量化投资组合管理研究系列之：热潮下的冷思考估值、拥挤度与资金博弈的量化择时

目 录TOC\o"1-2"\h\z\u引言：高关注成赛道的择时命题 3因子构建 4层标体系构建 4标工方法 8线去除 9子成方法 10回测与验证框架 13回测结果 135总结 17风险提示 18图表目录图1、人工智能板块交易金额占比变化趋势 4图2、部分因子的IC时间序列 10图3、线性合成因子的分层回测表现 11图4、动态合成因子的分层回测表现 13图5、净值回测曲线 14图6、不同合成方法的净值曲线的回撤与累计超额 15图7、择时策略的加减仓和仓位变化情况 16表1、模型所使用的基础指标的定义和意义 5表2、部分因子的含义和意义 9表3、择时曲线表现统计 16引言：高关注度成长赛道的择时命题近年来，A股市场高关注度成长赛道的资金集聚效应愈发显著，板块交易活跃度持续攀升、资金集中度不断提升，伴随而来的是拥挤度过热与估值分化问题，成为引发短期市场波动的重要诱因。当前，依赖单一指标的择时方法受市场环境周期性波动影响较大，有效性不稳定，难以全面捕捉赛道运行背后“估值合理性-交易拥挤度-资金博弈”的多维协同特征，也无法满足投资者对精准择时信号的需求。为市场提供有价值的量化思考与信号指引。分布集中于半导体（30.29%）、通信设备（20.96%）和软件开发（14.68%）（全收益56.35%，近（全收益26.43图1、人工智能板块交易金额占比变化趋势、江海证券研究发展部注：交易金额占比定义：板块当日交易金额除以中证全指该日交易金额因子构建201581日至2026126201810312026126（2020年疫情202220232024-2025年的赛道轮动行情412026126（约10个月）为样本外回测。本次研究围绕估值、拥挤度、资金面三大核心维度选取底层指标，兼顾逻辑相关性、数据可得性与有效性，全面刻画赛道的交易特征、估值水平与资金博弈状态，具体指标选取及逻辑如下。表1、模型所使用的基础指标的定义和意义指标定义意义换手率当前版块内所有个股的成交量与其流通股本的比率，按成分权重加权体现筹码周转速度自由换手率当前版块内所有个股的成交量与其自由流通股本的比率，按成分权重加权PETTM指数滚动市盈率衡量赛道估值水平与基本面的匹配度PBLF指数每股净资产，数据取自最新公告限售A股合计占总股本比例当前板块所有个股限售流通股之和与总股本之和的比例反映赛道潜在流通盘压力，限售股解禁可能影响筹码供给陆股通配置比例陆股通持有指定板块成分个股的总市值占陆股通持有所有个股总市值的比例反映北向资金对该板块的配置偏好与资金倾斜陆股通持股市值占流通市值比陆股通持股市值占指定板块流通市值的比例反映北向资金在板块的影响程度公募基金配置比例报告期内公募基金持有指定板块成分个股的总市值占公募基金持有所有个股总市值的比例体现国内机构资金对板块投资价值的认可度融资融券余额当前板块所有个股融资融券余额之和体现杠杆资金配置规模，反映市场对该板块的杠杆资金配置意愿融资融券余额占比当前板块所有个股融资融券余额与其自由流通市值之比消除了板块市值规模的影响，反映杠杆资金对该板块的相对配置强度融资余额配置比例当前板块所有个股融资余额占所有个股融资余额的比例反映融资资金对该板块的配置偏好交易金额占全市场比例当日板块所有个股的交易金额与中证全指的交易金额之比板块热度开盘价、收盘价、交易金额、交易量当日指数的量价数据重点刻画指数的每日表现，保留指数的Beta信息，为后续分析指数波动特征、关联市场整体走势提供基础支撑。交易拥挤度维度：选取换手率、自由换手率、交易金额占全市场比PETTM（）、PBLF（市净率）2PETTM6公募基金配置比例：在机构配置层面，该指标直接反映公募基金对该板块的配置权重与资源倾斜程度，体现机构资金对板块投资价值的认可度——配置比例越高，说明该板块在公募基金整体持仓中的优先级越高，是机构资产配置组合中的核心标的之一；在机构行为层面，其变动趋势可捕捉公募基金的持仓调整倾向，若配置比例持续上升，反映公募基金基于板块景气度、估值合理性等因素进行主动增配，体现机构对板块未来走势的乐观预期，反之则为主动减配，反映机构的谨慎态度；在资金博弈层面，公募基金作为A股市场核心机构资金力量，其配置比例的变动会主导板块资金流向，若公募基金集中增配，会推动板块资金供给增加，强化多方博弈优势，反之则可能引发资金撤离，加剧空方博弈力度，同时其配置行为也会影响其他类型资金的决策倾向。融资融券余额：该指标体现杠杆资金配置规模，反映市场对该板块的杠杆资金配置意愿。余额越高，说明杠杆资金对该板块的关注度越高，愿意通过杠杆工具加大配置力度，间接反映板块的市场活跃度与资金吸引力；融资融券余额上升，说明杠杆资金入场意愿增强，投资者通过融资加杠杆布局该板块，体现对板块短期上涨的预期，反之则说明杠杆资金离场，去杠杆倾向明显，体现市场对板块短期走势的谨慎态度；在资金博弈层面，该指标直接反映板块杠杆资金的整体博弈规模，余额过高意味着板块杠杆风险累积，若市场出现波动，杠杆资金平仓可能引发连锁反应，加剧板块资金博弈的波动性，而余额温和上升则可强化多方博弈力量，推动板块交易活跃度提升。融资融券余额占比：该指标消除了板块市值规模的影响，反映杠杆资金对该板块的相对配置强度，占比越高，说明相对于板块自由流通市值而言，杠杆资金的参与度越高，体现杠杆资金对该板块的相对重视程度，也是评估板块杠杆资金配置密度的核心参考指标。该指标的分位变动可捕捉杠杆资金的行为边界，若占比突破历史高位，说明杠杆资金参与过度，投资者可能启动去杠杆操作，若处于历史低位，则说明杠杆资金参与不足，投资者可能逐步加杠杆布局；在资金博弈层面，该指标是衡量板块资金博弈激烈程度的关键参考，占比过高意味着板块资金博弈中杠杆资金主导性较强，短期波动风险较高，占比适中则说明杠杆资金与非杠杆资金博弈相对均衡，板块走势更具稳定性，其变动也会直接影响板块拥挤度的高低，进而传导至整体资金博弈格局。5（股权结构特征维度：选取限售A股合计占总股本比例1度与资金博弈格局，补充该指标可提升信号的全面性。指数的基础量价指标：重点刻画指数的每日表现，保留指数的Beta特征、关联市场整体走势提供基础支撑。上填充（往前取最近的非空数值填充）503σ形成多维度衍生指标池：1.滚动统计加工：针对每个底层指标，计算“5/10/20/30/60/120日”六个时间窗口的滚动均值与滚动增速——滚动均值用于平滑短期波动，凸显中长期趋势；滚动增速用于反映指标的变化速率，捕捉趋势拐点，增强指标时效性；偏离度指标构建：计算（当日值-滚动MA）/滚动MA指标（滚动窗口同上）1年、3年、5年三个滚动窗口，将每个指标的当（Z-score标准化。对加工后的指标，通过252日滚动窗口Z-score标准化，消除不同指标的量纲差异，使各指标具备可比性，为后续因子合成奠定基础。（注意，仅对加工后的指标进行标准化，不重复对历史分位值进行标准化操作。）erson相关系数开展C（，核心筛选与研究标的下期收益率显著相关的指标，筛选标准为P<0.05（统计显著）、IC绝对值>0.08（相关性较强），确保因子的有效性。由于在指数层面择时（而非股票截面），因此选用Pearson本研究使用的是日频的数据，为了避免过度操作，故采用周度调仓。目标收益率为t+5收益率（周收益）。Gram-SchmidtIC共线性去除后，再一次进行IC检验，筛选出P<0.05（统计显著）的因子。经过这一步，因子经过提纯，IC值有所提升，不再对IC绝对值进行筛选。表2摘取了部分IC值较大且显著的因子，并进行了解释和意义解读。表2、部分因子的含义和意义序号因子样本内IC（共线性去除后）P值释义意义1vol_30d_growth_3y0.1540.000指数交易量的30天增速在三年历史的分位值度量交易额的月度增速，以三年历史分位值衡量变化大小。增速越大，收益率越好（动量）。2融资融券余额占比_20d_growth_3y-0.1250.000融资融券余额占比的20天增速在三年历史的分位值杠杆资金在短期流入越快，未来收益越差。3close_5d_ma-0.1180.000收盘价的5天移动平均度量收盘高度，以5天为周期。越高，未来表现越差（反转效应）。4val_120d_ma_5y-0.1010.000指数交易额的120天移动平均值的五年历史分位值120MA，以长窗口观察是否有明确的显收益率越差（反指）。5open_20d_ma-0.0920.000开盘价的20天移动平均度量开盘高度，以20天为周期。越高，未来表现越不好（反转效应）。6陆股通持股市值占流通市值比_5d_dv_1y0.0830.001陆股通持股市值占流通市值的比例与其5天移动平均之间的偏离值，然后取一年历史分位值度量陆股通的资金影响力的增幅，以短期为观察窗口。北向流入越快越大，未来表现越好。7交易金额占全市场比例_30d_dv_3y-0.0660.010取三年历史分位值30天的边际变化，堵，未来收益越差。8公募基金配置比例_60d_ma_5y0.0600.018公募基金配置比例的60天移动平均的五年历史分位值度量公募基金的中长期配置意愿。越大，未来收益越好。9自由换手率_30d_growth_3y0.0530.039自由换手率的30天增速在三年历史的分位值度量自由换手率的月度增速，以三年历史分位置衡量变化大小。增速越大，收益率越好。10陆股通配置比例_30d_dv_1y0.0500.04930天移动平均之间的偏离，取该度量陆股通配置比例相对30天的边际变化，以1年历史分位值衡量该变化大小。该值越大，北向资金越关注，未来增长越好。2IC图2、部分因子的IC时间序列、江海证券研究发展部本次研究采用两种因子合成方法，分别为线性合成法与最大化IC_IR合成法（动态合成法），下面对比两种方法的性能差异，筛选最优量化信号，具体合成逻辑与操作如下。线性合成法78ICIC从合成因子的分层回测图，可见因子分层大致线性除了第四组），基本遵从因子值越小，下期收益率越大。图3、线性合成因子的分层回测表现、江海证券研究发展部

最大化IC_IR合成法（动态合成法）针对指数级别（时间序列）的因子合成，与截面（多只股票）合成最大的不同在于，我们需要处理的是时序上的IC（RollingIC），而非截面IC。既然优化目标是最大化IC_IR（即因子的夏普比率），并且要求动态权重、允许正负，且要求最后合成的因子的IC为负（配合下文的交易系统），最稳健且符合数学逻辑的方法是将这个问题转化为均值-方差优化（Mean-VarianceOptimization）问题，只不过应用的对象不是资产收益率，而是因子的时序IC。核心逻辑是，基于均值方差优化思想，以“IC均值/IC标准差（即IR值我们将每一个待合成的因子看作一种“资产”，该“资产”的收益流就是它对下期收益率的预测能力（即RollingIC）。我们的目标是求出一个权重向量𝜛，使得合成后的因子𝐹𝑛𝑒𝑤的IC序列具有最大的负向稳定性（即Mean/Std最大化，但方向为负）。假设在t时刻，过去一段时间内各因子的IC均值向量为𝜇𝐼𝐶，IC的协方差矩阵为𝛴𝐼𝐶。根据现代投资组合理论（MPT），最大化IR（SharpeRatio）的最优权重解为：𝐼𝐶𝜛=𝜆∙𝛴−1∙𝜇𝐼𝐶𝐼𝐶其中：𝐼𝐶𝛴−1是ICIC（甚至可以利用不同因子的对冲特性）。𝐼𝐶𝜇𝐼𝐶是IC均值，如果因子长期为负IC，𝜇中元素为负，计算出的权重自然会引导合成因子走向负IC。非线性动态的体现：𝜇和𝛴是随时间窗口滚动的（Rolling），因此权重𝜛𝑡是随市场环境非线性变化的。具体操作：第一步，选取60日为滚动窗口，每交易日重新估算因子的IC均值向量与ICIR（1避免单一指标主导因子）；第三步，加入L2正则化处理，避免协方差矩阵不可逆导致的权重异常，同时对求解出的最优权重进行5动态合成的因子分层回测表现如图4所示。可见其合成效果也大致遵从线性分布，因子值越小下期收益率越大，且组1的预测能力更强。图4、动态合成因子的分层回测表现、江海证券研究发展部回测与验证框架15/t使用t-1t-21至t-1窗口期内因子的方向和显著性进行调整。具体方法是在该窗口负，则因子值越大则越减仓。201810月31日至2026年1月26日，且2025年4月1日至2026年1月26日（约10个月）为样本外回测。回测结果5合成。黄色曲线为样本外回测。图5、净值回测曲线图5、净值回测曲线、江海证券研究发展部、江海证券研究发展部线性合成因子回测净值线性合成因子回测净值但超额较平稳，经过时间积累后超额明显。我们观察到，简单的线性合成（）但超额较平稳，经过时间积累后超额明显。我们观察到，简单的线性合成（）（最大化IC_IR），这通常被称为1/N现代投资组合理论（MPT），𝜛=𝛴−1𝜇是数学上的最优解，其中输入参数𝜇（即IC的均值）和𝛴（即IC的协方差）是根据历史数据估计出来的，往往包含噪音，而且当合成的因子值数量很多时，噪音的效果会被放大。（𝛴对角矩阵。此时最优权重公式简化为：IC_IR𝜛𝑖AB（IC_IR），或者因子A（）时，动态调整权重才有价值。如果因子间差异不大，等权是鲁棒的。𝜛𝑖𝜛𝑖∝𝑉𝑎𝑟𝐼𝐶𝐼𝐶𝑖𝐼𝐶𝑖动态合成回测结果𝑖动态合成回测结果𝑖1414图6、不同合成方法的净值曲线的回撤与累计超额线性合成净值回撤与累计超额动态合成净值回撤与累计超额图6、不同合成方法的净值曲线的回撤与累计超额线性合成净值回撤与累计超额动态合成净值回撤与累计超额、江海证券研究发展部、江海证券研究发展部净值回净值回（右轴） 累计超额6620249力、和AI应用办法在2026不变，由情绪、杠杆资金快速推高估值，则该择时方法仍具应用价值。从净值回撤的表现来看，当超额特别明显的时候，净值回撤大幅下降，可见该择时方法能有效降低因杠杆资金“多杀多”、估值泡沫、资金拥挤等造成的回撤。图7展示了择时策略的加减仓时点和仓位变化情况。图7展示了择时策略的加减仓时点和仓位变化情况。净值回撤（右轴） 累计超额净值回撤（右轴） 累计超额15图7、择时策略的加减仓和仓位变化情况、江海证券研究发展部

表3展示择时曲线（线性合成方法）的统计表现。该择时方法年化收益29.5013.011.270.09Beta（夏普比率有所提升。表3、择时曲线表现统计类别年化收益率年化超额年化波动率贝塔阿尔法夏普胜率周胜率盈亏比最大回撤起止超额最大回撤超额最大回撤起止线性合成29.50%13.01%77.2%1.270.090.3654.8%54.5%1.572020-08-05,2022-10-1213.9%2022-03-23,2022-10-