金融工程研究报告：融资数据的行业轮动应用

正文目录TOC\o"1-1"\h\z\u融资盘：动量还是反转？ 4如何将融资数据应用于行业轮动 5风险提示 15图表目录图1：融资余额在拐点处往往略微滞后于市场（右轴单位：亿元） 4图2：A股融资账户数量上，个人占据绝对主导（单位：户） 4图3：融资盘参与在行业层面反而呈现出弱反转特征 5图4：融资余额与全A收益率呈现明显正相关性 6图5：维度越细分，回归的拟合优度越弱 6图6：等权方案下异常融资流入强度因子月度RankIC 7图7：流通市值加权方案下异常融资流入强度因子月度RankIC 7图8：不同方案下多头组合相对净值表现 8图9：不同方案下空头组合相对净值表现 8图10：等权方案下，不同调仓频率时多头及空头组合相对净值表现 9图流通市值加权方案下，不同调仓频率时多头及空头组合相对净值表现 9图12：不同方案下，组合收益对参数的稳定性情况 10图13：市场位于阶段高位时，大盘股相对小盘股的平均相对收益走势 10图14：市场位于阶段低位时，大盘股相对小盘股的平均相对收益走势 图15：月频调仓下，多空组合相对净值表现 图16：周频调仓下，多空组合相对净值表现 12图17：配置ETF时，月频调仓下，多空组合相对净值表现 13图18：配置ETF时，周频调仓下，多空组合相对净值表现 14图19：基于ETF资金流的行业轮动策略相对净值走势 14图20：资金流综合策略相对净值走势 15表1：策略绩效统计 12表2：策略底层ETF列表 12表3：配置ETF时策略绩效统计 14表4：不同策略绩效统计对比 15融资盘：动量还是反转？A股市场少有的日度更新、且可细化至个股维度的资金流指标，监测价值图1：融资余额在拐点处往往略微滞后于市场（右轴单位：亿元）750070006500600055005000450040003500

350003000025000200001500010000 全A 融资余额(右轴)图2：A股融资账户数量上，个人占据绝对主导（单位：户）90000000000 0000 00 00 00 15 314300314603055490007152900672220063577007794700000060000005000000400000030000002000000100000002019 2020 2021 2022 2023 2024 2025 2026信用期末账户投资者数:个人 信用期末账户投资者数:机构赢，还是融资买盘低迷的行业更易跑赢？我们可以做如下简单测试：1变化汇总至申万一级行业维度，除以流通市值进行初步标准化；2行时序标准化，以使得指标在截面可比；3、月度调仓，每月末时将指标最高（与强度边际变化最大55（行业上涨→融资盘涌入→推动行业进一步上涨图3：融资盘参与在行业层面反而呈现出弱反转特征1.0510.950.850.650.62017/22018/22019/22020/22021/22022/22023/22024/22025/22026/2多头组合/基准 空头组合/基准恒生聚源下文中我们将进一步展开。如何将融资数据应用于行业轮动本文中，我们聚焦于两项改进，来增强融资数据的反转信号强度：行数据聚合。作为异常融资流入强度指标。图4：融资余额与全A收益率呈现明显正相关性10%5%0%-0.110%5%0%-0.1....4-5%-10%5%.00028.1245x+R²=0.391y=03020100-0.2-0.3-0.4融资余额:环比变化率恒聚源 。：时区为2015.1-2026.7。R20.06额变化的影响。图5：维度越细分，回归的拟合优度越弱0.450.40

0.39 0.170.060.170.060.300.250.200.150.100.050.00平均个股回归R2 平均行业回归R2 全回归R2恒聚源 。：时区为2015.1-2026.7。另外，在由个股聚合至行业时，我们分别测试了等权和流通市值加权两种方案，从IC统计结果来看，二者对未来行业收益的预测能力差异不大，等权方案下月度RankIC均值-0.07ICIR-1.13RankIC均值-0.072ICIR-1.31，均呈现出相对稳定的负向预测能力。图6：等权方案下异常融资流入强度因子月度RankIC0.60.40.20-0.2-0.4-0.62017/12017/52017/92017/12017/52017/92018/12018/52018/92019/12019/52019/92020/12020/52020/92021/12021/52021/92022/12022/52022/92023/12023/52023/92024/12024/52024/92025/12025/52025/92026/1异常融资流入强度因子月度RankIC-等权聚合恒聚源 。图7：流通市值加权方案下异常融资流入强度因子月度RankIC0.40.20-0.2-0.4-0.62017/12017/52017/92017/12017/52017/92018/12018/52018/92019/12019/52019/92020/12020/52020/92021/12021/52021/92022/12022/52022/92023/12023/52023/92024/12024/52024/92025/12025/52025/92026/1异常融资流入强度因子月度RankIC-流通市值加权聚合恒聚源 。不过，回测结果显示，两种方案分别在多头情景和空头情景有更强的稳定性：1/5个行业等权构成多头/空头组合，观察组合相对全行业等权的相对净值走势。可以看到，流通市值加权方案下，多头组合表现更加稳定，而等权方案下，空头组合表现更加稳定。图8：不同方案下多头组合相对净值表现2.52.32.11.91.71.51.31.10.92017/22018/22019/22020/22021/22022/22023/22024/22025/22026/2多头组合相对净值-等权 多头组合相对净值-流通市值加权恒聚源 。图9：不同方案下空头组合相对净值表现10.42017/22018/22019/22020/22021/22022/22023/22024/22025/22026/2空头组合相对净值-等权 空头组合相对净值-流通市值加权恒聚源 。2弱，流通市值加权方案下则相反，多头组合收益更高，空头组合基本相当。21.510.502017/22018/22019/22020/22021/22022/22023/22024/22025/22026/2多头组合相对净值-月频 多头组合相对净值-周空头组合相对净值-月频 空头组合相对净值-周恒聚源 。图11：流通市值加权方案下，不同调仓频率时多头及空头组合相对净值表现2.52.32.11.91.71.51.31.10.90.70.52017/22018/22019/22020/22021/22022/22023/22024/22025/22026/2多头组合相对净值-月频 多头组合相对净值-周空头组合相对净值-月频 空头组合相对净值-周恒聚源 。3100|组合收益均值|/组合收益标76543210等权 流通市值加权空头稳定性 多头稳定性恒聚源 。A（120个交易日都大/小时，识别为局部高点/低点）0300相较2000的超额收益在-30~30（捕捉底部反转更（捕捉触顶回落更应关注小市值个股的数据表现，这与我们观察到的特征基本一致。图13：市场位于阶段高位时，大盘股相对小盘股的平均相对收益走势0%-1%-2%-3%-4%-5%-6%-7%-8%-8-6-4-2024681012141618202224262830沪深300-中证2000累计相对收益恒聚源 。图14：市场位于阶段低位时，大盘股相对小盘股的平均相对收益走势12%10%8%6%4%2%0%-8-6-4-2024681012141618202224262830沪深300-中证2000累计相对收益恒聚源 。2017-2026额收益，且在不同调仓频率之下，策略表现均能维持稳健。图15：月频调仓下，多空组合相对净值表现2.421.61.20.80.42017/22018/22019/22020/22021/22022/22023/22024/22025/22026/2多头组合相对净值 空头组合相对净值恒聚源 。图16：周频调仓下，多空组合相对净值表现32.521.510.502017/12018/12019/12020/12021/12022/12023/12024/12025/12026/1多头组合相对净值 空头组合相对净值恒聚源 。表1：策略绩效统计年化超额收益超额最大回撤周胜率月胜率年化双边换手率多头组合-月度9.9%11.9%55.8%63.7%15.8空头组合-月度-8.3%21.9%55.4%64.6%15.7多头组合-周度11.1%12.3%55.6%70.2%38.5空头组合-周度-11.9%13.9%59.7%68.4%35.2恒聚源 。计区为2017.1-2026.7。当然，申万行业指数本身无法直接落地实战，我们也测试了将模型信号映射至ETF上时的策略表现，模型中选用的ETF如下表所示。表2：策略底层ETF列表ETF代码ETF名称所属行业512480.SH半导体ETF电子159732.SZ消费电子ETF电子512980.SH传媒ETF传媒512200.SH房地产ETF房地产515210.SH钢铁ETF钢铁159611.SZ电力ETF公用事业515790.SH光伏ETF电力设备515030.SH新能源车ETF电力设备512660.SH军工ETF国防军工159870.SZ化工ETF基础化工159998.SZ计算机ETF计算机159996.SZ家电ETF家用电器159745.SZ建材ETF建筑材料516970.SH基建ETF广发建筑装饰516910.SH物流ETF交通运输159662.SZ交运ETF南方交通运输515220.SH煤炭ETF煤炭159865.SZ养殖ETF农林牧渔159825.SZ农业ETF农林牧渔516110.SH汽车ETF汽车159565.SZ汽车零部件ETF易方达汽车512880.SH证券ETF非银金融159766.SZ旅游ETF社会服务159731.SZ石化ETF石油石化159697.SZ石油ETF鹏华石油石化512690.SH酒ETF食品饮料515170.SH食品饮料ETF食品饮料515880.SH通信ETF通信159667.SZ工业母机ETF机械设备512170.SH医疗ETF医药生物159992.SZ创新药ETF医药生物512800.SH银行ETF银行512400.SH有色金属ETF有色金属560860.SH工业有色ETF万家有色金属ETFETF（如轻工制造、商贸零售等。图17：配置ETF时，月频调仓下，多空组合相对净值表现32.521.510.502017/22018/22019/22020/22021/22022/22023/22024/22025/22026/2多头组合相对净值 空头组合相对净值恒聚源 。图18：配置ETF时，周频调仓下，多空组合相对净值表现32.521.510.502017/12018/12019/12020/12021/12022/12023/12024/12025/12026/1多头组合相对净值 空头组合相对净值恒聚源 。表3时策略绩效统计年化超额收益超额最大回撤周胜率月胜率年化双边换手率多头组合-月度9.9%14.2%55.0%65.5%15.3空头组合-月度-7.6%25.2%56.0%61.9%15.2多头组合-周度10.9%13.4%53.2%65.8%36.3空头组合-周度-11.2%14.9%60.7%62.3%32.8恒聚源 。计区为2017.1-2026.7。此外，我们在前期报告《ETF资金流的逆势特性：底层逻辑与实战应用》之中，基于ETF资金流数据构建了一个周度更新的轮动策略，其历史表现如下所示。图19：基于ETF资金流的行业轮动策略相对净值走势3.532.521.510.502020/1 2021/1 2022/1 2023/1 2024/1 2025/1 2026/1多头组合相对净值 空头组合相对净值恒聚源 。ETF资金与融资资金同属可高频跟踪的资金流类数据，反映了不同资金力量的边际变/空头组，若出现2020.1-2026.7的回测区间内，综合策略多头年70%图20：资金流综合策略相对净值走势3.532.521.510.502020/1 2021/1 2022/1 2023/1 2024/1 2025/1 2026/1多头组合相对净值 空头组合相对净值恒聚源 。表4：不同策略绩效统计对比年化超额收益超额最大回撤周胜率月胜率年化双边换手率多头组合-ETF资金流18.9%8.8%60.0%65.4%