|
||||
——2013年A股市場量化策略動態監測
·上證綜指預測:2013年A股市場整體有望“震盪上行”,其中3月可能震盪調整,4、5月有望迎來年內第二波上漲行情,但上漲動能會弱於去年12月以來的這輪反彈;6、7月市場可能再次進入調整階段;8、9月市場有望在上攻過程中出現階段性機會。2013年經濟企穩回暖信號基本明確,爲A股市場的弱復甦態勢形成有力支撐。
·行業配置:超配商業貿易、信息服務、信息設備、採掘、有色金屬行業。
·股票配置:推薦中國聯通、同方股份、蘇寧電器、攀鋼釩鈦、紫金礦業、鵬博士、億陽信通、廈門國貿、國投新集、中金嶺南等個股。
一、模型選擇
1.神經網絡模型
人工神經網絡簡稱神經網絡,是一種模仿生物神經網絡結構和功能的數學模型或計算模型。我們採用的BP網絡是一種按誤差逆傳播算法訓練的多層前饋神經網絡,是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存貯大量的輸入-輸出模式映射關係,無需事前揭示描述這種映射關係的數學方程。神經網絡具有良好的容錯性和優良的非線性逼近能力,特別適合處理自變量和因變量之間無已知方程、結果預測比邏輯關係解釋更重要的情形。對於上證綜指與行業指數的預測,我們無法瞭解未來指數與歷史數據、其他因素的具體關係,所以神經網絡比較適合處理該方面的問題。當前藉助神經網絡預測股票指數的研究也比較成熟,其預測效果均比較理想。不過神經網絡容易產生局部最優化導致訓練失敗的情形,在預測之後需要人工加以篩選。
2.多因子模型
多因子模型是應用最廣泛的一種選股模型,基本原理是採用一系列的因子作爲選股標準,滿足這些因子的股票買入,不滿足的則賣出。一般而言,多因子選股模型主要通過打分法來進行判斷。打分法就是根據各個因子的大小對股票進行打分,然後按照一定的權重加權得到一個總分,再根據總分對股票進行篩選。各種多因子模型核心的區別一是在因子的選取上,二是在如何用多因子綜合得到一個最終的判斷。在最終判斷方面,多因子選股模型以打分法爲主。
3.模型的選擇
神經網絡模型使用靈活,對數據的要求不高,且預測精度較高,故採用此模型進行上證指數的預測。由於多因子模型在業內有比較廣泛的應用,同時根據檢測表明,逐步迴歸—多因子模型選股有比較穩健的超額收益,故選股時採用此模型。
二、上證綜指預測
1.模型設計
我們收集2008-2013年上證綜指的月收盤價,並添加對指數變化有影響的相關指標。在指標選取方面,相對同行業,我們在估值、業績等傳統西方經濟學分析工具基礎上增加了對政策、供求關係、羣體心理等政治經濟學和行爲金融學方面的考量,以求更加科學全面的分析解構及預測A股市場。具體步驟爲,首先通過構建政策—業績—供求—估值—心理五因素模型,再通過逐步迴歸法篩選顯著的指標。
2.歷史檢驗
我們使用前三年的指數歷史數據與前一年的宏觀指標數據進行預測,採用三層結構的神經網絡,隱含層神經元個數爲12,得到下一年的預測結果,並與真實的指數進行比對,得到基於遺傳算法的神經網絡改進模型在2003-2012年的回測檢驗。結果該預測指數的相對誤差爲15.37%,預測指數的標準差爲691.21,真實指數的標準差爲793.60。可以發現,對2007年這種大幅波動的情形模型預測效果欠佳,但在波幅比較緩和情形下模型大致能夠預測出上證指數的趨勢。
3.一季度行情預測
利用一季度的數據進行預測顯示,上半年上證綜指可能存在M型走勢,下半年有望迎來新一波上漲行情,並更看好後市機會。
4.2013年市場展望
預測顯示,2013年A股市場有望“震盪上行”。其中,3月份可能出現震盪調整;4、5月份有望迎來年內第二波上漲行情,但動能可能弱於去年12月以來的第一輪反彈,上半年整體呈M型走勢;6、7月份市場可能開始調整;8、9月份市場有望再次上行,投資者可把握這次階段性機會。
從近期的一系列經濟數據來看,2013年經濟企穩回暖態勢已基本確立,證監會也表態將啓動發行與退市改革。在政策、業績、估值、供求的相互加持下市場信心有望逐步恢復,再加上快速調整後市場自身也有技術性反彈需要,二季度行情值得期待。量化預測也表明,市場有望在3月份左右結束現階段調整,並在4、5月份出現反彈。需要提醒投資者的是,此次反彈力度可能會明顯弱於去年12月份以來的第一輪反彈,震盪幅度可能較大。
三、行業配置
1.模型設計
我們採用行業指數前三年的歷史數據來預測未來數據發展,同時考慮一個行業發展會受到該行業內企業盈利能力、償債能力、成長能力等指標的影響。
2.模型檢驗
採用遺傳算法BP神經網絡模型(GABP)將前三年的指數歷史數據、前一年的行業指標數據作爲輸入層,當年指數數據作爲輸出層,建立輸入層與輸出層的映射關係。然後將當前階段輸入層數據代入映射,得到下一期的輸出層數據,即預測指數數據。我們對2008-2012年5年的行業收盤價進行預測,發現行業指數的誤差大於上證綜指的誤差,很難預測準確。由於預測模型可能產生的誤差較高,我們採用多次預測方法來提高準確度。我們分別進行10次預測,計算每次預測後的行業月均收益率並進行排名,選取排名前12的行業,最後根據各行業排名進12的頻數選取排名持續靠前的行業。根據這種方法選取2008-2012年5年內排名靠前的行業,並將其月均收益率與大盤比較。經統計,有55.10%的行業超越大盤。
3.選取結果
經過模型運算,我們推薦的2013年3月至2014年2月的行業配置是:信息服務、信息設備、商業貿易、採掘、有色金屬。
四、股票配置預測
1.模型設計
多因子模型建立過程包括候選因子的選取、候選因子數據的預處理、逐步迴歸法的建立,採用逐步迴歸法以達到篩選股票的目的。
候選因子的選取:候選因子的選取主要分爲財務指標、行情指標和估值指標,這樣分類選取的原因主要是考慮到市場經驗和經濟邏輯,以增強模型信息捕獲能力,提高模型收益。另外,提供多維度的有效因子也可以降低由於因子的高度相關關係而產生的多重共線性。
2.歷史檢驗
我們依照以下流程篩選股票:
(1)在選取股票之前先對股票進行第一輪篩選,在考慮風險因素與成長性情況下剔除ST股票以及市盈率小於0大於100的股票。
(2)對數據進行預處理,通過逐步迴歸法建立當期因子數據與下期收益率的迴歸方程,再利用因子數據預測下期個股的收益率,並對行業所有股票收益率進行排名。
(3)選取排名前5的股票建立等權組合,與行業指數收益率作對比,以檢測該組合是否具有穩定的超額收益。
由於行業較多,選取股票數較多的通用機械行業進行比較。該行業2008年12月至2012年10月的回測檢驗結果顯示,所選取的個股組合累計收益率優於行業平均水平。
3.選股結果
我們篩選推薦行業中的優質股票,依收益率排名如下表所示。
採用“逐步迴歸—多因子模型”的選股結果一覽
信息服務行業信息設備行業商業貿易行業採掘行業有色金屬行業
中國聯通同方股份蘇寧電器攀鋼釩鈦紫金礦業
鵬博士億陽信通廈門國貿國投新集中金嶺南
軟控股份方正科技深賽格海油工程方大炭素
東方明珠廊坊發展合肥百貨永泰能源西部礦業
博瑞傳播中天科技華聯股份中國石油南山鋁業