1. 财富投资者情绪指数（FISI）构建及原理 [page::0][page::5][page::6]

• 结合沪深300成份股日收益率与其Beta系数的Spearman秩相关系数计算市场情绪。

- 定义6种初始信号，区分强弱有效多空市场情绪，结合指数涨跌判定信号有效性。

• FISI指标为过去10日强弱多空信号的加权比率，反映市场投资者情绪的绝对和相对变化。

2. 情绪指数均值回归检验及信号解释 [page::6][page::7][page::8]

• FISI数据近似正态分布，中位数及均值接近0，体现均值回归特征。

- 采用ADF单位根检验，结果显著拒绝单位根假设，FISI为平稳序列。

• 当FISI由负转正穿0时发出看多信号，由正转负穿0时发出看空信号。

3. 择时模型信号及回测效果 [page::8][page::9]

| 信号日期 | 沪深300点位 | 信号 | 单次盈亏 |
|------------|------------|------|------------|
| 2005-07-27 | 894.012 | 2 | 2.48% |
| 2006-08-24 | 1292.401 | 2 | 92.31% |
| ... | ... | ... | ... |

• 样本期间（2005-2015）共发出109次信号，正确率50.46%，偏离随机猜测。

- 单次最大亏损9%，最大盈利92.31%，平均每次盈利5.67%，平均亏损1.18%，单次期望回报2.28%。

4. 多策略与多空策略实证表现 [page::12][page::13]

| 策略名称 | 最大回撤 | 累计收益率 |
|----------|----------|------------|
| 多策略 | 27.45% | 1221.56% |
| 多空策略 | 37.64% | 2381.66% |

• 多空策略收益显著高于多策略，但最大回撤也较大。

- 多策略波动较小，风险承受更平缓，择时收益效果均较显著。

5. 当前模型信号及投资建议 [page::13][page::14]

• 2015年6月8日FISI达到峰值，随后下降并于6月23日破0线，发出看空信号。

- 投资者情绪指数在7月初呈V型反转，但仍处于基准线下方，短期震荡风险较大。

• 建议投资者回避盲目追高，严格控制仓位，关注后续情绪指标变化。

6. 量化择时模型总结

• FISI择时模型基于统计学Spearman秩相关和市场指数表现结合，创新设计情绪指标。

- 模型有效捕捉投资者情绪波动与市场走势关联，支持沪深300指数择时。

• 后续研究将拓展模型至其他指数及量化选股、对冲、资产配置策略应用。[page::14]

金融工程—财富投资者情绪指数（FISI）择时模型构建报告详尽分析

---

1. 元数据与概览

• 报告标题： 财富投资者情绪指数(Fortune Investor Sentiment Index, FISI)择时模型构建

- 发布机构： 财富证券研发中心

• 报告日期： 2015年7月15日

- 研究团队： 主要研究员皮辉娟，研究助理黄仁存

• 主题范围： 本报告聚焦于中国股市，特别是沪深300指数，研究投资者情绪指数的构建及其在市场择时中的应用和效果检验。

- 核心论点：
- 利用股票日收益率与其Beta系数的Spearman秩相关系数，结合沪深300指数涨跌数据，创新构建财富投资者情绪指数（FISI）及相应择时模型。
- 通过信号定义和模型回测，验证该情绪指数在沪深300指数择时中的有效性。
- 构建多策略（多头）和多空策略，均显示了显著的收益和风险表现差异，特别是多空策略收益更优，但风险更大。

• 主要结论：

- FISI择时模型的信号虽然正确率略高于50%，但正确信号带来的盈利明显大于错误信号导致的亏损，整体盈利前景积极。
- 投资者情绪指数表现出均值回归特征，模型信号具有良好的市场趋势提示作用。
- 后续研究方向将聚焦该模型对沪深300以外指数的适用性及量化策略的进一步开发。

---

2. 逐节深度解读

2.1 常见市场情绪指数（第3页）

• 关键论点与信息：

机构情绪指数和设计变量法是衡量投资者情绪的主要方法。机构方法通过调查捕获投资者的主观预期和态度，如摩根富林明投资者信心指数、道富投资者信心指数、台湾世新大学情绪指数等。设计变量方法基于市场交易数据，从客观数据出发构建情绪指标，包括Put/Call Ratio（看跌期权与看涨期权比率）、VIX恐慌指数、风险偏好指数(RAI)等。

• 逻辑与假设：

机构方法的主观调查易受心理偏差影响，面向未来；设计变量基于历史数据，更客观但反映的是过去情绪。二者优势互补。

• 数据点与说明：

- PCR在中性市场约为0.8，超过1.1代表弱市，低于0.7则是强市；
- VIX作为隐含波动率，已被证实能提前预示市场大幅波动。

---

2.2 股票市场情绪指数(EMSI)度量（第4页）

• 关键论点：

Bandopadhyaya和Jones借鉴RAI对股票市场设计EMSI，基于242只股票的收益率和波动率排序的秩相关系数计算。该EMSI能较好解释MBI指数涨跌（解释力度0.56）。

• 技术细节：

EMSI计算采用Spearman秩相关系数，能有效处理非正态、等级性质数据，描述两个变量排序的依赖关系。其值范围[-100,100]，衡量市场风险偏好的强度。

• 本报告研究基础：

借鉴EMSI思路，以沪深300指数300只成份股的日收益率与Beta系数的Spearman秩相关系数为核心变量，构建FISI择时模型。

---

2.3 财富投资者情绪指数择时模型构建（第5-8页）

• 3.1 初始信号定义

- 发现单一Spearman秩相关系数不足以反映市场情绪，需要结合沪深300指数当天涨跌状态，定义6种信号情景。
- 六种信号涵盖了Spearman相关系数的显著性及沪深300涨跌的不同组合，如“强有效看多beta”（相关为正且指数上涨）、“弱有效看空beta”（相关为正但指数下跌）等，为模型决策提供细化分类。

• 3.2 择时指标构建

- 设计基于10日滑动窗口的FISI指标，计算10日内各信号类别出现频次的加权净值。
- 计算公式解析：
- 分子为强/弱看多信号个数与强/弱看空信号个数之差，
- 分母为总数加一，保证分母非零。
- 此设计结合了时间序列变化与情绪强弱，既能反映当前的市场情绪强度，也能了解其变化趋势。

• 3.3 择时信号解析

- 图表2显示FISI概率分布近似正态，均值与中位数接近0，初步证实其具备均值回归特征。
- ADF单位根检验（图表3）进一步 statistically 证明FISI指标为平稳时间序列，满足均值回归的假设。
- 该均值回归特征是本模型择时的理论基础，即当FISI由负转正，被视为买入信号；由正转负则为卖出信号。

---

2.4 投资策略回测分析（第8-13页）

• 择时模型信号回测

- 样本区间2005年4月至2015年6月，109次买卖信号，正确率约50.46%。
- 错误信号造成最大亏损-9%，平均亏损1.18%；正确信号带来最大盈利92.31%，平均盈利5.67%。
- 单次平均期望回报2.28%，表明虽然正确率略高50%，但盈利能力明显优于亏损，体现择时模型的经济意义。
- 信号发出频率平均约每23个交易日一次，趋势市信号相对少，震荡市频繁。
- 图表4直观展示择时信号与沪深300走势匹配关系。

• 信号具体实例（图表5）

- 提供了大量信号发生日期，沪深300对应点位，信号类型及相关单次盈亏。
- 盈亏幅度大部分合理，部分单次盈利或亏损幅度较大，说明市场波动性对择时成效影响显著。

• 策略收益及风险表现（图表6、7、8）

- 多策略（只买卖）十年净收益为12.22倍，最大回撤27.45%；
- 多空策略（可卖空）则实现23.82倍收益，最大回撤37.64%。
- 多空策略收益更高但伴随更大波动和风险。
- 说明FISI择时模型不仅能指导买入卖出，还能通过扩展策略增强收益，但必须留意风险管理。

---

2.5 当前模型信号及结论（第13-14页）

• 当前时间段（2015年6月至7月）模型表明投资者情绪指数经历显著下跌并跌破0线，发出看空信号，情绪呈下降趋势，但存在反转迹象。

- 近期投资者情绪有V型反转但仍在情绪基准线下波动，短期存在不确定性，建议投资者谨慎操作，控制仓位。

• 报告结语总结FISI择时模型有效反映投资者情绪，适合市场趋势分析，下一步将探索模型在沪深300以外指数及量化策略的扩展应用。

---

3. 图表深度解读

3.1 图表0：主要指数表现及沪深300走势

• 图表展示2015年初至7月沪深300及上证指数走势，反映上半年股市经历大幅波动，同时揭示创业板及中小板涨幅远高于主板，说明市场分化加剧。

- 联动股票上涨行情，投资者情绪变化呈现复杂趋势。

• 这为后续情绪指数与择时模型的建立背景提供支持。

3.2 图表1：初始信号定义表（第5页）

• 清晰划分6种情景组合，其中“显著为正”和“指数上涨”对应最强多头信号，反之有对应的看空信号，且对不显著和显著为负的情况做了细化分类。

- 该表逻辑严谨地结合定量统计（Spearman系数显著性）与市场状态，为模型信号分类打下基础。

3.3 图表2：择时指标概率分布（第6页）

• 直方图形态近似正态分布，均值和中位数均在零附近，符合统计分析对指标均值回归平稳性的要求。

- 该分布为后续ADF定量检验提供了直观印证。

3.4 图表3：择时指标均值回归检验（第7页）

• ADF检验统计量为-5.215，小于1%、5%、10%三档临界值，显著拒绝单位根假设。

- 显示FISI指标时间序列平稳，支持均值回归，验证该指标作为择时信号的理论合理性。

3.5 图表4：FISI择时模型信号在沪深300走势上的响应（第8页）

• 折线图显示沪深300指数走势（蓝线）和模型发出的看多（红线）及看空（绿线）信号时点，

- 在市场大趋势明显转折处，信号较为集中且匹配较好，验证模型择时的实践效果。

• 信号的稀疏性说明模型避免频繁交易，减少交易成本。

3.6 图表5：择时信号发生时间及单次盈亏（第9-11页）

• 表格记录了从2005年至2015年间各信号日期与对应沪深300指数点位及交易结果。

- 个别信号产生巨大收益（高达92.31%）与亏损（最大-9%）均存在，反映择时模型的高收益也伴随潜在风险。

• 从整体盈亏比例看，正确择时信号的收益大幅盖过错误信号造成的亏损，有利于长期投资回报提升。

3.7 图表6、7：多策略及多空策略收益曲线（第12页）

• 两图均显示了2005年至2015年累计收益表现：

- 多策略收益曲线（红线）在长期内显著跑赢沪深300指数（蓝线）。
- 多空策略收益曲线表现更加优异，累计回报远超市场，但波动较大。

• 两图结合体现择时模型可指导实际交易策略的设计与优化。

3.8 图表8：策略收益及最大回撤统计（第13页）

• 多策略收益率为1221.56%，最大回撤27.45%；多空策略收益率2381.66%，最大回撤37.64%。

- 投资者可根据投资风格选择收益优先的多空策略或风险偏好较低的多策略。

• 数据验证模型实际应用时的风险与收益权衡。

3.9 图表9：当前时间段投资者情绪指标与沪深300走势（第13页）

• 该时序图展示2014年底到2015年7月的行情，清晰标注了模型信号与投资者情绪指标。

- 2015年6月下旬模型发出明显看空信号，情绪持续低迷且正在企稳。

• 投资者情绪经历V型反转但仍在负区，提示短期反复可能，投资者需控制仓位。

---

4. 估值分析

本报告核心为情绪指数构建与择时模型构建，未涉及具体公司的估值模型或目标价预测。因此，报告中未体现DCF、PE、EV/EBITDA等估值技术的应用。模型更侧重基于统计学指标和情绪信号的量化择时。

---

5. 风险因素评估

• 典型风险

- Spearman秩相关系数对异常极端行情可能失效；
- 模型仅适用沪深300指数，推广到其他市场或指数的适用性未知；
- 信号正确率仅略高于50%，模型仍有较大误判风险；
- 多空策略回撤风险较高，市场极端波动可能放大亏损。

• 模型局限

- 基于历史数据的模型可能面临结构性市场变化导致失效的风险；
- 投资者情绪复杂多变，统计量简化难以捕捉全部影响因素；
- 情绪指数未考虑宏观经济政策等外部冲击的影响。

• 缓解策略

- 结合更多变量和多市场信号提升模型稳健性；
- 开发量化对冲策略降低风险敞口；
- 动态调整信号阈值和参数以适应市场环境变化。

---

6. 批判性视角与细微差别

• 模型信号的有效性非高准确率支持，更多依赖盈亏比和期望回报，这在模型设计上符合投资学中盈亏权衡观念，但同时也意味着投资者需要承担一定的错误信号风险，尤其在市场急剧反转时。

- 报告对模型的性能评价着重回测表现，但未对模型参数的选择敏感性进行深入分析，未来或存模型过拟合的可能。

• 当前只针对沪深300指数，其他市场适用性未知，且对A股的特殊市场结构因素探讨较少，如散户占比高等影响未纳入。

- 信号解释过于机械，未深入探讨投资者情绪波动背后心理与行为经济学机制，结论相对偏工学统计学。

---

7. 结论性综合

财富证券研发中心的《财富投资者情绪指数（FISI）择时模型构建》报告系统梳理了中国资本市场投资者情绪建模的理论基础、创新实证方法及其应用效果，具有较高的专业水平和实战指导意义。

报告从常见市场情绪指数入手，详细阐述了机构方法与设计变量方法的适用性与局限，重点借鉴国际成熟的EMSI指数，创新结合沪深300股票日收益率与Beta系数的Spearman秩相关系数，形成六种情绪初始信号，实现细分市场多空风险偏好信号捕捉。

报告构建的FISI指标基于10日滑动窗口频率统计，有效地体现了市场投资者情绪的强度与方向，统计学检验（ADF检测）确认其平稳性和均值回归属性，支持了均值回归择时策略的理论逻辑。

模型在2005年至2015年的沪深300历史数据上的回测显著表明，尽管信号正确率仅略高于50%，但正确信号的收益显著高过错误信号的亏损，择时信号平均单次期望回报为2.28%。多策略（买入卖出）与多空策略（卖空买入）皆展现出优异的累计收益率，分别达到12.22倍和23.82倍，证明了情绪指数择时模型的实用价值。图表4至图表9等图表清晰展示了指标分布、信号时序及策略表现，全方位佐证了模型构建的科学性与效果。

当前模型信号显示投资者情绪短期内可能爆发V型反转，但整体仍处于负面区域，投资者需控制风险，谨慎操作。

同时，报告也诚实评估了模型的限制，包括信号准确性局限、多空策略风险、单一市场适用性等，强调未来拓展方向及量化策略集成的必要性。

综上，FISI择时模型是对我国资本市场投资者情绪量化研究的重要贡献，结合统计学严谨检验与实证数据验证，为投资者提供了科学且有效的市场择时工具。该报告不仅理论基础扎实，数据详实可信，且图表丰富、结构清晰，适宜专业投资者与研究者深入研读与应用。[page::0,1,3,4,5,6,7,8,9,12,13,14]

---

注：所有引用均标记对应页码以便后续溯源。

报告