2025年金融工程专题报告：基于涨跌幅成交额一致性的行业轮动研究

1. 成交额与涨幅一致性因子

1.1 行业量价分层分析

在传统量价理论的框架下，通过分层分组方式探究行业截面量价与收益关系，是剖析市 场运行逻辑、构建有效投资策略的重要尝试。理论上，成交额作为市场活跃度与资金参与程 度的直观体现，高成交额组应蕴含更强的市场趋势与资金共识，低成交额组则可能反映出市 场关注度较低或趋势不明朗的状态。我们期望通过这样的四组划分，挖掘不同量价特征组合 下行业后续收益的差异规律。 本文选取中信一级行业进行测试，由于“综合”和“综合金融”的行业分类比较模糊，且行 业内个股市值小，流动性承载力不足，因此在计算过程中，我们将这两个行业剔除，本报告 后续篇幅中也都不考虑这两个行业。

在实际操作中，因为成交额和市值之间关联度较高，因此行业的月成交额截面排名相对 稳定，难以依据此进行有效分组。为解决这个问题，我们构建了成交额变化率与换手率两个 指标。成交额变化率反映了行业成交额在一定时期内的动态变化情况，相较于静态的成交额， 能更好捕捉行业资金流入或流出的边际变化；换手率则衡量了股票交易的频繁程度，从侧面 反映行业内筹码的流动性与市场参与热情。但是，经过回测检验，无论是基于成交额变化率 还是换手率进行分层分组，均未能带来明显的超额收益。

这个问题的主要原因是行业层面的因子存在局限性。成交额变化率反映的是行业整体成 交额的变动情况，换手率体现的是行业的活跃程度。这些因子承载的是行业宏观、集合性的 信息，但它们忽略了行业内部各成分股之间的差异。一个行业的成交额变化率上升，有时是 部分权重股的交易活跃导致，但该因子无法区分这种差异。这种“一刀切”的划分方式，使得 其难以精准反映行业内部的资金流动和股价变动的真实关系，也就难以挖掘出有效的投资信 号。

以 2021 年 1 月的家电行业为例，2021 年 1 月份家电行业成交额相比上月上升 294 亿， 但市值排名后 90%的成分股的成交额总和却下降了 21.57 亿，家电行业的成交额上涨完全由 大市值的成分股贡献。由于行业内成交额的不均匀分布，家电行业在 2021 年 2 月未获得超 额收益，且收益在 28 个行业中仅排名 20。

1.2 用秩相关性衡量成交额与涨幅一致性

从上述分析可知，行业层面因子在捕捉市场信息时存在明显短板，难以深入洞察行业 内部的细微变化。这就凸显出从成分股出发构建量价因子的重要性。与行业层面因子“一刀 切”的方式不同，基于成分股构建的量价因子应当可以细致地展现行业内不同股票之间量价关系的差异。从成分股出发构建的因子能够敏锐地捕捉到这些差异，进而更全面、准确地反 映行业内部的资金流动方向和股价变动的真实驱动力。在实践中，我们使用秩相关性来量化 成分股间成交额与涨幅的一致性。 通过计算行业成分股成交额与涨跌幅的秩相关性，能够从行业内部精准度量量价关系。 具体而言，若在涨跌幅排名靠前的成分股，其成交额也处于高位，这表明在该行业中，成分 股的涨跌态势在较大程度上由成交额驱动。这种情况意味着行业内量价协同效应显著，量价 关系更为紧密。基于市场的一般规律，此类行业在未来一段时间内往往具备更强的上涨潜力， 因为其内部的量价正反馈机制能够有效吸引资金持续流入，推动股价上行。 下图呈现了 2020 年 12 月与 2023 年 2 月电力设备及新能源行业成分股涨幅和成交额的 排名散点分布。图中虚线为? = ?，代表成分股涨幅和成交额排名完全一致的理想情形。 2020 年 12 月，该行业成分股涨幅与成交额排名散点更贴近虚线，秩相关性达 66.88%， 显示量价关系紧密，次月超额收益为 4.79%。与之相对，2023 年 2 月，散点分布更为离散， 秩相关性低至-42.42%，量价关系紊乱，次月超额收益为-3.2%。由此可见，秩相关性越高， 量价关系越协同，后续超额收益越可观；反之，秩相关性低，量价关系无序，超额收益欠佳。

从上述电力设备及新能源行业在不同时间点的成分股涨幅与成交额排名散点分布情况， 我们已清晰看到秩相关性与超额收益之间存在紧密关联。这一关联初步验证了基于成分股成 交额与涨幅一致性来衡量行业量价关系的有效性。然而，仅通过这两个时间点的案例分析， 尚不足以全面确定其在投资实践中的应用价值。

接下来，我们于每月月末计算各行业当月成分股涨幅与成交额的秩相关性，并依相关性 大小进行分组，以此测试各分组在下月的收益情况。

然而，回测结果却不尽如人意。除第五组收益极低外，其余分组均未展现出明显的超额 收益。经分析，造成这一结果的根源在于计算成交额涨幅一致性因子的方式。直接使用成分 股数据来计算该因子，会引入较多噪音。行业内成分股数量众多，每只股票的交易特征、市 值规模、流动性等均存在差异，这些差异会导致计算过程中混入大量干扰信息。这些噪音使 得因子难以精准、有效地反映行业内部真实的量价关系，进而干扰了基于因子进行分组策略 的构建，最终对分组策略的收益表现产生了负面影响。

1.3 成分股优化

经深入剖析，成分股中的噪音主要源于两个方面： 1. 小市值个股的干扰：小市值个股因其自身流动性相对不足，在交易过程中极易受 到交易冲击的影响，进而产生较大的数据波动。同时，这类个股与市场整体走势 的关联程度较低，使得在计算量价因子时，容易引入干扰信号，影响因子计算的 准确性。基于此，在计算过程中，我们剔除了市值位于 A 股后 70%的小市值个股， 以降低此类噪音的影响。 2. 异常状态个股的干扰：处于一字涨跌停、ST 以及停牌状态的成分股，其流动性度 匮乏甚至无法进行交易，这使得其股价与成交额之间的正常关联被彻底打破，严 重干扰了量价关系的精准衡量。为避免此类干扰，我们在计算过程中，将月内超 过一半交易日处于这三种异常状态中任意一种的成分股予以剔除。

以 2024 年 11 月的石油石化行业为例。石油石化行业在 2024 年 12 月实现了 4.02%的超 额收益，但优化前成分股的分布较为分散，秩相关性仅为-10.2%，导致因子值在行业间排名较 低。经过成分股优化后，分布于左上角和右上角的散点大幅度减少，秩相关性升至 27.5%。由 此可见，成分股优化可以有效凸显行业内权重成分股的量价关系，使有上升潜力的行业的因子值 得以提升。

在 2024 年 11 月，石油石化行业中的胜通能源自由流通市值仅为 6 亿元。当月，其成交 额排名分位数低至 0.04，然而涨跌幅分位数却高达 0.82。由于通盛能源自由流通市值较小， 少量的资金交易即可对其股价产生明显影响，这种异常波动使其成为干扰行业内权重成分股 量价关系的噪音因素。 在完成上述剔除操作后，我们基于剩余成分股重新计算成交额涨幅一致性因子，并再次 开展分组回测，以此检验优化后因子的实际表现。

可以看到不同分组的收益走势呈现出明显差异。其中，多头组（第一组，下同）的表现 尤为突出，显著优于其他分组，说明优化成分股后构建的成交额涨幅一致性因子，在多头组 上展现出了良好的选股与收益预测能力。

2. 拥挤度指标

单一因子策略存在局限性，多头组策略的超额收益在 2022 年 3 月到 11 月期间出现了 13.17%的最大回撤，超额收益的卡玛比率仅为 0.45 这表明策略的抗风险能力亟待提升。 为有效增强策略的稳定性与抗风险能力，我们需要引入新的风险控制维度。其中，对行 业拥挤度的考量至关重要。拥挤度能够反映行业内资金过度集中可能带来的风险，通过评估 拥挤度并据此优化投资策略，有望降低策略的回撤风险，提升整体表现。 我们使用两种基于流动性指标衡量行业的拥挤度： 1. 行业成交额占比 10 日均值在过去 6 年的分位数，阈值 0.99； 2. 行业成分股集中度 25 日均值在过去 0.95 年的分位数，阈值 0.95。 其中，行业成分股集中度通过计算每日各行业成分股换手率前 30%的换手率均值与该行 业换手率的比值，捕捉资金在行业内部流动性分布的结构性失衡。 最后，通过取并集的方式合并两种拥挤度，构建综合拥挤度指标。

经过回测，综合拥挤度在大多数行业的胜率大于等于 50%，且大多数行业触发拥挤后 20 交易日的收益中位数为负。总体来看，综合拥挤度的胜率为 54.92%，在回测区间内共触发 295 次。触发拥挤后 20 个交易日收益中位数为-0.58%，表现出了较好的拥挤度剔除效果。

3. 策略构建与落地测试

3.1 策略结构与性能

基于前文对成交额涨幅一致性因子及拥挤度指标的探讨，我们每月先筛选出成交额涨幅 一致性因子较高的行业，同时识别并剔除存在拥挤情况的行业，随后对剩余行业进行等权配 置，并开展回测分析。

从回测结果来看，策略效果较优，相对于行业等权收益，实现了年化超额收益 6.75%， 超额夏普比率达 0.94，超额卡玛比率为 1.03。相较于仅运用成交额涨幅一致性因子的策略， 融入拥挤度指标后的策略，最大回撤显著降低，下降到 6.55%。这表明拥挤度指标能够有效 的规避极致行情下的左尾风险，增强策略整体的抗风险能力，有效优化了投资策略的风险收益特征。

3.2 ETF 轮动投资组合

基于中信一级行业指数的回测已充分验证了策略的有效性，但在实际投资场景中，直接 配置行业内股票往往面临操作复杂度高、资金门槛限制以及个股特有风险等问题。而 ETF 作为一种高度便捷的投资工具，具备流动性优异、交易成本低廉、分散风险能力强等显著优势， 能够有效降低策略落地的实操难度，更贴合投资者的实际交易需求。 为验证该策略在真实市场环境中的可行性与有效性，确保其不仅适用于理论层面的指数 回测，我们进一步开展以 ETF 为标的的测试。 我们将每个中信一级行业映射至跟踪对应行业指数的 ETF，以其收益替代中信一级行业 收益展开回测。对于部分 ETF 价格数据覆盖区间不完整的情形，采用其跟踪指数的收益填补 ETF 上市前的数据。鉴于“轻工制造”“纺织服装”及“商贸零售”行业缺乏适配的 ETF 标的，从流 动性维度考量，选用中证 2000 指数予以替代。

经过回测，此策略相对于中证全指的超额年化收益达到 10.7%，超额夏普比率 1.27，超 额卡玛比率达到 2.02，不仅实现了显著的超额收益，更在风险控制与收益稳定性上表现优 异。

从分年收益数据可见，融合拥挤度剔除的成交额涨幅一致性策略几乎在所有年份跑赢中 证全指，但在 2017 对沪深 300 的超额收益呈现显著负值。经过分析，我们认为 2017 年市场 极致的“二八分化”行情是核心影响因素——当年资金高度集中于大盘蓝筹股，沪深 300 指 数受权重股驱动显著走强。

策略所依赖的成交额涨幅一致性因子，其核心逻辑是通过成分股秩相关性捕捉行业内量 价协同的龙头股领涨效应。然而 2017 年特殊之处在于，尽管行业龙头股表现突出，但中小 市值成分股普遍未能形成跟随效应，导致高因子值行业的内部收益结构分化严重：龙头股的 强势并未有效传导至行业整体，量价协同信号未能转化为显著的行业超额收益。与此同时， 沪深 300 指数的大盘股权重优势在极端风格中被放大，进一步凸显了策略在市值风格适配 性上的阶段性偏差。这种市场结构与因子逻辑的短暂错配，最终导致策略在 2017 年相对沪 深 300 出现显著超额负收益。

总结

通常我们认为，做多量价齐升的标的和行业在未来更容易获得超额收益，但是通过实 证发现，直接根据收益与成交和换手进行分组选择出涨幅排名靠前且成交最为活跃的一组 后，发现其并未产生显著的超额收益，我们认为其原因是并未充分考虑到行业内部成分股 之间的量价关系，因此我们尝试构造了行业涨跌幅与成交额一致性因子来选择行业内成分 股量价协同性较好的行业。 经过成分股筛选和拥挤度剔除后，最终因子超额年化收益为 6.75%，超额夏普比率为 0.94，超额卡玛比率 1.03，策略表现较优，最后将行业对应到 ETF 构造 ETF 组合，最终策 略相对中证全指年化超额收益 10.70%，超额夏普比率 1.27。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）