流通股本分布模型介绍与应用 [page::2][page::3]

• 模型通过每日成交价格与换手率更新流通股本分布，采用M型分布假设分布形态，更合理刻画持股者行为。

- 应用于行业择时，形成超跌反弹和平台突破两类信号，历史回测表现显示较优胜率和良好均线卖点控制效果。

股价抛压及行业轮动因子构建 [page::5][page::6]

• 抛压因子基于流通股本价格分布简化为9档，重点关注P0（当前价格±5%范围）、P+1等关键位置的股本集中度。

- 采用因子 sum(P-1, P0, P+1) 排序对30个中信一级行业进行五分位分组，周度调仓，预测股价走势强弱。

因子回测表现及复合提升效果 [page::7][page::8][page::9][page::10][page::11]

• 理论抛压因子P0和P+1单因子回测表现中，多头收益年化达11%，显著超越沪深300。

- 非流动性因子（改良Amihud）对于流动性宽松期有效，波动较大，单独使用稳定性较差。

• 通过等权复合理论抛压因子与非流动性因子，形成复合因子策略，多空组合年化收益24.49%，最大回撤13.59%，整体表现最佳。

表3：P0 和 P+1 复合因子回测表现
| 模拟组合 | 年化收益率 | 年化波动率 | 最大回撤 |
|------------|------------|------------|-----------|
| 空头 | -6.99% | 22.21% | -41.64% |
| 多头 | 10.55% | 23.68% | -32.71% |
| 多空组合 | 17.94% | 14.88% | -20.36% |

表4：调整后非流动性因子回测表现
| 模拟组合 | 年化收益率 | 年化波动率 | 最大回撤 |
|------------|------------|------------|-----------|
| 多头 | 2.23% | 21.22% | -30.76% |
| 空头 | -8.18% | 21.15% | -46.91% |
| 多空组合 | 9.86% | 16.44% | -27.15% |

表5：复合因子回测表现
| 模拟组合 | 年化收益率 | 年化波动率 | 最大回撤 |
|------------|------------|------------|-----------|
| 空头 | -10.35% | 21.32% | -50.27% |
| 多头 | 12.68% | 22.41% | -25.52% |
| 多空组合 | 24.49% | 15.10% | -13.59% |

策略总结与风险提示 [page::0][page::12]

• 该策略假设增量资金均匀加仓，抛压低的行业具备更高超额收益潜力，通过两个主要因子等权复合提升策略表现和稳定性。

- 报告明确指出策略基于历史公开数据，存在系统性风险，非点位预测，不构成投资建议。

金融工程报告详尽分析——《从股价抛压视角构造行业轮动策略》

---

1. 元数据与概览（引言与报告概览）

报告标题：从股价抛压视角构造行业轮动策略——量化技术分析系列之二
作者团队：张晗（分析师）、卢开庆、梁誉耀（研究助理）
发布机构：国泰君安证券研究所
联系方式及登记编号详见报告首页
发布日期：2024年（具体日期未见）
研究主题：利用量化方法，基于流通股本分布模型和股价抛压因子，对中国A股市场行业板块进行横向比较，筛选抛压较低的行业，构造行业轮动投资策略。

核心论点：
传统基于盈利、估值和资金的行业轮动策略主要针对增量场外资金的定价逻辑调整。本文从“股价抛压”的独特视角切入，假设增量资金对各行业等量介入，行业间抛压的大小反映了资金吸纳能力，从而影响未来的超额收益。报告利用流通股本分布模型细致刻画持股者行为，结合基于Amihud因子的非流动性指标，通过多个回测验证策略稳健性和效益。
主要结论：

• 由两个抛压相关因子等权复合构成的行业筛选指标显著提升年化收益率。

- 单因子表现参差，但复合因子年化收益率可达约13%，较沪深300约超16%。

• 空头因子为负收益，组合回撤合理，模仿行业轮动策略具备实操潜力。

- 该方法验证基于历史数据且不构成投资建议，市场系统风险及政策环境可能使规律失效。

风险提示强调该策略不做具体点位预测，仅揭示相对强弱，且实际操作存在复制差异。

---

2. 逐节深度解读

2.1. 报告导读与摘要

报告首节明确提出研究目标：利用流通股本分布定量刻画股价抛压，基于这一指标对行业进行横向比较和选择。提出假设：增量资金均匀分配到各个行业，抛压小的行业更容易获得超额收益，因持股者行为（特别是换手率）是抛压的关键驱动。
定义两个关键因子：

• 第一个因子：改良版Amihud因子，计算为涨跌幅除以成交额，代表单位成交额导致的价格波动幅度，缩量上涨对应较小抛压。

- 第二个因子：理论抛压因子，基于流通股本分布按价格段计算的累计股本比例。

回测涵盖2018年至报告发布，显示单个因子效果不同，复合因子效果更佳。报告客观指出风险和限制，包括模拟组合难以全额量化复制，市场系统性风险等。

2.2. 目录与框架

报告结构条理清晰，包括以下主要章节：

• 流通股本分布模型介绍及计算要点与输出展示

- 股价上涨阻力的理解与刻画

• 定量回测：理论抛压因子、非流动性因子及复合因子

- 总结与风险
此外还附有免责声明及评级说明。

---

2.3. 1. 流通股本分布模型介绍

1.1. 模型计算要点

该模型基本原理是用换手率和成交价格动态更新流通股本在各价格档的分布。实际操作中的关键点包括：

• 以某初始价格作为100%流通股本起点。

- 根据每日成交价格和换手率调整持股价格分布，采用更符合真实交易行为的M型成交分布假设。

• 结合行为金融学中“处置效应”——得利卖出行为更频繁，交易主体的时间和行为差异纳入模型修正。

该建模细节使得股本价格分布能够较准确反映市场持股者的盈亏结构和换手动力。该模型应用于行业指数层面，辅助量化择时。

1.2. 模型输出结果展示

以计算机行业为示例，报告分别展示了2024年2月5日和3月23日的股本价格分布图（图1和图2）。图中的横轴代表股价区间，纵轴代表各价格段持股股本量，颜色用以区分盈利盘与亏损盘。
从图中可以观察到不同时点的持股结构差异，反映市场对价格变动的反应。此类分布为后续抛压的定量刻画和策略形成提供基础数据。

1.3. 基于流通股本分布的择时应用

结合流通股本分布，报考量了两类信号模型：

• 超跌反弹信号：基于股本中低收益比例、价格处于低位且出现结构性底分，结合持有期收益统计，后5日平均收益4.56%，持仓胜率达71%。

- 平台突破信号：换手率低位、获利盘比例显著增加，表现出中短期3.3%至5.1%的收益，持有期内胜率约60%。
表1和表2详细列出两信号对应的收益率、盈亏比、胜率及平均持仓天数，体现策略的实证有效性和应用潜力。

---

2.4. 2. 如何理解股价上涨阻力

2.1. 再论平台突破信号

结合2019年农林牧渔行业为例，报告通过流通股本分布图（图4、图5）和对应的行情图表（图6）说明：

• 股价面临的上涨阻力主要是价格在密集股本区间的突破难度。

- 当行情缩量上涨穿越密集区域，说明持股者坚定且抛压有限，具备技术突破信号。
因此成交量和股本分布作为共同衡量股价阻力的核心因素，为之后的抛压指标建设奠定基础。

2.2. 股价抛压应如何刻画

报告基于经典Amihud流动性指标的思路进行创新：

• 传统Amihud为绝对收益率与成交额之比，衡量单位成交额造成的价格冲击和流动性风险。

- 本文将收益率改为带符号的涨跌幅除成交额，反映抛压状况，即缩量上涨对应低抛压，缩量下跌对应抛压大和买盘疲软。
此理论阐释了抛压的微观意义和行为逻辑，也成为后文非流动性因子的计算基础。

---

2.5. 3. 定量回测行业轮动策略

3.1. 理论抛压因子构建

报告将流通股本分布简化为价格区间分布图（图6），以当前价格上下5%为核心区间（P0为当前区间，P+1、P+2、...为价格更高盈余盘，P-1、P-2…为价格更低亏损盘）。

• 理论上，P0及其上下档区间的累计股本量对股价波动构成最大的阻力。

- 此处定义因子为三档区间的股本累计值的加总（sum(P-1, P0, P+1)）。

利用2018年至今数据对30个中信一级行业按此因子横截面排序，分为五档进行周度调仓回测。
图7～图10分别展示了该因子及独立P0、P+1、P-1因子的历史净值表现：

• 多头组合趋势向上，表现强势，尤其是P+1因子多头有明显优势。

- 空头组合则显著弱势，说明较高抛压对应未来表现疲软。
但是报告指出单因子预测效果仍有限。

3.2. 非流动性因子回测

对传统Amihud因子做调整，定义“adjusted Amihud factor（AA因子）”：

• 用过去250日收益分位数与过去5日和过去250日成交额均值的比值计算，平滑行业间差异。

执行同样横截面排序与回测方法。

如图12所示，该因子表现波动较大，市场流动性充裕时效果较佳，但整体不稳定。年化收益率仅约2.23%，最大回撤约-30.76%。

3.3. 复合因子构建

鉴于两类因子各自优势与不足，采取等权复合方法：

• Step1：将理论抛压因子（P0和P+1）进行合成。

- Step2：将AA因子和理论抛压因子等权组合。

• Step3：运用该复合因子进行行业排序，实施周度调仓。

回测结果如图13和表5所示，复合因子的年化收益率达12.68%，多空组合年化收益率甚至高达24.49%，且最大回撤下降至约-13.59%，显著优于单因子表现，策略稳定性和风险调整收益得到提升。

---

2.6. 4. 总结

报告重申利用股价抛压角度构建行业轮动策略的理论框架和实证发现：

• 抛压由持股者行为决定，流通股本分布模型是核心量化工具。

- 通过改良Amihud因子和理论抛压因子双因子等权复合，获得了显著的行业未来相对表现预测能力。

• 复合因子年化收益提升至约13%，相对基准沪深300指数实现约16%的超额收益。

- 该组合策略的风险回撤较低，更适合实战应用。

• 风险提示反复强调模型局限、历史数据性质、系统性风险及市场环境变化对策略有效性的潜在影响。

---

3. 图表深度解读

3.1. 图1和图2（计算机指数流通股本分布，2024-2-5及2024-3-23）

• 展示了单一行业重要的股本价格分布横截面，绿色和红色区分盈亏盘，显示不同时点持股结构的演化。

- 股价中低位集中度和持股者盈亏比例能够揭示钱从何处站队以及潜在的抛压部位。

• 该图为后续因子构建和抛压理论提供直观基础。

3.2. 表1和表2（超跌反弹和平台突破信号表现）

• 表格数据详列均值收益率、胜率和盈亏比，反映量化信号稳定性和盈利能力。

- 超跌反弹信号更短期（5-10日）呈现强盈利效果，胜率超过60%。

• 平台突破信号平均持仓周期更长，收益略低但稳定性亦较好，这些历史数据支撑后续因子价值。

3.3. 图4、5和6（农林牧渔行业流通股本分布及行情）

• 图4、5展示价格分布的盈亏分界状态，跟踪股价突破前后股本区间变化。

- 图6为对应时间行情缩量上涨的K线和成交量图，说明技术背后的资金与持股者行为支撑。

3.4. 图7至图10（单因子回测净值表现）

• 不同风险档次组合净值走势显著分层，绿色线（多空组合）整体走势最优。

- 图8显现P0多头组合表现强于空头，而图10 P-1则反向，说明不同盈亏区间对策略影响截然不同。

3.5. 图11及表3（P0和P+1复合因子回测）

• 净值曲线进一步拉开分歧，复合因子提升收益和夏普比率。

- 表3数值说明多空组合收益近18%，风险明显降低。

3.6. 图12及表4（调整后非流动性因子回测）

• 净值曲线波动依旧较大。

- 周期性效果明显，收益率提升有限。

3.7. 图13及表5（复合因子最终回测表现）

• 复合因子多空组合年化收益率达24.49%，最大回撤仅约-13.59%，表现依然稳定且优异。

- 充分体现将多因子融合优化效果，是本报告的核心亮点之一。

---

4. 估值分析

本报告核心聚焦行业轮动与量化因子策略构建，并未涉及传统意义上的公司估值（如DCF、PE等），而是通过抛压因子和流通股本分布等模型对行业板块的相对表现进行预测与排序。估值分析即为因子的回测表现、收益波动及最大回撤等量化指标，作为相对价值判断标准。

---

5. 风险因素评估

报告中明确说明以下关键风险因素：

• 历史数据依赖风险：策略基于历史公开数据回测，未来行情不保证重复过往规律。

- 市场系统性风险：极端行情和突发事件可能使所有行业策略失效。

• 政策变动风险：宏观及产业政策超预期调整可能改变市场环境。

- 实施难度与复制风险：模拟组合实际难以完全复制，交易成本和流动性风险未被完全覆盖。

• 风险提示承担有限：报告不构成投资建议，投资决策需谨慎。

---

6. 批判性视角与细微差别

• 报告假设“增量资金均匀介入各行业”，该假设简化了市场资金配置的差异性，可能低估行业间资金流动性和偏好变化带来的影响。

- 因子构建依赖流通股本分布模型的准确与更新实时性，任何数据延迟或模型参数偏差都会影响结果。

• 虽然报告多次强调模型和策略只针对相对强弱排序，不预测绝对指数走势，但未完全细化极端行情（如危机期）模型表现。

- 模型回测以行业为投资单元，实际证券层面存在个股权重和流动性制约，策略在实操层面风险可能高于测算。

• 报告中单因子表现有较大波动，长期稳健性存疑，复合策略的历史优异可能未必涵盖所有市场环境。

---

7. 结论性综合

该报告创新性地从股价抛压角度，利用流通股本分布模型和改良Amihud因子，构建并验证了行业轮动的量化策略。重点包括：

• 流通股本分布模型的应用有效捕捉持股群体盈亏和行为特征，精准刻画价格阻力和潜在抛压。

- 两类抛压相关因子均表现出行业相对回报的预测能力，尤其理论抛压因子年化收益约11%。

• 因子复合显著提升收益和风险调整表现，年化多空组合收益达24.49%，最大回撤-13.59%，强化了策略的实用性和稳定性。

- 该策略提供了一种基于行为金融及市场微观结构的新视角，补充传统基于盈利和估值的行业轮动框架。

• 报告全面披露风险，强调策略适用条件及限制，客观严谨。

总结来看，报告的核心价值不仅在于提出新型抛压视角的量化因子，还在于通过丰富数据和系统回测论证其在多行业大盘环境下的有效性，为投资者构建稳健的行业轮动策略提供理论与实践基础。

---

参考文献与数据来源

所有数据均来源wind，国泰君安证券研究所有系统整理与回测。
以上图表均清晰标注了数据期间与来源，确保研究透明度和可验证性。

---

附件精彩图表示意（Markdown格式）

• 计算机行业2024-2-5流通股本分布图

- 计算机行业2024-3-23流通股本分布图

• 农林牧渔2019-1-31和2-11流通股本分布图及行情图

- 流通股本分布简图及因子回测表现

• 因子复合和调整后非流动性因子回测图

- 复合因子回测表现

---

结尾提示

本报告为国泰君安证券研究所专业出品，数据来源权威且分析体系完整。投资者在参考时应结合自身风险偏好及市场变化，谨慎运用报告中的策略和观点。[page::0,1,2,3,4,5,6,7,8,9,10,11,12]

报告