创业板涨跌幅扩大背景与改革内容 [page::3]

• 2020年6月12日深交所将创业板涨跌幅限制放宽至20%。

- 交易制度配套改革包括新股上市无涨跌幅限制、盘后定价交易、价格笼子等措施。

• 此举旨在提升市场流动性与定价效率，减少涨跌幅限制对市场效率的干扰。

海内外股票市场涨跌幅扩板案例分析 [page::4][page::5][page::7]

| 市场 | 扩板时间 | 扩板前波动率 | 扩板后波动率 | 扩板前日均ATR | 扩板后日均ATR | 峰度变化 | Hurst指数变化 |
|------------------|------------|-----------|-----------|------------|------------|------------|-------------|
| 上证指数（SH） | 1992-05-21 | 18.20% | 62.67% | 3.07 | 122.70 | 下降趋于3以下 | 0.7373→0.7190 |
| 深证成指（SZ） | 1991-08-17 | 16.67% | 85.42% | 7.20 | 36.04 | 大幅下降 | 0.7180→0.7070 |
| 台湾加权指数（TWII） | 2015-06-01 | 11.09% | 19.06% | 96.05 | 124.91 | 明显上升 | 0.7084→0.7270 |
| 韩国综合指数（KS11） | 2015-06-15 | 10.09% | 15.04% | 18.28 | 24.41 | 轻微上升 | 0.7302→0.7223 |

• 绝大多数市场扩板后波动率、ATR显著增加，峰度多呈上升趋势，市场趋势性增强。

- Hurst指数均大于0.5，显示所有市场均存在显著趋势性，且扩板后趋势性有所加强。

创业板扩板模拟：费雪变换方法及结果 [page::8][page::9]

• 引入费雪变换处理创业板指数涨跌幅，模拟涨跌幅扩大的市场序列。

- 转换函数对极端涨跌幅有放大效应，能突出极端变动。

• 转换后创业板指数波动率由30.74%提升至37.84%，日均ATR由38.74升至85.09，峰度显著上升至7.73，Hurst指数小幅提升至0.766，证实扩板放大了波动性及趋势性。

经典趋势跟踪策略MACD回测表现 [page::10][page::11]

• 基于2010-2020年创业板数据，采用MACD金叉死叉构建择时信号。

- 扩板模拟序列累积收益1306.82%，原始序列198.72%，年化收益29.85%与11.42%。

• 盈利比率提升至40.48%，最大回撤相近，表明扩板增强趋势跟踪效果。

新型低延迟趋势线OLSTL构建与原理 [page::11][page::12]

• OLSTL基于普通最小二乘法线性回归拟合价格序列，权重向近期倾斜，相比MA延迟更低。

- 该趋势线以拟合直线在末端值作为指标，去除噪声更接近真实价格。

• 理论及实证表明，OLSTL在趋势行情中延迟优于MA且更适合趋势跟踪择时。

OLSTL择时策略实证分析与参数优化 [page::13][page::14][page::15]

• 选择窗口参数n=40使策略累计收益最大，2010-2020年仅多头策略。

- 扩板模拟指数的累积收益率高达4281.60%，年化收益45.28%，显著优于原始创业板指。

• 最大回撤降低至30.25%，盈利比率提升至50%，策略表现更加优异。

OLSTL与LLT策略对比及优化结果 [page::15][page::16][page::17]

| 指标 | LLT(d=30) | OLSTL(n=30) | OLSTL(n=30,std>15) |
|--------------|---------|------------|--------------------|
| 择时次数 | 111 | 152 | 144 |
| 累积收益率 | 208.55% | 278.31% | 335.81% |
| 年化收益率 | 11.78% | 14.05% | 15.66% |
| 盈利比率 | 27.93% | 34.21% | 36.11% |
| 最大回撤率 | 46.20% | 41.05% | 32.09% |

• OLSTL总体优于LLT，尤其在振荡行情中表现更佳。

- 加入波动率阈值(年化波动率>15%)后，优化版本收益提升且减小了回撤和总交易次数。

• 优化策略显著降低了震荡年份的噪声交易信号。

结论与风险提示 [page::18]

• 创业板涨跌幅扩大预计将带来更大波动和更强趋势性，利于趋势跟踪策略表现提升。

- 费雪变换模拟与实证交易策略均支持该判断，尤其是低延迟趋势线OLSTL表现突出。

• 投资风险仍不可忽视，报告仅基于历史统计模型，非投资推荐。

创业板涨跌幅扩大后的趋势投资分析报告详尽解读与剖析

---

1. 元数据与概览

报告标题： 创业板涨跌幅扩大后的趋势投资分析（交易性择时策略研究之十六）
作者与发布机构： 广发证券发展研究中心，主要分析师包括罗军、安宁宁、张超等。
发布日期： 2020年
研究主题： 研究创业板涨跌幅扩大（由此前限制比例放宽到20%）对市场波动性及趋势性影响，并基于此改进和验证趋势跟踪策略。

核心论点：

• 创业板涨跌幅的扩大将导致市场波动率上升，趋势性增强。

- 通过海内外市场扩板案例验证此推断。

• 采用数学工具（费雪变换）定量模拟扩板后的创业板指数，验证趋势加强。

- 结合经典技术指标（MACD）和自创的低延迟趋势线（OLSTL）策略测算，验证扩板后趋势跟踪策略有效性增强。

• OLSTL策略较传统技术指标及其他低延迟均线表现更优，优化措施进一步提升策略收益风险比。

本报告不构成具体投资建议，关注市场风险，并明确报酬与研究结论无直接联系。[page::0,3,7,9,10,12,14,15,16,17,18]

---

2. 逐节深度解读

2.1 创业板涨跌幅将扩大

2020年6月12日，深交所发布《关于创业板交易的特别规定》，将创业板股票价格涨跌幅限制比例放宽至20%，且新股上市初期设定5天不设涨跌幅限制，调整停牌机制、交易公开信息披露阈值等配套措施。

该举措目的是提升市场功能和定价效率，减少涨跌幅限制对价格发现效率的扭曲，但也可能增加价格波动性和趋势性。表1总结了此次创业板交易机制的多项改革内容，涉及涨跌幅限制、临时停牌、盘后定价交易、两融交易机制优化等。[page::3]

2.2 海内外市场涨跌幅扩板案例分析

选取沪深股市、台湾股市、韩国股市的历史扩板事件作为参考：

• 沪深市场 曾于1992年和1991年分别取消部分时间段内涨跌幅限制，但当时市场尚处于发展初期，参考价值有限。

- 台湾股市 于2015年6月1日将涨跌幅限制从7%扩至10%，作为推动市场与国际接轨。

• 韩国股市 于2015年6月15日将限制从15%扩大至30%，以提升市场效率。

定量分析采用波动率、平均真实区间（ATR）、峰度和Hurst指数四项指标，考察扩板前后不同时间窗口内（6、3、1个月）市场波动和趋势性变化。

• 波动率和ATR 显著上升，扩板后均值提升，说明股价波动范围加大。沪深市场波动放大最为显著，台湾和韩国市场波动也有明显上升（均约1.5倍增强）。

- 峰度 多数时间段均大于3，说明收益率分布呈现尖峰厚尾特征，大幅上涨/下跌频次增加，进一步印证市场波动性增强。

• Hurst指数（衡量趋势性） 扩板后指标普遍高于0.5，特别是台湾和韩国市场趋势性进一步增强，显示扩板强化了市场的长期趋势性。

结论是涨跌幅限制放宽后，市场价格波动加剧且趋势性增强，为趋势跟踪策略提供更有利的市场环境。[page::4,5,6,7]

2.3 创业板扩板模拟——费雪变换方法

通过费雪变换将创业板指数日涨跌幅的极端波动放大，并模拟扩板后的指数走势。费雪变换公式：

\[
y = 0.5 \cdot \ln\left(\frac{1+x}{1-x}\right)
\]

其中x为归一化输入（-1~1），靠近均值时输出几乎不变，靠近极限时放大。

• 图1 显示函数形状，线性区间靠近0，尾部非线性放大极端数据。

- 图2 比较扩板模拟前后创业板指数，模拟指数波动更加剧烈，峰值更高。

• 图3 日涨跌幅分布显示扩板模拟后极端涨跌端的交易日数量增加。

表3比较扩板模拟前后波动特征：波动率、ATR、峰度均明显上升，Hurst指数小幅提高，验证扩板后市场波动与趋势性增强。[page::8,9]

2.4 趋势策略测算

2.4.1 经典指标MACD

使用MACD金叉死叉策略对扩板前后创业板指数进行多头择时（多头持有指数，看空空仓），观察策略净值及年度收益表现。

• 图4 显示扩板模拟后的策略净值显著优于原始指数对应策略。

- 图5 展示分年度累计收益，模拟指数在大多数年分表现更佳。

表4统计数据显示，扩板模拟后：

• 累积收益率大幅提升（约1306% vs 198%），年化收益率也放大至近30%。

- 盈利比率提升，平均盈亏比增加，显示趋势策略在振幅扩大的环境下更加有效。

• 最大回撤率略增，亏损次数减少，单次最大盈利与亏损幅度同步放大。

总体MACD在扩板后的市场下，择时效果明显改善。[page::10,11]

2.4.2 低延迟趋势线OLSTL

• 构造方法： OLSTL基于普通最小二乘法线性回归拟合价格序列，计算拟合直线在当前时点的值作为趋势指标，显著权重靠近计算日的最新价格点，减少均线滞后。

- 理论分析： OLSTL相较传统简单移动平均线（MA）延迟更低，在趋势行情中更迅速反映价格变化。

图6以上证指数为例对比20日MA与OLSTL，显示OLSTL更贴近价格且响应更快。

• 择时规则： 计算OLSTL切线斜率，斜率>0表示看多，≤0看空。

- 参数选择： 遍历n=10-90，择时收益峰值出现在n=40。

图7显示不同n参数对应的收益峰值，图8和9扩板模拟前后择时净值及年度收益对比验证扩板后趋势策略有效性提升。

表5显示扩板模拟后OLSTL策略收益指标较原始指数大幅改善：

• 累积收益由279%提升至4281%。

- 最大回撤下降，盈利比率、盈亏比均明显改善。

2.4.3 OLSTL与LLT低延迟均线对比

• LLT简介： 由广发证券团队早期开发，基于二阶线性低通滤波器去噪，滤除高频噪声，获得平滑值，延迟低于MA。

- 参数优化： LLT最优d参数为30，OLSTL的n参数也取30，保持策略可比性。

图11和12展示两者净值曲线及年度收益对比，表6总结统计数据：

• OLSTL表现优于LLT，累积收益率高，最大回撤低，盈利比率更好。

- 震荡行情年份OLSTL更优，趋势行情年份LLT略占优势。

2.4.4 OLSTL策略进一步优化

增加年化波动率阈值（15%）作为交易开仓条件，用以过滤震荡行情信号，降低交易频次和噪声交易。

• 优化后，累积收益提升至335%，最大回撤降至32%，交易次数减少。

- 重大震荡年如2016、2017年交易显著减少，年化收益率和盈利比例提升。

图13和14及表7进一步阐释该优化策略的优势。

[page::11,12,13,14,15,16,17,18]

---

3. 图表深度解读

1. 图1（page 8）：费雪变换函数曲线

展示函数y = 0.5 * ln((1+x)/(1-x))，曲线在x接近0时线性，接近±1时急剧上升。说明涨跌幅极端数据将被非线性放大，有效突出极端值。

1. 图2（page 9）：创业板指数原始与模拟扩板走势对比

红线（扩板模拟指数）明显捕捉更多波动，峰值远高于蓝线（原始）。视图支撑涨跌幅扩大导致波动加大。

1. 图3（page 9）：涨跌幅日分布柱状图

扩板后红色柱在极端涨跌区间明显更高，表明极端涨跌日增多，风险和趋势机会加剧。

1. 表3（page 9）：模拟前后波动率、ATR、峰度、Hurst指数数据

显著上升的波动率（30.74%→37.84%）、ATR（38.7→85.1）、峰度（4.93→7.73）和轻微上升的Hurst指数（0.7627→0.7660）表明市场均加剧。

1. 图4、5（page 10）：MACD择时净值曲线及年度收益柱状图

扩板模拟指数策略净值远高于原始指数，且年度收益多显著提升，趋势策略收益放大。

1. 表4（page 10-11）：MACD择时数据细节

大幅提升的累积收益率和年化收益率，减少亏损次数，提升盈亏比，证明趋势信号适应扩板市场。

1. 图6（page 13）：MA20与OLSTL20对比

OLSTL线更贴合收盘价波动，回避MA的滞后，尤其趋势转换时。

1. 图7（page 14）：OLSTL参数n调整影响

累积收益在n=40时最高，指导参数选择。

1. 图8、9（page 14）：OLSTL多头择时净值与年度表现

扩板模拟指数策略收益远超原始，且年度收益均有所增长。

1. 表5（page 14-15）：OLSTL择时统计

扩板模拟后收益增加15倍以上，最大回撤降低，盈利率提升，策略稳定性显著增强。

1. 图10（page 16）：LLT参数调整表现

优化d=30参数，提升策略表现。

1. 图11、12（page 16）：LLT与OLSTL择时净值与年度收益对比

OLSTL整体优于LLT，累计收益更高且回撤更低。

1. 表6（page 16-17）：LLT与OLSTL择时数据对比

OLSTL优势明显，尤其在收益率和回撤控制方面。

1. 图13、14（page 17）：加入波动率约束的OLSTL优化策略表现

优化版策略（橙色）累积收益最高，回撤最小，年度收益稳定，交易频率适中。

1. 表7（page 17-18）：优化后的OLSTL数据

盈利次数和比例提升，最大连续亏损次数减少，表现优异。

综上，图表和数据充分展示涨跌幅扩大对市场波动与趋势性的影响，以及基于此构造和改进趋势跟踪策略的有效性验证。[page::0,3,7,8,9,10,11,13,14,15,16,17,18]

---

4. 估值分析

本报告专注于趋势跟踪策略的开发和验证，未涉及传统意义上的公司估值模型（如DCF、P/E等），因此无估值部分分析。[page::0~19]

---

5. 风险因素评估

报告中风险提示强调：

• 基于历史数据的模型存在局限，未来市场情况不确定，模型结果仅具有统计意义。

- 市场存在不可预测风险，模型和策略无法保证一定获利。

• 报告不构成投资建议，投资决策需谨慎。

- 提醒投资者理解并承担相关风险。

针对策略表现风险，调整如增加波动率约束以减缓震荡期间的策略信号噪声，降低回撤的同时减少过度交易。

整体风险提示体现了谨慎态度，提示模型与实际市场脱节的可能，与投资实践保持理论与实证的平衡。[page::0,18]

---

6. 批判性视角与细微差别

• 模型和策略依赖历史数据，扩板效果是否长期稳定，尤其应关注扩板后市场结构的变化和投资者行为演变，可能影响模型预测准确性。

- 费雪变换虽然放大极端数据，理论上模拟了涨跌幅扩大后的市场波动，但实际市场中扩板引发的流动性、市场微观结构变动未完全捕捉。

• 策略优化主要依赖单一指标（波动率）过滤信号噪声，实际操作中可结合更多风险管理工具。

- OLSTL与LLT对比虽然显示OLSTL综合更佳，分行情表现优劣不同，策略可做更细分及动态参数调整。

• 年化收益、回撤等指标虽有明显提升，但背后是否存在样本内过拟合的风险尚需进一步验证。

- 报告中未详细提及交易成本、滑点等实际交易费用对策略表现的影响。

报告整体基于充足数据支持论点，但对拓展思路和实际市场约束的讨论略显不足。[page::18]

---

7. 结论性综合

本报告通过系统性分析创业板涨跌幅扩大背景下，市场波动性和趋势性变化，具体结论如下：

• 涨跌幅扩大市场机制改革（涨跌幅限制放宽到20%，配套交易机制优化）旨在提升市场定价效率，减少价格限制带来的非理性约束。[page::3]

- 海内外扩板案例数据分析显示，这一举措带来显著波动率和ATR提升（沪深市场波动率扩板后三倍增长，台湾韩国约1.5倍），峰度提升说明极端涨跌增多，Hurst指数提升表明市场趋势性增强。[page::7]

• 费雪变换数学模拟创业板涨跌幅扩大后的指数，波动率、ATR、峰度和Hurst指数均出现不同程度上升，定量验证市场波动加强和趋势加强假设。[page::9]

- 趋势策略实证分析：多头择时策略MACD在扩板模拟指数上表现出更高年化收益率和累计收益，同时盈利次数与盈亏比提升，回撤也得到合理控制。[page::10,11]

• 低延迟趋势线OLSTL的提出与优势：基于OLS回归加权的均线，权重向计算日倾斜，显著降低延迟。实证表现优于MACD，累积收益同比提升15倍以上，回撤下降，盈利比率提升，且拐点更清晰。[page::12,13,14,15]

- OLSTL与LLT对比：整体来看OLSTL表现更优，尤其在震荡行情中表现更稳定。加入波动率限制的优化版策略进一步提升了收益风险比，减少了震荡行情中的噪声交易。[page::16,17,18]

• 图表分析全面支持上述逻辑，各类图表和统计表均显示扩板效果显著，优质趋势策略在放宽涨跌幅后市场环境中表现更优。[page::0,3,7-18]

报告对市场扩板对波动性和趋势性影响做了全面、系统、实证的分析与验证，结论具有较强的逻辑性与数据支撑，提出的OLSTL策略结合现实市场条件优化，对投资者理解和把握创业板扩板后的趋势交易提供理论和操作指引。风险提示和谨慎态度也体现出报告稳健严谨的立场。

---

附录：报告核心图表示例（示意）

---

综上，报告通过理实结合的多方面严谨分析与验证，为创业板涨跌幅扩大后趋势投资策略的构建和优化提供了科学、有据的指导框架，具有较高的参考价值和实践意义。[page::全篇]

报告