用上则相对简单,仅在日频上进行了尝试。本节我们尝试将 RSRS 指标在日内高频数据上进行择时应用,观察该指标合适的择时频率,并给出相应的参数范围。

2.1、择时频率:根据行情特征选择合适的频率

由于数据终端对高频数据的使用限制,我们选取了沪深 300 指数自 2014年 8 月至 2017 年 5 月的行情数据,分别尝试在日线、小时线、30 分钟线、5 分钟线上进行择时应用。虽然数据仅有 3 年,但也覆盖了完整的牛市、熊市和震荡市行情,具有一定的参考意义。

RSRS 指标择时策略采用阈值交易的方式,即指标上穿上阈值时开仓,指标下穿下阈值时平仓。下图是我们以沪深 300 指数日线频率择时为例,展示RSRS 指标的交易信号。

图 3:RSRS 指标及开平仓时点对应沪深 300 指数走势示例

因此 RSRS 指标在应用于指数择时时主要涉及 3 个参数:计算指标值的 N、M,以及发出买卖信号的阈值 S。对于不同频率下的参数选择我们将在下一节进行讨论,在比较不同频率择时效果时,我们采用的参数如下:

日频:(18, 600, 0.7)
小时:(20, 400, 0.8)
30 分:(18, 700, 0.8)
5 分钟:(100, 1800, 0.9)

在不考虑交易成本的情况下,频率越高,择时信号越多,策略年化收益率越高,胜率逐步下降,最大回撤逐渐增加。(1)从策略净值来看,5 分钟线>30分钟线>小时线>日线,但 5 分钟与 30 分钟差异较小,且主要得益于 5 分钟线择时在今年的表现。(2)从交易次数来看,日线、小时线、30 分钟线、5 分钟线分别为 11 次、44 次、66 次、85 次。(3)从胜率来看,频率提高后,胜率显著下降,从 72%下降至 60%左右。(4)从最大回撤来看,整体差异不大,但随着频率提高,仍然有小幅增加。


考虑交易成本(双边 0.1%)的情况下,不同频率上的择时策略表现较为类似,各项统计指标也无显著变化。因此整体上来看,在交易成本较低的假设下,选择 30 分钟线效果更佳。


最后,我们观察在不同市场行情下,RSRS 指标在不同频率上的择时表现。以 2016 年 2 月 1 日作为临界点,我们把市场划分为 2 个阶段:趋势行情(2014.08.14-2016.02.01),震荡行情(2016.2.02-2017.5.31)。
趋势行情下 30 分钟线择时效果最佳,震荡行情则日线择时效果最佳:(1)趋势行情下,30 分钟线择时效果最佳,年化收益率、夏普比率、最大回撤均表现最好。5 分钟线由于胜率显著下滑,表现反而不如 30 分钟线。(2)震荡行情下,日线择时效果最佳,5 分钟线次之。但从胜率来看,除日线外,其余频率上的择时胜率均大幅下降。

这个结果也符合 RSRS 指标的逻辑原理:RSRS 指标本质上是个趋势指标,因此在趋势行情中较为有效,而在震荡行情中表现则相对逊色。所以在趋势行情中,应该尽量采取更高频的数据以及时发出交易信号,而在震荡行情中,则尽量选择在更长的频率上进行择时判断。


2.2、参数选择:高频择时对参数敏感性更高

上一节我们提到了 RSRS 指标择时有 3 个参数:计算指标值的 N、M,确定交易信号的阈值 S。本节我们主要对这三个参数的适用范围进行讨论。首先,我们先固定 S,通过观察不同参数组(N、M)下策略净值变化,研究参数 N、M 的适用范围。计算 RSRS 指标时,参数 N 的选择更重要,高频择时对参数的敏感性更高:

(1)四种择时频率上,参数 M 对策略净值影响均较小,参数 N 的影响则显著较大;(2)相较于日线、小时线,在 5 分钟线、30 分钟线上,参数 N 对策略净值影响更大。

5 分钟频率下,从图 6 中能明显看出参数 M 对 RSRS 指标策略净值影响不大,而参数 N 则有个非常明显的下凹抛物线形状,N=90 与 N=110 的净值差异接近 1 倍。从测试数据来看,5 分钟频率下的 RSRS 策略参数 M 选择 1800 至 2200 表现较好,参数 N 选择 100 至 110 效果最佳。

30 分钟频率下,我们从图 7 中同样观察到与 5 分钟频率相似的情况,策略净值对参数 M 敏感性低,对参数 N 有明显下凹抛物线形状。但参数 M与 N 的最佳范围与 5 分钟频率下的参数范围相去甚远。当 M 在 700 到 1100范围,N 在 17 到 19 范围时择时效果最好。

1 小时频率下,RSRS 指标策略净值对 M 的敏感性比在分钟级别时要高,同时参数 N 的下凹抛物线形状也不如分钟频率上那么明显。参数 M 在 300到 500 范围,N 在 20 左右时 RSRS 择时效果较好。

日线频率下,RSRS 指标策略净值对参数 M、N 的敏感性均显著下降。参数M 在 600 附近,参数 N 在 18 附近时择时效果较好。RSRS 指标可能存在适用的频率上限,大致在 30 分钟左右。如果我们把计算日线、小时线、30 分钟线、5 分钟线的 RSRS 指标的最优参数 N 换算为交易天数的话,分别为 18 天、5 天、2.5 天、2.5 天。这可能表明用最高价序列与最低价序列作为阻力与支撑的代理变量在频率上的适用上限就在 30 分钟左右,因为即使采用更高的频率,最终计算指标时采用的历史信息并没有有效缩短。


最后,我们选择固定参数(N、M),对开平仓阈值参数 S 的敏感性进行了测算。频率越高的 RSRS 策略对于参数 S 越敏感,日线、小时线、30 分钟线、5分钟线的敏感度逐步提升。但我们也能观察到无论在哪个频率下,S 都有很明显的下凹抛物线形状。从样本内看,除了日频策略在 S 属于 0.6 至 0.7 处较好,其它频率的 RSRS 策略在 S 等于 0.8,0.9 附近较佳。

12

3、基于 RSRS 指标的行业轮动模型

鉴于 RSRS 指标在指数择时上的良好表现,我们自然的想到是否可以在行业指数上进行尝试,进而开发基于 RSRS 指标的行业轮动模型。与市场指数择时不同的是,行业轮动模型不需要判断行业指数的多空信号,只需要比较行业之间的相对排序,因此我们基于 RSRS 指标的行业轮动模型构建过程如下:

1、计算每个一级行业指数的 RSRS 指标。
2、按 RSRS 指标排序,选择前 K 个行业作为下期持仓行业,等权重。
3、固定频率调仓,调仓周期为 D 个交易日。这个模型总共有 4 个参数:计算 RSRS 指标的 N、M;入选行业个数 K;换仓频率 D。我们采用中信一级行业指数作为测试对象,时间范围从 2006 年 1 月 1 日至 2017 年 4 月 30 日。

首先,我们先对计算 RSRS 指标的参数 N、M 进行敏感性测试。通过固定入选行业个数 K=5 和换仓频率D=0(一个自然月),对参数 N、M 进行遍历,并从策略年化收益率、年化波动率、sharp 比率和最大回撤四个维度进行比较,观察计算 RSRS 指标的 N、M 参数选取对策略表现的影响。






从上述的策略回测结果可以看出,基于 RSRS 指标的行业轮动模型在不同参数 N、M 下的年化收益率变化较大,而年化波动率、sharp 比率和最大回撤这三个指标则变化较小,分布较为集中。因此,对于参数 N、M 的范围选择我们主要参考策略的年化收益率。下图展示了随着参数 N 的增大,参数 M变化下的行业轮动策略年化收益率的变动情况。我们可以看到:M=300,N 处于 45 至 70 之间时,策略整体表现更为出色。

(1)我们发现,当计算 RSRS 指标的样本长度 M=300 时,不同的 N 对应的策略年化收益率绝大部分均高于其他组别。而且在不同的 M 参数下,各组策略年化收益率均呈现出明显的下凹抛物线形状。(2)参数 N 的变动范围则相对较宽:N 从 5 增加至 45 时,收益率均保持稳定增长趋势;N 从 45增加到 70 时,收益率基本稳定在高位小幅波动;当 N 大于 70 时,收益率出现了明显的下降趋势。

19

接下来,我们固定参数 N=70、M=300,通过计算不同参数对(K、D)对应的策略评价指标,来考察入选行业个数 K、换仓频率 D 对于策略表现的影响。鉴于行业个数 K、换仓频率 D 的改变对策略换手率影响较大,我们在此部分测算时,考虑策略的交易成本。按照大资金参与 ETF 的交易成本来考虑,我们按双边 0.1%扣除交易费用。

表 10:不同参数(K、D)下策略年化收益率

按自然月调仓效果最佳,行业入选数量差异显著。(1)我们发现固定每期配置的行业个数 K,策略效果最好的换仓频率是按照自然月调仓;(2)调仓频率选择 20 个交易日、自然月、30 个交易日时,配置的行业个数与策略收益率呈现出较为明显的单调性,即选择行业数量越少,年化超额收益越高。但换仓频率为 10 个交易日、40 个交易日的组别并无此规律。我们认为主要是因为行业、板块的轮动确实存在月度效应,因此调仓频率选择自然月最佳。(3)行业数量 3-5 个为宜:当行业数量超过 5 个时,除 40 个交易日调仓外,各组表现均有显著下滑。

图 12:不同参数(K,D)的行业轮动策略年化收益率

21

综上所述,我们对 RSRS 行业轮动模型的相关参数设置范围建议如下:N 取40-70 个交易日,M 取前 300 个交易日,D 取自然月换仓,K 取 3-5 个行业。接下来,我们以参数组:N=70,M=300,K=3,D=0 为例,分年度看看该模型的表现:(1)从绝对表现来看,该策略较为优秀:年化收益率为 31.54%,年化波动率为 0.350,sharp 比率为 0.959,最大回撤为 69.78%。(2)从相对表现来看,该策略表现也不错:相对全行业等权基准的年化超额收益为10.45%,12 年中有 9 年均跑赢基准,年胜率达 75%。跑输的三年(2010、2011、2016 年)跑输幅度分别为-3.61%、-3.80%、4.66%。(3)从换手率来看,该策略换手率较高:月均换手率为 62%,基本上每个月会换掉 2 个行业。

表 14:RSRS 行业轮动策略分年度表现及评价指标


4、投资建议

我们给出了不同频率下,RSRS 指标在上证综指、沪深 300、中证 500、创业板指上的指标值及持仓/空仓状态,鉴于目前市场处于震荡行情中,我们主要参考日线的择时观点:上证综指、创业板指目前处于空仓状态,沪深 300、中证 500 处于持仓状态。

我们同时列出了 RSRS 指标行业轮动模型近一年的持仓行业明细,按照5 月 31 日计算的 RSRS 指标排序,我们建议 6 月的持仓行业为:轻工制造、食品饮料、农林牧渔。对 RSRS 技术指标择时、行业轮动感兴趣的投资者可关注我们每周的择时和行业配置周报。

作者:光大证券金工团队