市场择时的6种方式

【摘要】市场择时是一个极具争议和诱惑的话题，本文整理介绍了6种常见的择时方式，希望为择时研究提供一些框架和思路。
最近无论是和朋友聊天，还是和机构沟通，被问得最频繁的问题是：是否做过市场择时？这是一个古老且充满诱惑的课题，择时成功直接意味着财富，吸引大量研究人员前仆后继；这也是一个充满争议的课题，有人认为择时浪费生命毫无意义，有人认为择时比吃饭还要容易。

本文结合我的阅读和研究经验，简要介绍6种常见的择时方式，包括：

基于市场估值进行择时
基于时间动量进行择时
基于市场波动进行择时
基于市场情绪进行择时
基于宏观状态进行择时
基于一致预期进行择时

以上每个角度都有大量的研究成果和讨论，一展开就是一个知识网络，后续我会进行一些详细的文献综述和实证研究。
估值

随着A股最近几年不断走低，越来越多大佬号召大家入场抄底。他们的基本逻辑是，当前A股无论是相对历史还是相对其他国家市场，都处于较低水平，在2700点买总比在5000点强；2015年股市不断创新高的时候，大家都在后悔没在2700点进入，现在机会来了一定要抓住。
这种观点是有事实依据的。Campbell和Shiller(1988,1998)的研究表明，市场当前估值和股票未来收益存在相关关系，高估值意味着较低预期收益，低估值意味着较高预期收益。Keimling(2016) 在Campbell和Shiller的基础上进行了拓展，通过分析美国等17个国家1979到2015年的数据，探讨了CAPE[1]等市场估值指标和未来长期收益的关系，并尝试建立预测模型对未来市场收益进行预测。图1展示了不同国家CAPE分组和未来收益的关系。可以看出，总体来说在17个国家里，CAPE对长期（超过10年）收益有一定的预测作用，即估值越低未来收益越高，估值越高未来收益越低。

图1 不同国家CAPE分组和未来收益关系

具体到策略的设计上， Pfau(2011)利用shiller pe 1871~2009年的数据，测试了一个简单的择时方案：当标普500指数CAPE大于扩展历史中位数（或均值）时，估值偏高，持有短期国债；当标普500指数CAPE小于扩展历史中位数（均值）时，估值偏低，持有股票指数。图2展示了该策略和买入持有策略的累计净值走势。可以看到，基于市场估值的择时策略和纯股票多头相比，收益相当但风险更低，能改善收益风险特征，具有一定的应用价值。

图2 基于CAPE的择时策略VS买入持有策略

然而，估值指标是否能用来择时也是一个具有争议的话题，尤其是其短期效果备受质疑。Estrada(2015)测试了标普500指数估值和股市收益的关系，然后对对三个估值指标（PE、PD和CAPE）分别设计了8个交易策略。结果显示，基于估值指标的择时策略并不比60/40组合占优，如果考虑更高的换手率和执行成本，明显跑不过60/40组合。作者分析认为，估值指标并不是毫无用处，如果预测区间拉长，其对股市收益率有较好的预测能力。本文设计的交易策略之所以效果不好，可能是因为持有期和指标信息有效期不匹配导致。换句话说，基于估值指标的市场择时对长期投资者可能有效，对短期投资者无效。
时间序列动量

利用价格动量进行市场择时是目前主流的做法，大多数技术派本质上属于这个套路[2]。这里的动量指的是时间序列动量[3]，俗称趋势跟踪，在AQR的经典论文里(Moskowitz,Yao和Pedersen,2012)有详细阐述。简单来说，如果前期价格处于上升趋势，则预测未来会继续上升；如果前期价格处于下跌趋势，则预测未来会继续下跌。本质上，趋势跟踪在预测未来收益的符号。
Zakamulin(2015)利用标普500指数155年(1860-2014)的历史数据，定义了四种移动平均计算方法和四个交易规则，一本正经地讨论移动平均策略用于择时是否可行。结果发现，总体来说择时策略在牛市时跑输市场，在熊市时跑赢市场；择时策略能明显降低风险，尤其是尾部风险，使风险调整收益高于基准；择时策略是右侧策略，反应没那么快，所以会错过牛市初期行情；虽然长期来看，择时策略能够打败市场，但在短期和中期其表现并不稳定甚至经常跑输市场，尤其是牛市越来越多越来越长的情况下，其效果面临挑战。
alpha architect的Gray博士(2015)利用标普500全收益指数1801~2015的数据，测试了两个流行的趋势跟踪策略：1）绝对表现规则（Absolute Performance Rule），计算过去12个月指数相对短期国债的超额收益，如果超额收益大于0，持有股票指数，反之持有短期国债；2）趋势表现规则（Trend Performance Rule），计算指数过去12个月移动平均，如果当前指数值大于移动平均，持有股票指数，反之持有短期国债。测试结果表明，趋势跟踪能明显减少回撤值，具有尾部风险控制功能。
A股这块儿的研究也不少，Shi和Zhou(2017)使用1991到2015年的大盘指数数据测试了不同参数下时间序列动量的表现，发现中国股票指数呈现明显的短期动量长期反转效应。申万宏源的分析师丁一(2018)同时结合移动均线、通道突破和动态止损设计了一个择时策略[4]，并在沪深 300、上证 50、中证 500、中证 1000 和申万一级行业指数上进行了回测，发现这个择时策略效果明显，尤其是在小盘指数上。图3展示了这个择时策略在中证1000上的累计收益率，可以看到该策略既改善了收益又降低了风险，远远跑赢基准指数。

图3 均线交叉结合通道突破策略在中证1000上的效果

市场波动

波动率用于择时主要是因为它的的两个重要特性：波动率和收益负相关；波动率具有聚集性可预测。波动率（和协方差）在风险管理和组合构造中应用广泛，可以说是整个资产管理行业的核心之一。
Lazard资产管理公司的Marra(2014)讨论了波动率的特征以及和收益率的关系，发现当波动率升高的时候降低权益权重，波动率降低的时候增加权益权重，使波动率控制在一定风险水平，能显著提高组合的收益风险比。
标普道琼斯指数在2017年发表了一篇报告，介绍vix指数家族的应用。报告指出，在股票等资产波动率急剧变大的时候，往往是资产大跌的时候；隐含波动率对于未来实现波动率具有一定的预测作用。因此，可以用隐含波动率进行择时，用于回撤保护或者资产轮动。最后介绍了两个应用案例：1）利用VIX和SPJGBV进行日本股市和美元日元的择时；2）利用VIX和TYVIX进行股债轮动。结果表明，隐含波动率指数用于择时可行，能产生稳健的择时信号。
我自己喜欢用目标波动策略择时进行尾部风险管理[5]。目标波动策略，也叫目标风险策略（Target Volatility），在风险控制领域比较流行。通过设定一个目标风险，将组合风险控制在该目标之内。图4展示了上证综指在不同波动率控制下的风险收益指标。可以看到，将波动率控制在一定的范围内，在不减少收益的情况下，能显著降低回撤提高夏普。

图4 上证综指在不同目标波动率下的收益风险指标

市场情绪

有买卖的地方就有人，汇总在一起就形成了市场情绪。在影响市场涨跌的众多因素中，市场情绪算是很特别的一类。市场情绪无法直接观测，可以通过各种代理指标构建情绪指数，监控市场热度并进行择时判断。
Wang(2003)基于持仓数据定义了三类投资者（large speculators、large hedges和small traders）的情绪指数，发现speclator情绪和未来收益显著正相关，hedge情绪是一个弱的负向指标，small trader情绪没有任何预测价值；如果只考虑极端情绪，可以发现极端情绪水平能有效预测买点，但对卖点效果不佳；同时考虑speculator和hedger极端情绪，能产生更可靠的预测信号，尤其是短期信号。
申万宏源的蒋俊阳(2016)介绍了市场情绪指数的计算及其应用。首先，把市场情绪分为四类：普通投资者市场情绪、杠杆投资者市场情绪、特殊投资者市场情绪和市场基本面市场情绪。然后构建综合情绪指数，用于对投资者情绪的全面整体反映。最后利用综合情绪指数进行择时和资产配置。结果表明，市场情绪对于大盘择时效果显著，在大类资产配置方面也有不错的效果。
光大证券的刘均伟(2017)认为，市场情绪是影响股市表现的重要因素，将市场情绪分为5大类：市场资金类、普通投资者行为、杠杆投资者行为、重要股东行为以及市场运行指标。然后选择了10个情绪代理指标构造市场情绪指数，并利用这个情绪指数设计了一个择时策略。回测结果见图5，从2005年到2017，择时策略明显超越沪深300，累计收益在14倍左右，年化收益26%，最大回撤39%，胜率50%。

图5 市场情绪指数和沪深300择时

宏观状态

宏观经济状态是资产收益长期驱动因素，著名的美林时钟便是通过预测经济的各个周期，从而选择相应的资产进行轮动。利用宏观经济原理对资产方向进行预测，便是宏观择时。宏观择时并不少见，目前国内卖方的经济学家，以及一些宏观对冲基金，经常就宏观经济状态发表自己择时观点。
AQR的Brooks(2017)写过一篇报告介绍宏观动量极其表现。利用长达半个世纪的数据(1970年以来)，探讨了四种宏观状态（经济周期、国际贸易、货币政策和风险情绪）和四类资产（股票、货币、长期国债和短期国债）的关系，并据此设计横截面组合和时间序列组合。回测结果发现，宏观动量策略长期收益可观且稳定，和已有策略相关性不高，是传统宏观对冲策略的效补充。
广发证券的张超(2017)研究了宏观因子在市场择时上的应用，从经济水平、利率利差、消费与价格指数、货币财政政策、海外市场五大类宏观指标中筛选出6个有效因子，包括宏观经济景气指数先行指数、CPI当月同比、中债国债到月、PMI、国债收益率差10年期-3月期、企业商品价格指数当月同比。利用这6个有效因子建立多元回归模型，对上证综指未来走势进行预测。回测结果显示（见图6），择时策略能有效跑赢上证综指，在大回撤时能起到很好的保护作用。

图6 宏观因子择时在上证综指的表现

一致预期

金融市场是满嘴跑火车的重灾区，各路大神都要喜欢展示自己，将他们的观点进行汇总便是一致预期数据。显然，不是所有的预测都具有信息含量。一般来说，一致预期指那些来自主流研究机构的观点，如券商、银行和大型资产管理公司等。这些主流机构一方面信息来源较多，反应较为及时；另一方面专业素养高，对信息的处理能力较强。
由于数据搜集上的困难，这块儿的研究报告并不多。我一个朋友[6]，每周坚持记录10个券商的观点，已经持续了89周，图7是最新一周的记录。对于每个券商，如果预测上涨得分1，预测下跌得分-1，中性观点得分0，加总得到总分。如果总分大于0则看多，小于0则看空。截至到88期，该模型胜利为64%，有一定的应用价值。

图7 主流研究机构的择时观点

结论

上面介绍了6类择时方式，每类背后都有解释得通的逻辑。择时是否可行不仅是一个颇具争议的学术问题，更是一个极具诱惑力的实战问题。回答这个问题可不容易，区分能力和运气也需要时间。本文提供的框架和思路，希望和同行者共勉。
更多内容可以关注公众号“新投顾”
参考文献：

丁一. (2018). 均线交叉结合通道突破择时研究. 申万宏源.

蒋俊阳. (2016). 从市场情绪中挖掘投资信号--市场情绪指数及其运用. 申万宏源.
刘均伟. (2017). 构建情绪体系，寻找涨跌信号. 光大证券.
张超. (2018). 考虑领先滞后关系的宏观因子择时策略. 广发证券.
Brooks, J. (2017). A Half Century of Macro Momentum.
Campbell, J. Y., & Shiller, R. J. (1988). Stock prices, earnings, and expected dividends. The Journal of Finance, 43(3), 661-676.
Campbell, J. Y., & Shiller, R. J. (1998). Valuation ratios and the long-run stock market outlook: an update. Nber Working Papers, 24(2), 11--26.
Estrada, J. (2015). Multiples, forecasting, and asset allocation. Journal of Applied Corporate Finance, 27(3), 144–151.
Gray, W. (2015). The World&#39;s Longest Trend-Following Backtest. Retrieved fromhttps://alphaarchitect.com/2015/11/09/the-worlds-longest-trend-following-backtest/
Keimling, N. (2016). Predicting Stock Market Returns Using the Shiller CAPE—An Improvement Towards Traditional Value Indicators?.
Marra, S. (2014). Dynamic Volatility Targeting. Lazard Asset Management.
Moskowitz, T. J., Yao, H. O., & Pedersen, L. H. (2012). Time series momentum . Social Science Electronic Publishing, 104(2), 228-250.
Obayashi, Y. (2017).Market Timing With Implied Volatility Indices.
Pfau, W. D. (2011). Revisiting the fisher and statman study on market timing. Mpra Paper.
Shi, H. L., & Zhou, W. X. (2017). Time series momentum and contrarian effects in the chinese stock market. Physica A Statistical Mechanics & Its Applications, 483.
Wang, C. (2003). Investor sentiment, market timing, and futures returns. Applied Financial Economics, 13(12), 891-898.
Zakamulin, V. (2015). A comprehensive look at the empirical performance of moving average trading strategies. Social Science Electronic Publishing.

CAPE(Cyclically Adjusted Price Earning)是对传统PE指标的改进，由Campbell和Shiller(1998)提出，平滑了盈利的周期变化，能更好地进行估值度量。
我在2014年用Matlab写过一个技术指标包，包含了常用的几十个技术指标，改用python做研究后，就再也没有更新和维护过这个包，直到最近在新工作岗位上的电脑里发现了它，世界真奇妙。
时间序列动量为绝对动量，通过比较标的自身的历史价格序列确定动量强弱；横截面动量为相对动量，在某一个截面上和其他证券进行比较确定相对强弱。
虽然本文通过设置参数关联法则，将参数减少为2个，力图减少过度拟合风险，但开仓平仓规则过多也算是一种拟合。
我这里有大量相关文献，感兴趣可以与我联系
公众号”KX投资笔记“