寻找A股里的“金丝雀”.pdf

莫尼塔研究 策略专题 | 2019年 1月 28日 财新智库旗下公司 01 请务必阅读末页的免责声明 。 指标与工具系列之 四 ： 寻找 A 股 里 的 “ 金丝雀 ” 报告摘要 研究部 指标与工具系列 旨在为投资者提供简单、 有 效的决策辅助系统。我们坚信，投资者最终决策的过程可以是大道至简的。 在系列的前三篇中 ， 我们分别设计了板块轮动工具、中国市场席勒 PE调整工具以及 A股行业 均值回归框架。在本期中， 我们 介绍 指数 相关 系数 的 计算 方法 和 海外 经验 ， 并 将其 用于 A股 市场 大势研判 和 行业 比较 。 17世纪英国矿井工人发现金丝雀对瓦斯气体异常敏感，并将其带入矿井作为“瓦斯 检测指标”，以提示危险。 我们认为 指数成分股之间的联动性 是 监测 宏观 变量 和 冲 击 对 股票 市场 影响 的“金丝雀”。 投资组合方差 公式计算 的 市场 指数成分股平均相关 系数 是最为准确反映市场联动性的指标 。 指标能够刻画指数内部成分股 趋同和分化的程度 ，且考虑成分股权重 的 影响。 当指数相关系数降低时， 系统性因素对个股的影响力开始下降， 公司 经营 基本面、行业集 中度等逻辑开始对股价收益率发挥更大的影响力。 以 上 证 50指数 为例。 上证 50指数 相关系数 具有 周期性，周期长度 为两年至三年 。 2017年 12月， 结构化 行情 末期 该 指标 最 低 至0.03， 个股 极端 分化。 2018年 前 三季度 ， 成分股 之间 联动性 不断上升， 宏观 变量 主导 个股走势 。 2018年 10月 ， 上证 50指数 相关 系数 趋势项 开始 筑顶 并 趋于 回落 ， 这表明 如 金融 去杠杆 、 中美 贸易摩擦 等 宏观 冲击 对 A股 全局性 的 影响 边际上 开始 弱化 。 区分 指数 下跌时 的 内部 状态， 即 下跌 时 是 分化 下跌 或是 整体 下跌。 历史 来看 ，分化 下跌 时 指数 跌幅 小于 趋同 下跌。 这意味 着， 上证 50指数 当前已 具有 一定 安全 边际。 另一种 积极 的 情景 是， 随着 宏观 风险 较 为充分 的 释放， 内部 成分 开始 分化， 指数 上行 将 由 龙头 驱动。 这一阶段， 投资者 应 轻指数， 精选个股。 通过相关性、市场波动以及市场情绪之间的联系框架 ， 我们发现A股相关性系数领先 市场波动，上证 50指数相 关性系数 上升对应着未来数个交易日上证 50预期波动上升。从上证 50指数波动上升的历史情景看，市场表现不佳概率较大， 结构 上 成分股 倾向于 趋同下跌 。 因为 A股 市场 缺乏 股指 期权 等 价值 发现 衍生品 工具， 投资者可 通过 关注 不同 市场 指数 、 行业 指数 相关 系 数 预判 未来 指数 波动 。除此之外 ， 我们 发现 A股 市场 联动性 具有季节性；在市场分化趋势明显时，质量因子以及龙头企业倾向于跑赢。 Hurst指数被用于刻画时间序列的随机性。通过将 Hurst指数 与联动性相结合，我们定义 市场有且只有四种状态，它们 分别 是指数运行 有 趋势 ， 但 内部 成分 分化；指数 有 趋势 ， 内部 趋同；指数无趋势，内部 分化；指数无趋势，内部 趋同。通过 统计检验分析，对于上证 50指数，当指数 运行 有 趋势 ，同时内部成分 分化 时 ， 指数 的 收益率分布显著不同于其他状态 。 该 状态 收益率右偏 ， 隐含指数获取超额收益的概率较高。 杨其予 qyyangcebm 张颖锐 yrzhangcebm 莫尼塔研究 策略专题 财新智库旗下公司 02 2019年 1月 28日 目录 定义市场联动性 . 4 市场中的金丝雀 . 6 2.1 联动性的周期与金融创新 . 6 2.2 相关性的先验之明 . 7 A 股市场指数相关系数 . 10 3.1 A 股权重指数具有周期性 . 11 3.2 A 股市场指数相关 系数具有预测力 . 12 3.3 季节性与配置建议 . 13 指数相关系数与 Hurst 指数相结合 . 14 莫尼塔研究 策略专题 财新智库旗下公司 03 2019年 1月 28日 图 表目录 图 1：基于方法一计算的标普 500 指数相关系数具有周期性（数据截至 2015 年） . 6 图 2：基于方法一计算的标普 500 各行业内部的联动性并不完全一致，反映各自行业基本面不一 . 6 图 3：全球 ETF 和被动型共同基金规模不断上升 . 7 图 4：衍生性金融商品的交易量占比与成分股联动性正相关 . 7 图 8：标普 500 指数相关系数（滚动 3 个月）与 VIX 指数高度相关 . 8 图 9： VIX 单日上涨往往对应着标普 500 指数当日收益率为负 . 8 图 10： VIX 指数与即期波动趋势较为一致 . 8 图 11： VIX 指数与即期波动率水平高度正相关 . 8 图 12：联动性上升对应着未来 VIX 指数上升 . 9 图 13：联动性上升对应未来 VIX 指数自身波动放大 . 9 图 14：指数相关系数、市场波动率、 VIX 指数与避险情绪之间的关系 . 9 图 15：上证 50 指数成分股行业分布（行业个股家数） . 10 图 16：上证 50 指数成分股行业分布（各行业权重） . 10 图 17：上证 50 指数相关性系数、相关性系数趋势项以及中国波动率指数 . 11 图 18：上证 50 指数、创业板 50 以及标普 500 指数的相关系数 . 12 图 19：市场联动性极值对应指数运行的关键拐点 . 12 图 20：上证 50 指数相关系数对未来 10 天上证 50 指数波动中枢具有预测力 . 12 图 21： IVIX 与上证 50 指数负相 关性较高 . 12 图 22：市场联动性和 IVIX 上行时，风格与风格之间的市场表现倾向于收敛 . 12 图 23：权重指数联动性具有季节性， 1 月， 8 月联动性较高 . 13 图 24：相关系数下降，龙头和质量因子倾向于跑赢 . 13 图 25：通信（申万一级行业）相关系数未来可能出现周期性下行 ，指数表现可能没有个股精彩 . 13 图 26：上证 50 Hurst 指数和上证 50 相关系数 . 14 图 27：莫尼塔研究由 Hurst 指数和相关性系数定义的市场四种状态（ 2009 年至今二维密度散点图）. 14 莫尼塔研究 策略专题 财新智库旗下公司 04 2019年 1月 28日 定义市场联动性 17世纪英国矿井工人发现金丝雀对瓦斯气体异常敏感，并将其带入矿井作为 瓦斯 的“ 检测指标”，以提示 危险 。经济意义上，我们通常将如通胀等指标作为检测经济健康度的“金丝雀”。更进一步地，莫尼塔 研究 认为 ，指数成分股之间的联动性就是检测宏观 等基本面 变量对股市影响程度的“金丝雀”。 我们 认为 由投资组合方差公式计算的 指数成分股平均相关系 数为准确反映市场联动 性的指标。 指标能够 刻画指数内部成分股是倾向于同涨同跌 （趋同） 或者分化 。 同时， 该 指标 考虑 了 成分股权重 的 差异对 计算 的影响 。 20世纪中叶， Markowitz创立现代资产组 合理论，理论基石 之一 是 通过降低投资组合资产间的相关性达到减小组合波动 ， 但同时 降低 收益率 的目的。而后， Sharpe提出著名的 资产定价模型（ CAPM） ，将繁复的资产间矩阵运算简化为 各 资产与市场之间的 联系 。 个股收益率被拆分为系统能解释的部分以及不能解释的部分（ e.g. 非系统性风险）。 均值 -方差模型 （ Markowitz， 1952） 提供 了 资产 间 平均 相关性 最准确 的 计算 方式，而 CAPM则 提示 更为 简便 的 算法 ， 并 有助于投资者更深入 地 理解 联动性 的意义。 归纳起来， 计算 市场（ 市场 指数） 联动性的方法主要有 ： 第一， 基于投资组合方差公式 ， 倒算出成分股间平均的相关系数。 本报告中 主要 使用该方法 ， 该 方法 被 国外 市场 和 机构 如 CBOE， Bloomberg等 广泛 使用。 计算的主要思路是： 考虑只有两种资产的投资组合，组合收益率为两资产各自收益率的加权平均值 (为权重， R为收益率 )，即： 考虑方差的运算公式，如下： 将 （ 1）式代入，可得组合方差为： 将上述运算拓宽到 n种资产，则有： 若该投资组合为一 市场指数，那么指数的方差由成分股各自的加权方差和成分股两两之间加权协方差构成 (为两资产间的相关系数 ） ，即可表示为： 2 = 22 + 最后我们得到指数成分股平均相关系数： 莫尼塔研究 策略专题 财新智库旗下公司 05 2019年 1月 28日 实践中，我们根据一定的时间窗口计算指数和成分股的标准差以及方差，成分股和权重则根据指数成分股和权重 的 变动而变化 。该方法的优势在于： 1） 考虑了权重对 指数联动性的影 响。 需要明确的是，工商银行上涨 5%，同期小市值股票上涨 5%的影响 是 完全不同 的 。一种可能的情景是，大市值股票 上涨 2%，而同期小市值股票上涨 5%，此时两者间的联动性就已经很高了。 2） 该方法 能 应 用于衍生品定价 ，是 CBOE（ 芝加哥 期货 交易所） 编 制 的 S&P500隐含相关系数的编制 原理 。 不过，该方法的 缺点也明显 ，那就是对运算力要求较高。 第二 种 方法 基于资产定价模型 （ CAPM） 。 成分股收益率能够被市场解释的部分 越多 ，市场或者系统性因素对 成分 股产生的影响越大。 也就是说，系统性 风险主导时，指数 成分股 的收益率倾向于被市场指数很好地解释 。 该方法 的计算思路如下： 根据 CAPM模型，个股超额收益率能被市场超额收益率（系统风险）所解释，不能解释的部分即个股自身如经营基本面 等 的风险 以及 噪声 。 CAPM模型公式如下： , , = (, ,)+, 该简单线性回归的 R-square能够反映成分股超额收 益率变动（方差）能被 市场超额收益率 变动 （方差）解释的程度，对于某个成分股 stock i的回归， R-square为： R_square = 222 该方法 计算 的 市场 联动性 （ 指数 相 关 系数） 为每个成分股相对于该市场指 数作上述线性回归的平均R-square(N为市场指数内部成分股数量 )，即： = _方法二 的优势在于其简化了运算过程，同时提示投资者市场联动性的应用之一，即用 来刻画个股 对系统性风险的定价程度。 该方法 说明，当 指数相关系数降低时，宏观变量或者其他系统性 因素 对个股的影响力 开始下降 ，个股自身如经营基本面、行业集中度等逻辑开始对股价收益率发挥更大的影响力。 方法的缺陷在于 CAPM模型本身是一个简化模型 ， 它 基 于很强的假设 。 例如 模型假设 成分股 各自 CAPM回归的过程的残差是不相关的，亦即成分股收益率不能被市场解释的部分全部由自身决定。这样就无法考虑由行业政策带来的，同属一个行业各成分股之间相似的风险。因为这个风险不一定能被市场指数所捕捉，但却对行业指数影响 较 大。 如果是 发生 行业政策 偏 负面的 影响， 该方法所计算的指数相关系数 将被 低估。 第三 ，直接根据一定时间窗口 各成分股的收益率序列计算 T时刻成分股间的相关系数矩阵，取全部相关系数均值作为指数相关性（ Pairwise correlation） 。 该方法的最大缺陷是无法用于 衍生品定价，因为该指数相关 系数的计 算依赖于 过 往成分股已实现的收益率和波动 数据 。若考虑成分股权重问题，该方法计算量 与 复杂程度接近方法一，本报告中不 再 赘述。 第四，其他一些市场宽度（ Market breadth）指标，例如“兴登堡预兆”（ Hindenburg omen）基于市场新高新低 指数，也可以用于反 映市场的联动性。 兴登堡预兆 的信号的核心规则是衡量市场创新高和创新低股票的比例，若两者都倾向于在高位，表明市场分化严重，后市堪忧。 莫尼塔研究 策略专题 财新智库旗下公司 06 2019年 1月 28日 市场 中的金丝雀 指数相关系数 是 反映指数内部成分股 联动性的最好指标，而成分股联动性的 变化又反映了系统性风险和宏观变量对 个股影响的程度。指数联动性上行，反映共同风险对个股影响加深。反之则反。 基于 美国 市场 经验， 指数 相关 系数 具有 以下 特点 ： 1） 指数 相关系数 具有周期性。 国外研究和我们的研究均证明国内外股票市场中存在明确的相关性周期。 我们认为 周期背后是全球流动性环境等宏观因素 和交易结构 交互 作用的 结果，且资产联动性的 变化 又在改变 周期本身（反身性）。 2） 指数相关系数受到金融创新的影响。 标普 500指数相关系数多年来趋势性上升，反映 新 型 金融 工具 和 产品 占比上升提升了市场的联动性。刚刚去世的伟大的指数基金教父 Jack Bogle曾提示市场被动型配置资金进一步上升的风险，即 有基于指数基金对市场联动性的负面影响方面的考虑。 3） 指数相关系数具有预测力。 国外研究表明，指数相关系数与市场波动同向运动，且领先市场波动。因此，观测指数相关系数可以预判市场未来波动趋势。 2.1 联动性的周期与金融创新 下图 1为 J.P Morgan量化团 队基于方法一计算的标普 500指数相关 系数。标普 500 成分股倾向于在牛市中分化，演绎各自公司基本面的特点。 可以看到，相关 系数 通常在危机时达到顶点，但在涨势中，联动性见底回升的过程往往意味着市场环境最好的时候 已经过去。 相 关系数 底部 逐级抬高 则 是 美股这些 年金融 创新 的 证据 ， 如 被动型 共同基金 、 指数 ETF、 金融衍生 品 交易 日趋 活跃 均 提升 了成分股之间的相关性。下 图 2考察标普 500指数 内部 GICS行业指数 的 相关系数，即计算每个行业 指数 各自 成分股 间 的 联动性 。可以看到在如 2006年原油牛市，各行业指数相关性系数出现分化，最受益于大宗商品价格的能源指数联动性上升，而其他板块则出现分化。这样的事 实也提示方法二的缺陷。因为行业基本面的变化能够被行业指数解释，但不一定能被市场指数 所 反映 。 图 1： 基 于方法 一 计算 的标普 500 指数相关系数具有 周期性（数据截至 2015 年） 来源： J.P Morgan， Bloomberg，莫尼塔研究 图 2： 基于方法一计算的标普 500 各行业 内部 的 联动性并不 完全 一致，反映各自行业基本面 不 一 亚洲金融危机 / L T C M互联网泡沫911 事件2003 年至 2 0 0 7年美股牛市欧债危机次贷危机莫尼塔研究 策略专题 财新智库旗下公司 07 2019年 1月 28日 来源： J.P Morgan QDS， Bloomberg 图 3： 全球 ETF 和被动型共同基金规模不断上升 图 4： 衍生性金融商品的交易量 占比 与 成分 股 联动性 正相 关 来源： Lipper， BIS， J.P Morgan QDS， 莫尼塔研究 2.2 相关 性 的 先验之明 市场数据显示，指数相关系数与市场波动高度相关。 这也符合经验观察，即市场波动较大的时候，个股之间倾向于同涨同跌。由 CBOE发布的 VIX指数由标普 500指数看跌和看涨期权计算 得到 ，反映标普500指数未来 30天的预期波动 水平 。 VIX是联系指数相关系数和市场波动的桥梁 。 关于 VIX指数，其包含的信息有： 1） 当前市场波动水平。 Edwards and Preston（ 2017） 研究表明， VIX所反 映的预期波动 主要包括两部分，其一是未来实现波动 （ 预测） ，其二是 即期波动水平 （ 现在） 。因此， VIX具有较强的自回归特性（ AR process）， 是刻画当前市场波动水平的良好指标 （ 图 5与 图 6） 。 2） 市场预期未来 30天的波动水平。 如上所述， VIX中包含了一定 未来的信息。 3） 反映避险情绪。 我们在报告从隐含波动率看股市未来走势中梳理了全球资本市场主要情绪指标，发现大多数复杂的指标系统 都包含 VIX指数作为组成部分。 VIX反映 市场 避险 情绪。 那 么这里即产生 一个疑问，市场波动是没有方向的， VIX放大 为什么 不能 对应 市场 大涨 呢？我们认为这是全球基金分类规模%万亿美元左轴被动型 基金 占比ETF被动型共同基金主动 型共同基金其他右 轴股票 债券被动型主动 型不同地区被动型基金规模占比%被动型 基金、主动型基金累计净流入额万亿美元股票 债券全球欧洲日本美国新兴市场全球欧洲日本美国新兴市场期权交易量 / 股票或 ETF 交易量成分股间的超额相关性莫尼塔研究 策略专题 财新智库旗下公司 08 2019年 1月 28日 因为 VIX是交易出来的指数。当市场大跌时或者悲观情绪不断累积时，投资者倾向于在衍生品市场寻求对冲，看跌期权价格和隐含波动率上升， VIX指数上升；而市场情绪转好时，投资者多现货或者融资 等 渠道 来增加头寸，不必然在期权市场寻求投机。因此， VIX作为最好的 ”fear gauge”指标之一，其上升 ，多数对应着市场环境恶化。 下图 显示由彭博计算的标普 500 3个月已实现相关系数与 VIX高度正相关 。市场联动性上升时，市场波动倾向于 放大。 图 7反映 VIX上升时，多倾向于负面的市场表现。 图 8：标普 500 指数相关系数（滚动 3 个月）与 VIX 指数高度相关 * 标普 500指数已实现相关系数是前 100名权重股按照方法一进行计算的结果。 来源： Bloomberg，莫尼塔研究 图 9： VIX 单日上涨往往对应着标普 500 指数当日收益率为负 来源： CBOE， Bloomberg， WisedomTree，莫尼塔研究 图 10： VIX 指数与即期波动趋势较为一致 图 11： VIX 指数与即期波动率水平高度正相关 SPX 500 指数已实现相关系数（ rhs ）历史均值（ rhs ）VIX 指数标普 500 指数日收益率（ % ）VIX指数日变动（%）莫尼塔研究 策略专题 财新智库旗下公司 09 2019年 1月 28日 来源： S&P Dow Jones，莫尼塔研究 上述图表共同说明， VIX能够反映当前市场波动 水平 以及 避险情绪，并对未来市场 波动 有一定预测力。更进一步地， WisedomTree的实证研究表明 ，指数相关系数领先 VIX，且对于 VIX自身的波动有预测力 。当市场联动性上升时，往往对应着未来 VIX水平走扩，市场避险情绪上升 ， 市场 较大 概率 下挫 。此外 ，市场联动性 的上升，还带来了市场波动水平的不确定性加大。也就是说衡量 VIX指数波动水平的 VVIX指数倾向于波动。 图 12： 联动性 上升对应着未来 VIX 指数上升 图 13： 联动性上升对应未来 VIX 指数自身波动放大 来源： WisedomTree， Bloomberg，莫尼塔研究 图 14：指数相关系数、市场波动率、 VIX 指数与避险情绪之间的 关系 来源：莫尼塔研究 即 期波动率即期波动率（ % ）VIX指数（%）标普 500 指数相关系数（滚动 6 个月）未来一个月平均VIX标普 500 指数相关系数（滚动 6 个月）预测指数相关系数 市场当前波动领先VIX 指数包含当前信息包含未来信息市场避险情绪反映市场未来波动影响领先莫尼塔研究 策略专题 财新智库旗下公司 10 2019年 1月 28日 A股市场指数 相关 系数 在本报告中，我们计算了上证 50指数相关性系数，创业板 50指数相关性系数以及部分申万行业指数相关性系数。所有指数相关性系数均基于方法一计算，采用 一致的滚动时间 窗口的标准差作为计算变量，成分股和权重按照对应指数的调整频率（申万行业指数无固定调整频率） 更新 。这一系列指标是当前中国市场上度量市场指数联动性最准确的指标之一。 与此同时，我们还 参照 CBOE VIX指数 以及中证指数公司 Ivix指数的编制方法 ，复原了已经停止更新的中国波动率指数 ，该指数依据近月和次近月上证 50ETF期权交易数据编制，反映上证 50指数未来 30天预期波动水平。尽管国内衍生品市场与现货（ A股）市场相对分割且发展不成熟，但基于我们的研究，中国波动率指数对于择时等策略判断有重要帮助。可以说，中国波动率指数是“上证 50版”的 VIX。 图 15：上证 50 指数成分股行业分布（行业个股家数） 图 16：上证 50 指数成分股行业分布（各行业权重） 来源： Wind，莫尼塔研究 银行非银金融食品饮料医药生物房地产家用电器其他沪深 3 0 0 上证 50银行非银金融食品饮料医药生物房地产家用电器其他沪深 3 0 0 上证 50