市场结构中的状态信息：由个股相关网络驱动的双轨择时框架——量化研究系列报告之二十七

在传统的指数择时研究中，市场参与者往往依赖均线、动量或波动率等价格衍生指标。然而，价格作为结果变量，其信号往往滞后于市场内部结构的演变。当结构性风险已在指数价格中充分反映时，仅依靠量价序列进行择时可能错失调整窗口。华安证券最新发布的量化研究系列报告提出了一种新的视角：将股票市场视为由大量个股构成的动态系统，通过解构个股之间的收益相关网络，提取蕴含在市场结构中的状态信息，从而构建一套“风险”与“机会”分离的双轨择时框架。

从个股相关性透视市场微观结构

该研究的核心逻辑在于，市场在发生方向性变化之前，往往先在结构上留下痕迹。例如，上涨广度的收窄、个股同涨同跌现象的加剧以及少数共同因子支配力的上升，都是市场脆弱性增加的前兆。为了捕捉这些信号，报告以个股为节点、收益相关关系为边，构建了不加权的个股相关网络。之所以选择不加权，是为了让市场广度、联动性与结构变化本身成为研究对象，避免市值权重过度放大少数大盘股的影响。

由于直接处理高维相关矩阵计算量大且难以建模，研究借鉴了谱分析方法，将个股相关网络压缩为一组可解释的市场结构特征。这一过程涉及五个层面的解构：一是特征值结构，用于衡量风险是否集中于少数共同因子；二是特征向量结构，识别主导因子由哪些股票承担，进而判断抱团交易的集中程度；三是图拓扑结构，通过边密度、聚类系数等指标评估局部冲击扩散的风险；四是相关性分布，区分联动是全面性的还是局部簇内的；五是动态与状态特征，刻画结构变化的速度及其在历史分位中的位置。最终，通过并行使用60日、120日滚动及指数加权三种估计器，生成了363维的静态与动态网络谱特征。

双轨建模：风险与机会的非对称性解析

传统择时模型常试图用单一目标预测涨跌，但报告指出，“风险”与“机会”在经济逻辑上并不对称。下跌多源于风险的累积与暴露，表现为结构的收敛（如有效秩下降、载荷集中）；而上涨通常源于风险释放后的重新定价，表现为结构的扩散。二者并非简单的镜像关系，且时间尺度不同——风险积聚缓慢，机会窗口短暂。因此，报告采取“分开建模、分别检验”的策略。

在风险侧，模型的目标是预测未来10个交易日相对入场价的最大跌幅，即“前瞻回撤”。相较于期末收益，前瞻回撤更能反映持有期的路径损失，且其分布在不同波动环境下更为稳定。实证数据显示，中证全指在未来10日的收益标准差随波动环境剧烈变化，而前瞻回撤的标准差变化幅度仅为前者的三分之一。风险侧采用岭回归进行连续值预测，并通过Bootstrap重采样和特征初筛来抑制极端行情对模型系数的干扰。

在机会侧，模型不直接预测绝对涨幅，而是识别未来10日收益是否处于训练窗内相对强势的前30%区间。这种定义将幅度问题转化为排序问题，使阈值能随波动率体制自适应。机会侧采用随机森林二分类模型，重点捕捉结构改善带来的反弹概率。对比分析显示，风险模型主要依赖“252日历史分位”等状态特征，关注结构所处的历史位置；而机会模型则更侧重短周期的差分与变化率，关注结构正在往哪个方向移动以及移动的速度。两者选用的核心特征重合度极低，进一步验证了风险与机会驱动逻辑的差异性。

“风险闸口+机会增强”的二元仓位映射

模型输出的连续预测值如何转化为实际交易仓位？分组检验表明，预测值的中间区段排序缺乏经济含义，可信信息主要集中在两端。因此，报告摒弃了复杂的连续映射函数，设计了简洁的“风险闸口 + 机会增强”二元规则。

具体而言，首先将风险评分和机会评分转换为过去半年的滚动分位。当风险分位高于设定阈值时，触发“风险闸口”，目标仓位降为0；当机会分位高于设定阈值时，触发“机会增强”，目标仓位升为1。若两者同时满足，取较大值，这意味着在急跌后结构修复阶段，机会信号可以覆盖风险闸口，允许策略快速重新满仓。此外，为避免阈值附近的频繁交易，设置了清仓冷却期，并在每季度末通过网格搜索对三个关键参数（风险阈值、机会阈值、冷却天数）进行滚动调优，最后对夏普比率排名前10%的参数组产生的仓位序列取平均，以降低单一参数设定的偶然性。

实证表现与信号迁移能力

在2020年1月1日至2026年7月31日的样本外回测中，基于中证全指的双信号择时策略表现出显著优势。策略年化收益率为16.90%，远超同期指数3.75%的基准收益，年化超额达13.14%。风险控制方面，最大回撤由指数的-39.33%大幅收敛至-15.58%，夏普比率从0.27提升至1.05。值得注意的是，策略的平均权益敞口仅为0.66，通过与“同敞口静态”基准（恒定持有0.66仓位）对比，后者年化收益仅3.68%，证明超额收益并非单纯来自低仓位避险，而是源于精准的择时能力。

该框架的另一大亮点在于信号的通用性。将在中证全指上训练的信号原样迁移至沪深300、中证500和国证2000，策略依然有效。四个宽基指数的年化超额分别为10.67%、15.60%和16.68%，最大回撤均得到显著控制。研究发现，超额幅度与标的的小盘属性呈正相关，这与个股相关网络刻画全市场广度与联动的逻辑自洽——中小盘对系统性结构风险更为敏感。相比之下，若让各指数利用自身成分股独立训练信号，效果反而大幅下降，说明市场结构风险具有跨板块传染特性，全市场网络比局部网络更具预测力。

消融测试与设计稳健性

为验证关键设计的合理性，报告进行了多项消融测试。首先，对比不加权与市值加权网络，发现市值加权虽未损害风险侧预测，但导致机会侧失效。这是因为A股的反弹机会往往源于中小盘的结构扩散，市值加权掩盖了这一信息。其次，加入27维传统价格特征（如RSI、均线偏离等）不仅未带来增益，反而因引入噪声降低了模型表现，凸显了纯结构特征的有效性。最后，对仓位网格参数的敏感性测试显示，即使改变阈值范围或冷却期设置，四标的平均年化超额仍稳定在11.65%至14.03%之间，表明策略对参数微调具有较强的鲁棒性。

综上所述，该研究提供了一套从市场微观结构出发，通过解耦风险与机会信号，实现稳健指数择时的量化框架。它证明了在宏观趋势之外，个股间的相关网络结构蕴含着重要的状态信息，能够有效辅助投资者规避尾部风险并捕捉修复行情。