2022年策略总结与2023年初行业推荐 主要宽基、行业指数与基金表现

一、2022年复盘：主要宽基、行业指数与基金表现

2022 年前 11 个月已经过去，截至 2022 年 12 月 2 日，三大指数与恒指大跌，其中上证综 指报收 3156.14 点下跌 13.29%，深成指报收 11219.79 点下跌 24.48%，创业板指报收 2383.32 点下跌 28.27%；恒生指数报收 18675.35 点大跌 20.18%。从行业表现来看，年度中信一级行业仅有煤炭上涨 27.70%、交通运输上涨 1.05%，其余 行业均下跌，其中电子下跌超 30%。接下来我们看一下不同类型基金的表现，其中在市场普跌的情况下，偏债混合型基金表 现最好，年度平均收益为-3.29%。

2022 年新成立公募基金 2221 只，合计募集 13294.69 亿元，其中混合型 1088 只，共募集 3065.54 亿，债券型 678 只，共募集 8751.94 亿，股票型 449 只，共募集 1464.23 亿，商 品型 6 只，共募集 12.98 亿。 北向资金截止到 2022 年 12 月 02 日共流入 705.50 亿，其中沪股通流入 885.41 亿，深股 通流出 179.91 亿。

二、择时策略

择时上，我们自 2019 年开始深耕于大盘择时，基于多维角度，创立了短期、中期、长期 的择时模型。我们认为市场择时一定不是单一模型可以实现的，在每个周期下，我们从 不同角度出发，又构建了次级别的策略。同一周期下策略或者不同周期下的策略可以进 行耦合与共振，这样才能做到攻守兼备。

在过去持续地对多周期择时模型进行深挖和完善，我们得到了丰富的研究成果：短期择 时体系有价量共振模型与低波之刃模型：其中价量共振模型主要作用在于跟踪趋势与捕 捉顶部的背离，低波之刃模型在于捕捉市场底部的反弹行情。中期择时体系主要有推波 助澜模型与月历效应模型：依赖涨跌停比率，构建推波助澜 V1 模型；挖掘更多信息， 构建推波助澜 V2 模型；提升权重股占比，基于自由流通市值加权，构建推波助澜 V3 模 型。月历效应模型是基于 A 股的春季躁动逻辑，基于中小盘指数构建的高胜率择时模型。 长期择时体系主要有动量摆动模型：动量摆动模型先判断个股，再合成指数信号。

基于 短中长期各个周期模型，我们构造了综合兵器模型：综合兵器模型不仅利用多个版本的 模型，而且利用同一个模型下不同宽基指数的信号，各个模型拥有各自特色的逻辑去捕 捉市场的波段，将各个模型的信息充分汲取并且整合，最终实现了质的飞跃。 我们还基于特征收益分布，开发了特征龙虎榜机构模型，特征成交量模型。基于遗传规 划，开发了智能算法择时模型：目前拥有沪深 300 指数的短期择时模型与 GRASP(贪婪 自适应搜索)算法合成的中证 500 指数短期择时模型。

（一）短期择时模型

1、价量共振模型价量共振模型的基础逻辑是当供不应求时，人潮汹涌，都要买进，成交量自然放大；反 之，供过于求，市场冷清无人，买盘稀少，成交量势必萎缩。华创金工探索的价量共振模型是基于一类低延迟快速的均线 HMA 来量化成交量，结合价格指标，创设一个结合 价与量的新择时模型“价量共振择时模型”。价量共振择时模型，从初始的 V1 模型到更加 稳健的价量共振 V3 模型(价量共振 V1 模型的缺点就是会在放量下跌的市场中，发出错 误的买入信号。通过规避放量下跌产生的错误信号，形成价量共振 V3 模型)。

价量共振模型上证指数自2003年12月29日以来至2022年12月01日，年化收益12.97%， 最大回撤 15.05%，胜率 65%，盈亏比 1.89，夏普比率 0.853，平均每年交易 10.6 次，平 均多头持有周期 6.2 个交易日，历史回溯表现较为优秀。 价量共振 V3 模型在上证指数上自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收 益为 3.34%，最大回撤 0.77%。而上证指数今年绝对收益-13.24%，最大回撤 20.54%， 模型表现远超过基准指数，表现非常优秀。在 2022 年 10 月 1 日至 2022 年 12 月 01 日模 型绝对收益为 0.91%，最大回撤 0.77%，基准上证指数总收益 5.96%，最大回撤 6.21%。

2、低波之刃模型。一般来说，当价量共振模型空仓时候，市场处于一个缩量状态，缩量市场要么下跌，要 么震荡，因此低波之刃模型是在一个缩量并且震荡的市场下，获取多头波段收益。市场 在震荡的时候，不断洗筹，成交量逐渐萎缩，市场波动在逐渐降低，直到市场冷冷清清， 市场成交量与成交额降至冰点，才会有后续期待的反弹行情。低波之刃模型量化了市场 处于极端缩量和极端冷清的这种状态，并且能够把握后续的反弹行情。

低波之刃模型在上证 50 指数上自 2015 年 3 月 23 日以来至 2022 年 12 月 01 日，年化收 益 6.13%，最大回撤 12.57%，胜率 63.0%，盈亏比 1.18，夏普比率 0.41，平均每年交易 14.5 次，平均多头持有周期 3 个交易日，历史回溯表现表明能够在市场处于震荡的情形 下获取极度萎缩后的反弹收益。 低波之刃模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收益为-3.02%，最大 回撤 6.09%，而上证 50 指数今年以来收益为-20.14%，最大回撤 29.66%，模型表现大幅超过基准指数，表现非常优秀。在 2022 年 10 月 1 日至 2022 年 12 月 01 日模型绝对收益 为 0%，最大回撤 0%，基准上证 50 指数总收益 2.42%，最大回撤 11.20%。

3、特征龙虎榜机构模型。股票龙虎榜作为投资者可以窥探顶级资金交易行为的主要渠道一直备受关注，市面上也 流传着很多有关龙虎榜的打板战法，但是龙虎榜本身包含的信息过于庞杂，上榜个体的 交易目的也互有不同，甚至很多游资席位上榜的目的就是为了拉高股价进行出售，由于 这些原因，使得龙虎榜数据并没有广泛的运用于量化投资领域。本文将从行为金融有限 注意力理论的角度对这部分数据进行切入，以龙虎榜中全部机构席位信息总和作为原料 进行加工，透过不同机构席位释放的干扰信号，探究机构席位资金出现极端行为时，宽 基指数所呈现的规律并构建相应的择时策略。

由于龙虎榜资金净流入强度指标期望收益分布图呈现出明显的非线性 V 字型，正收益来 自两端，负收益来自中间。因此择时模型的构造逻辑为做多两边做空中间，本文采用了 一类巧妙的建模方法，构建了沪深 300 指数相应的龙虎榜机构多空择时模型。 特征龙虎榜机构模型在沪深 300 指数上自 2013 年 1 月 7 日以来至 2022 年 12 月 01 日， 年化收益 20.9%，最大回撤 20.93%，胜率 60.4%，盈亏比 1.53，夏普比率 0.968，平均每 年交易 18 次，平均多头持有周期 11 个交易日，空头持有期 6 个交易日。

特征龙虎榜机构模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收益为 5.77%， 最大回撤 9.35%。而沪深 300 指数今年以来总收益-21.65%，最大回撤 28.65%，模型表 现超越沪深 300 指数，表现非常优秀。在 2022 年 10 月 1 日至 2022 年 12 月 01 日模型绝 对收益为-3.37%，最大回撤 8.88%，基准沪深 300 指数总收益 3.55%，最大回撤 8.78%。

4、特征成交量模型。成交量指的是一个时间单位内对某项交易成交的数量。当供不应求时，人潮汹涌，都要买进，成交量自然放大；反之，供过于求，市场冷清无人，买盘稀少，成交量势必萎缩。 而将人潮加以数值化，便是成交量。A 股宽基指数有着明显的放量上涨，缩量下跌规律。 由于量能指标的期望收益分布呈现出明显的右偏 V 型形状，特征成交量模型采用了一类 巧妙的建模方法，将成交量建模趋于完善，开创性地挖掘成交量模型的缩量做空与地量 反弹，因此从成交量的特征分布进行切入，将市场划分为放量上涨区域，高位震荡区域， 缩量下跌区域，地量反弹区域，并构建相应的择时策略，在放量上涨区域做多，在缩量 下跌区域做空，在地量反弹区域中做多，在回溯中获得了远超宽基指数的择时收益。

特征成交量模型在万得全 A 指数上自 2004 年 6 月 21 日以来至 2022 年 12 月 01 日，年 化收益 28.10%，最大回撤 40.54%，胜率 55.2%，盈亏比 1.5，夏普比率 1.029，平均每年 交易 35 次，平均多头持有周期 5.3 个交易日，空头持有期 6 个交易日。 特征成交量模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收益为 24.55%，最 大回撤 9.97%。而全 A 指数今年以来总收益-16.73%，最大回撤 26.88%，模型表现超越 全 A 指数，择时回溯表现非常优秀。在 2022 年 10 月 1 日至 2022 年 12 月 01 日模型绝 对收益为-3.70%，最大回撤 6.48%，基准全 A 指数总收益 7.33%，最大回撤 5.88%。

（二）中期择时模型

1、推波助澜模型。推波助澜 V1 模型：市场涨停个股较多的时候，市场人气旺盛，容易走出上涨行情；市 场跌停个股较多的时候，市场人气冷淡，容易走出下跌行情。基于经验设定涨跌停阈值 为 9.5%，即个股涨幅大于 9.5%为涨停，个股涨幅小于-9.5%为跌停。定义涨停比率：宽 基指数单日涨幅大于 9.5%的成分股数量占其成分股总数的比率。定义跌停比率：宽基指 数单日跌幅大于 9.5%(单日涨幅小于-9.5%)的成分股数量占其成分股总数的比率。推波助 澜 V1 模型是基于涨停比率与跌停比率构建的择时模型。

推波助澜 V2 模型：而涨停和跌停仅仅只是利用个股当日涨跌幅的信息，因此我们定义 连板比率，即连续涨停比率和连续跌停比率。连续涨停比率即宽基指数今日和昨日涨幅 都大于 9.5%的个股数量占其成分股总数的比率，同理，连续跌停比率即宽基指数今日和 昨日跌幅都大于 9.5%(涨幅小于-9.5%)的个股数量占其成分股总数的比率。

类似涨跌停比 率剪刀差的定义，涨停比率-跌停比率，因此我们定义连板比率剪刀差：即连续涨停比率 -连续跌停比率。我们还定义了地天板比率和天地板比率，地天板比率即宽基指数今日地 天板走势的个股数量占其成分股总数的比率，天地板比率即宽基指数今日天地板走势的 个股数量占其成分股总数的比率。因此我们定义地天与天地板比率剪刀差：地天板比率天地板比率。推波助澜 V2 模型是基于涨跌停比率剪刀差、连板比率剪刀差、地天与天 地板比率剪刀差构建的择时模型。

推波助澜 V3 模型：A 股指数的行情主要依靠权重股来带动，纯粹使用涨跌停个股数量简 单加减不一定能真实反映 A 股的整体情绪，因此推波助澜 V1 模型与推波助澜 V2 模型计 算涨跌停比率剪刀差的方式可能有所弊端。因此定义了自由流通市值加权涨跌停比率剪 刀差、自由流通市值加权连板比率剪刀差、自由流通市值加权地天与天地板比率剪刀差， 最终得到推波助澜 V3 模型，因此推波助澜 V3 模型是涨跌停择时系列中最稳健的模型。 推波助澜 V3 模型在沪深 300 指数上自 2009 年 10 月 09 日以来至 2022 年 12 月 01 日， 年化收益 12.65%，最大回撤 14.16%，胜率 61.4%，盈亏比 2.06，夏普比率 0.849，平均 每年交易 5.5 次，平均多头持有周期 15 个交易日。

推波助澜 V3 模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收益为-1.20%， 最大回撤 10.14%。而沪深 300 指数今年以来总收益-21.65%，最大回撤 28.65%，模型表 现超越沪深 300 指数，表现非常优秀。在 2022 年 10 月 1 日至 2022 年 12 月 01 日模型绝 对收益为 0.16%，最大回撤 8.84%，基准沪深 300 指数总收益 3.55%，最大回撤 8.78%。

2、月历效应模型。月历效应模型是基于 A 股的春季躁动逻辑，基于中小盘指数构建的高胜率择时模型。 月历效应模型在中证 500 指数上自 2005 年 01 月 04 日以来至 2022 年 12 月 01 日，年化 收益 8.21%，最大回撤 16.73%，胜率 94.4%，盈亏比 29.96，夏普比率 0.625，平均每年 交易 1 次，平均多头持有周期 16.3 个交易日，策略胜率极高，择时回溯结果非常优秀。 而月历效应模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日在中证 500 指数上的绝对 收益为 2.54%，最大回撤 2.15%。

（三）长期择时模型

长期模型，即动量摆动模型：单纯从大盘宽基指数去挖掘长期信号，容易产生较多的噪 音导致持有期限较为离散。而大盘宽基指数是由其成分股构建而成，成分股可获得的信 息相比于单个大盘宽基指数更为丰富，因此从逻辑上来讲，利用成分股构建的择时系统 应该要比利用单个大盘宽基指数构建的择时系统效果要更好，持有期集中度也会更强。我们试图基于成分股信号加权进而构造一类平均持有期限较长的摆动系统，该系统能够 更为全面地反映市场运行的全貌，当摆动指标从下向上的时候做多，从上向下的时候平 仓。

动量摆动模型在中证 500 指数上自 2008 年 05 月 05 日以来至 2022 年 12 月 01 日，年化 收益 9.65%，最大回撤 42.44%，胜率 64.7%，盈亏比 2.58，夏普比率 0.42，平均每年交 易 1.3 次，平均多头持有周期 89 个交易日。 动量摆动模型在中证 500 指数上自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收 益为-3.85%，最大回撤 13.19%。而中证 500 指数今年以来绝对收益为-16.29%，最大回 撤 28.83%。模型在 2022 年 10 月 1 日至 2022 年 12 月 01 日绝对收益为 9.04%，最大回 撤 4.21%(四季度一直持有)，中证 500 指数总收益 9.04%，最大回撤 4.21%。

（四）综合择时模型

基于短中长期各个周期模型，我们构造了综合兵器模型：综合兵器模型不仅利用多个版 本的模型，而且利用同一个模型下不同宽基指数的信号，各个模型拥有各自特色的逻辑 去捕捉市场的波段。综合兵器 V3 模型，将短期价量共振模型与低波之刃模型，中期推 波助澜模型与月历效应模型，长期动量摆动模型，利用不同周期模型的信号进行融合， 将多维度的信息进行结合增强，形成更强的综合兵器模型，最终实现了质的飞跃。

综合兵器 V3 模型在沪深 300 指数上自 2015 年 03 月 10 日以来至 2022 年 12 月 01 日， 年化收益 43.19%，最大回撤 16.84%，胜率 59.5%，盈亏比 2.04，夏普比率 1.655，平均 每年交易 33.7 次，平均多头持有周期 7 个交易日，平均空头持有周期 8 个交易日。 综合兵器 V3 在沪深 300 指数上自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日绝对收益 为 11.57%，最大回撤 9.81%。而沪深 300指数今年以来总收益-21.65%，最大回撤 28.65%， 模型表现超越沪深 300 指数，表现非常优秀。在 2022 年 10 月 1 日至 2022 年 12 月 01 日 绝对收益为-2.51%，最大回撤 8.90%，沪深 300 指数总收益 3.55%，最大回撤 8.78%。

（五）智能算法择时模型

1、沪深 300 指数择时模型 沪深 300 指数智能择时模型是基于遗传规划算法对宽基指数择时因子进行挖掘。遗传规 划基本思想和遗传算法一致，即模拟生物进化过程中自然选择以及遗传过程中复制、交 叉和变异等过程。与生物种群类似，算法由一个初始种群开始，利用指定算法选择配对 交叉产生后代，并在遗传过程中模拟基因的变异进而获得包含新基因特征的种群，在遗 传过程中计算每个个体的适应度，并通过适应度来寻求最优个体。遗传规划不同于其他 机器学习的黑箱模式，其可以获得显式的表达式，这在后续从逻辑角度解读算式以及过 拟合检验等方面都具有无可比拟的优势。

沪深 300 指数智能择时模型在沪深 300 指数上自 2013 年 12 月 30 日以来至 2022 年 12 月 01 日，年化收益 49.31%，最大回撤 14.79%，胜率 61.8%，盈亏比 2.36，夏普比率 1.947， 平均每年交易 28.2 次，平均多头持有周期 7.8 个交易日，平均空头持有周期 6.4 个交易 日，择时绝对收益远超沪深 300 指数本身。 沪深 300 指数智能择时模型在沪深 300 指数上自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日绝对收益为 7.75%，最大回撤 8.60%。沪深 300 指数今年以来总收益-21.65%，最 大回撤 28.65%，模型表现超越沪深 300 指数，表现非常优秀。在 2022 年 10 月 1 日至 2022 年 12 月 01 日绝对收益为 4.17%，最大回撤 4.76%，基准总收益 3.55%，最大回撤 8.78%。

2、中证 500 指数择时模型。由于在沪深 300 指数择时模型的单个因子挖掘时，我们对表达式的层数以及参数设置进 行了限制，这种限制对于因子的逻辑解读和防止过拟合都具有较强的帮助，但由于表达 式复杂度的限制，单个因子都只能对部分行情进行捕捉而在其他行情中只能表现平平。 在因子信号叠加后，我们会发现，一部分因子给出的信号会趋同，另一部分因子给出的 信号会矛盾，如果只是进行简单的信号叠加会造成部分行情中风险暴露加剧，部分行情 中少数真理被大量谬误所吞没的情况。因此中证 500 指数智能择时模型采用了 GRASP(贪 婪自适应搜索)算法思想进行因子组合，让整个组合的内部逻辑是清晰可控的。

中证 500 指数智能择时模型在中证 500 指数上自 2013 年 12 月 30 日以来至 2022 年 12 月 01 日，年化收益 69.29%，最大回撤 24.67%，胜率 65.8%，盈亏比 2.88，夏普比率 2.308， 平均每年交易 21.4 次，平均多头持有周期 10.3 个交易日，平均空头持有周期 7.2 个交易 日，择时绝对收益远超中证 500 指数本身。 中证 500 指数智能择时模型在中证 500 指数上自今年 2022 年 1 月至 2022 年 12 月 01 日 绝对收益为-10.03%，最大回撤 24.67%，而中证 500 指数绝对收益为-16.29%，最大回撤 28.83%，模型表现超越基准。在 2022 年 10 月 1 日至 2022 年 12 月 01 日模型绝对收益为 -3.27%，最大回撤 6.62%，而中证 500 指数总收益 9.04%，最大回撤 4.21%。

（六）择时收益小结

从择时收益上讲，2022 年全年择时模型大多表现较好。 价量共振 V3 模型在上证指数上自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收 益为 3.34%，最大回撤 0.77%。上证指数今年绝对收益-13.24%，最大回撤 20.54%，模 型表现超越上证指数。 特征龙虎榜机构模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收益为 5.77%， 最大回撤 9.35%。沪深 300 指数今年以来总收益-21.65%，最大回撤 28.65%，模型表现 超越沪深 300 指数。

特征成交量模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收益为 24.55%，最 大回撤 9.97%。全 A 指数今年以来总收益-16.73%，最大回撤 26.88%，模型表现超越全 A 指数。 推波助澜 V3 模型自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日的绝对收益为-1.20%, 最大回撤 10.14%。沪深 300 指数今年以来总收益-21.65%，最大回撤 28.65%，模型表 现超越沪深 300 指数。

综合兵器 V3 在沪深 300 指数上自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日绝对收 益为 11.57%,最大回撤 9.81%。沪深 300 指数今年以来总收益-21.65%,最大回撤 28.65%, 模型表现超越沪深 300 指数。 沪深 300 指数智能择时模型在沪深 300 指数上自今年 2022 年 1 月 1 日至 2022 年 12 月 01 日绝对收益为 7.75%，最大回撤 8.60%。沪深 300 指数今年以来总收益-21.65%，最大 回撤 28.65%，模型表现超越沪深 300 指数。

三、行业轮动

华创金工的行业轮动模型是基于基金仓位测算结果来构建的： 以公募基金为代表的机构投资者在市场的话语权逐渐提升，近三年来尤其如此，我们认 为其表现在两点：1. 机构投资者拥有更为强大的投研力量及更为及时的信息渠道。2. 机 构投资者的资金量较大，对市场的影响较散户更强。既然如此，我们可以假设公募基金 在行业配置上存在一定的 alpha，并根据这一猜想构建行业轮动信号。

针对单个行业的时间序列数据进行中性化处理（滚动分位数法），得到行业配置信号， 即计算过去一段时间序列上的当前超配/低配比例的分位数，把超配/低配比例映射至[0,1] 区间的分位数，这里我们选取的时间序列长度为两年，这 样处理一方面达到中性化的目的，一方面也体现了大类资产的周期性。

四、当前市场是否是底部？

参考 2022 年 3 月 11 日《市场多久能反弹？—市场底部反弹特征梳理》报告，我们认为， 可以从九个维度对市场底部进行判断与反弹时点把握： 1、低价股比例：逻辑是牛市消灭仙股，熊市产生仙股。 2、破净股比例：打折促销，领先指标。 3、M2/总市值中位数：相当于每一元的市值，有多少 M2 支撑和刺激？可以理解为“施 肥率”。 4、PE 中位数和十年国债收益率倒数：比较股票和国债收益率的高低，经典的股债轮 动指标。 5、全市交易额有没有触底？：全市场人气。 6、个股流动性有没有触底？：大底中大部分个股流动性枯竭。 7、区间最大跌幅的中位数：大底是跌出来的，大底的水准是高点腰斩、再腰斩。 8、人气指标：次新股的破发率。 9、全市场的估值：底部一般全市场估值低，各个行业也一片惨淡，几无例外。

（一）低价股比例

低价股比例为（股价<2）的比例，从指标来看，市场大底判断不用着急，可耐心等待拐点。在大底走出来的过程中，一定有明确拐点。在 2008 年是同步指标，而 2012 年、2014 年，低价股比例下降是领先指标。目前来看，该指标尚未掉头向上，市场尚未出现底部 转多拐点信号。

（二）破净股比例

破净股比例与低价股比例逻辑相似，当市场上涨时，破净股比例基本没有超过 2%，目前 最新比例为 6.78%，位于次高位，但属于下降通道。

（三）M2/总市值中位数

在指标选择上使用总市值中位数来避免大市值股票对指标影响太大，而 M2/总市值中位数指标实际上衡量的是，货币投放与资本市场市值成长的关系。可以从图中看出在下跌 行情中，M2/总市值中位数与大盘基本呈现负相关的走势，这一点在本次回调中也能够得 到验证。并且我们可以发现在指标的拐点同样是市场走势的拐点。由于 M2 数据公布的 滞后性，无法判断当前指标的情况，但我们仍然可以通过关注该指标把握市场的走势， 从已有数据来看，目前 M2/总市值中位数走势保持向上，建议继续关注指标之后的发展。

编辑：JACK