【点宽专栏】国泰君安——综合期限多样性的趋势选股策略

前言

此策略报告策略构建部分参考国泰君安综合期限多样性的趋势选股策略数量化专题之九十。

原报告思想

移动平均线由于具有简单直观的特征，是最常用的技术指标之一，除了简单发送多空信号之外，移动平均指标作为历史股价走势信息的载体，能够对未来收益起到一定的预测作用。

由于不同期限移动平均指标包含的信息不同，本报告策略的核心思想在于同时捕捉个股历史短期、中期、长期趋势特征，并结合市场整体环境，构建趋势模型，进行个股收益的预测。模型本身不依赖于市场短期、中期、长期的动量反转特征的事前假设，各移动平均指标的预测方向和力度随市场整体环境而动态变化。

原报告概述

移动平均线由于具有简单直观的特征，是最常用的技术指标之一，在指导交易时，多用于发送多空信号。在单均线应用中，价格上穿或下穿均线是趋势形成的必要而充分条件；双均线系统里，长期和短期均线形成的“金叉”和“死叉”可分别发送做多和做空的信号。

不同期限移动平均指标包含的信息不同，短期、中期、长期移动平均指标分别捕捉了个股短期、中期、长期趋势特征。个股的价格在多、空相反方向力量的共同作用下形成，短期、中期、长期移动平均线分别捕捉个股短期、中期、长期的动量反转特征，可以简单看作股价所受到的正反两个方向作用力。除了个股本身因素之外，市场整体环境也会影响各方向作用力的效果。

鉴于此，本文通过截面回归的方式，寻找不同期限移动平均指标与下一期收益之间作用关系。具体而言，以股票下一期收益为被解释变量，以各期移动平均指标为解释变量，进行截面回归。回归得到的系数反映了市场整体趋势结构，即不同期限移动平均指标对下一期收益的预测属性，既包含方向、也包含大小。在模型具有较好的外推性的前提下，样本外收益预测指标便可以作为选股依据。

策略构建

注：本文剔除120，240移动均线

步骤1：

在移动均线的选取中，为了捕捉股价在不同时期的趋势，我们分别选取3、 5、 10、 20、 30、 60（原文有120，240，此处剔除）这些常用参数，得到的均线分别代表股价在过去超短期、短期、中期的表现。考虑到指数移动平均线（EMA）相对普通移动平均线存在更高的灵敏度，相对较近的股价被赋予更高的权重，因此优选 EMA 指标。具体构建方法如下：

步骤2：

等式左边为 i 股截至 t 期末的 n 日 EMA，考虑市场中个股之间价格相差巨大，为避免之后的回归模型受到极端值的干扰，我们对 EMA 指标进行进一步标准化：

1、2代码部分


%标准化EMA计算
function today=EMA(close,n) emas = 2/(n+1)*close(:,end-n+2)+(n-1)/(n+1)*close(:,end-n+1);    for i=3:nemas = 2/(n+1)*close(:,end-n+i)+(n-1)/(n+1)*emas;    endtoday = emas./close(:,end);
end
其中n为均线周期，close为收盘价数据。

步骤3：

将 EMA 除以当天收盘价，在得到标准化的 EMA 的基础上，进行截面回归：

function betavalue=coef(close,t)     %t对应月份，0表示当月，1表示上个月，依次类推%月度收益的计算Y =(close(:,end-20*t)-close(:,end-20-20*t))./close(:,end-20*t);%上一个月的收盘lastclose = close(:,1:end-20-20*t);       oldEMA3= EMA(lastclose,3);oldEMA5= EMA(lastclose,5);oldEMA10= EMA(lastclose,10);oldEMA20= EMA(lastclose,20);oldEMA30= EMA(lastclose,30);oldEMA60= EMA(lastclose,60);    %oldEMA120= EMA(lastclose,120);%oldEMA240= EMA(lastclose,240);X = [ones(size(close,1),1),oldEMA3,oldEMA5,oldEMA10,oldEMA20,oldEMA30,oldEMA60];Z = [Y,X];Z(any(isnan(Z),2),:) = [];%剔除无效信息Y=Z(:,1);X=Z(:,2:end);    if ((sum(sum(isnan(X))))>0)        disp(sum(sum(isnan(X))))betavalue =nan(6,1);%若有效数据不足则传回nan不操作return;    elsedisp('完成');    endb=regress(Y,X);%回归系数的计算betavalue =b(2:end);
end

步骤4：

各移动平均线的相对预测属性均不稳定，因此我们对各期回归系数在时间序列上进行平滑处理(原系数为12)：

得到 t+1 期的回归系数预测值。

%beta值的计算
betavalue=coef(close,0);%beta的值的求解
for t=1:2betavalue=betavalue+coef(close,t);
end
betavalue =betavalue/3;%beta均值计算

步骤5：

最后计算回归系数的预测值与个股 EMA 的乘积：

其表示基于市场整体趋势特征和个股超短期、短期、中期、长期历史价格信息对下一期个股收益的预测，并基于此构建选股策略。

%%EMA计算
nowEMA3= EMA(close,3);
nowEMA5= EMA(close,5);
nowEMA10= EMA(close,10);
nowEMA20= EMA(close,20);
nowEMA30= EMA(close,30);
nowEMA60= EMA(close,60);    
%nowEMA120= EMA(close,120);
%nowEMA240= EMA(close,240);%预期收益相对大小
oldvalue=[nowEMA3,nowEMA5,nowEMA10,nowEMA20,nowEMA30,nowEMA60]*bet