摘要
创业板两度大跌,市场的核心矛盾是方向而非风格
2月26日创业板指出现较大幅度下跌,但是以上证50为代表的大盘价值股跌幅较小,煤炭、银行、建筑、钢铁、房地产等行业上涨比例较高,这与之前以电子、计算机、传媒领涨的市场节奏不同,有一种风格转换之感。但是在2月28日的下跌中,市场出现普跌,仅有224只个股上涨。从个股上涨比例来看,纺织服装、石油石化、医药、家电等行业上涨个股比例较多,多集中在与防疫相关的公司,电子、通信等行业也同样有较多个股上涨。因此当下风格状态并不清晰,目前判断风格变换可能还为时过早,市场的核心矛盾是方向变换而不是风格变换。
创业板指三日跌幅超过9%,历史上出现过18次
创业板指在2月26日至2月28日,三天下跌9.43%。这种情况在历史上出现过18次(此情形连续出现算为一次,例如四天中前三天和后三天跌幅均超过9%,只将前三天作为一次)。在2015年市场剧烈波动期间,曾经密集出现过8次,在2016年熔断后两个月内,也密集出现过4次。除去这12次之外,其余6次大跌后市场表现平稳,5次大跌发生后五日涨跌幅为正,但收益较小。从统计来看,反弹收益并不稳定,市场波动较大的情况下注意规避风险。
标普500在7个交易日中下跌超过10%的情形发生过19次
1990年以来,标普500在7个交易中下跌超过10%的情形发生过19次,2月27日是第20次。标普500在7个交易日中下跌超过10%的情形多发生在2008年和2009年,共有11次。当时为金融危机,市场发生10%的大跌后的5个交易日仍然会发生暴涨暴跌,平均后5日涨幅为1.68%。除2008年和2009年以外,另外8次反弹特征明显,后5日平均反弹5.22%。我们认为,当前疫情为突发事件,对投资者情绪造成了较大冲击,但引发金融危机的概率较小,从统计特征上判断,未来一周美股大概率反弹。
行业景气度跟踪:电力设备及新能源、食品饮料景气度较高
我们结合财务报表、业绩快报、业绩预告、一致预期等多个维度数据,构建了12个景气度指标来对各行业景气状态进行月度打分(该指标景气度向好打1分,恶化打-1分,无信号打0分,综合打分数值越高,意味着该行业越景气)。根据2020年2月底的最新建模结果,目前景气度打分排名前五的行业分别是:电力设备及新能源、食品饮料、有色金属、农林牧渔和综合。
资产表现跟踪:全球股票资产一致下跌,恐慌情绪持续蔓延
股票维度:上周全球股票资产一致出现大跌,欧美国家股票市场均下跌10%以上,标普500、纳斯达克指数、道琼斯工业指数分别下跌11.49%、12.36%、10.54%,A股受外围市场影响同样出现大跌,创业板指下跌6.96%,沪深300下跌5.05%,板块内部周期上游下跌较多,下跌8.26%,周期下游跌幅最小,下跌2.46%;债券维度:受避险情绪影响,上周全球主要国家十年期国债到期收益率全部下行;商品维度:原油大跌11.88%,国内主要商品指数均下跌超过4%,受流动性影响,金银等避险属性表现欠佳,伦敦金现仅上涨0.09%,伦敦银现下跌3.87%。
风险提示:模型根据历史规律总结,历史规律可能失效。金融周期规律被打破。市场出现超预期波动,导致拥挤交易。
全球股票资产一致下跌,恐慌情绪持续蔓延
上周全球股票资产一致出现大跌,欧美国家股票市场均下跌10%以上,标普500、纳斯达克指数、道琼斯工业指数分别下跌11.49%、12.36%、10.54%。A股受外围市场影响同样出现大跌,创业板指下跌6.96%,沪深300下跌5.05%;板块内部周期上游下跌较多,下跌8.26%,周期下游跌幅最小,下跌2.46%。这种程度的下跌在欧美市场较为罕见,恐慌情绪正在蔓延。
上周全球主要商品同样大部分下跌,原油大跌11.88%,国内主要商品指数均下跌超过4%,受流动性影响,金银等避险属性表现欠佳,伦敦金现仅上涨0.09%,伦敦银现下跌3.87%。
创业板指一周内两度大跌,风格切换是否正在发生?
春节之后,以创业板指、中证1000为代表的小盘成长指数持续上涨,上周之前都没有发生较大回调。在前期周报《创业板还能逆势上涨多久?》(2020-02-16)中,我们从宏观层面分析了创业板指领涨的原因:新冠疫情的突发影响打乱了经济基本面企稳回升的节奏,导致投资者对企业盈利回暖的预期偏悲观,而流动性环境的持续宽松催生了估值扩张的逻辑,DDM模型分子分母强弱分化,使得长久期的成长风格(盈利主要在未来,对流动性环境的宽松更敏感)占据主导地位。上周创业板指在周三、周五分别发生大跌,风格切换是否正在发生?我们将从周三、周五市场的涨跌结构中一窥究竟。
2月26日创业板指出现较大幅度下跌,但是以上证50为代表的大盘价值股跌幅较小,在2020年之前上市的3759只股票中有1344只股票上涨,煤炭、银行、建筑、钢铁、房地产等行业上涨比例较高,这与之前以电子、计算机、传媒领涨的市场节奏不同,有一种风格转换之感。但是在2月28日的下跌中,市场出现普跌,仅有224只个股上涨,市场热点发生变化。从个股上涨比例来看,纺织服装、石油石化、医药、家电等行业上涨个股比例较多,多集中在与防疫相关的公司,电子、通信等行业也同样有较多个股上涨。因此当下风格状态并不清晰,目前判断风格变换可能还为时过早,市场的核心矛盾是方向变换而不是风格变换。
创业板指三日跌幅超过9%,历史上出现过18次
创业板指在2月26日至2月28日,三天下跌9.43%。这种情况在历史上出现过18次(此情形连续出现算为一次,例如四天中前三天和后三天跌幅均超过9%,只将前三天作为一次)。在2015年市场剧烈波动期间,曾经密集出现过8次,在2016年熔断后两个月内,也密集出现过4次。除去这12次之外,其余6次大跌后市场表现平稳,其中5次后五日涨跌幅为正。从统计来看,反弹收益并不稳定,市场波动较大的情况下注意规避风险。
标普500在7个交易日中下跌超过10%的情形发生过19次
1990年以来,标普500在7个交易中下跌超过10%的情形发生过19次,2月27日是第20次。(统计方法与创业板指类似,如果情形连续发生只记为1次。)标普500在7个交易日中下跌超过10%的情形多发生在2008年和2009年,共有11次。当时为金融危机,市场在发生10%的大跌后的5个交易日仍然常发生暴涨暴跌,平均后5日涨幅为1.68%。除2008年和2009年以外,另外8次反弹特征明显,后5日平均反弹5.22%。我们认为,当前疫情为突发事件,对投资者情绪造成了较大冲击,但引发金融危机的概率较小,从统计特征上判断,未来一周美股大概率反弹。
美国十年期国债利率创历史新低,但快速下降较难持续
上周美国十年期国债利率持续下行,已经创造历史新低。但是从周期角度来看,利率的一年期动量(同比变化量)具有明显的周期性,且各国走势基本一致,基于基钦周期趋势相同。近期可能是利率下降速度最快的一段时间,未来动量大概率上行。从长期趋势上来看,未来利率的下降速度将会减慢,并将逐步转向上行。
行业景气度跟踪:电力设备及新能源、食品饮料景气度较高
在华泰金工行业轮动系列报告《景气度指标在行业配置中的应用》(2019-9-12)中,我们结合财务报表、业绩快报、业绩预告、一致预期等多个维度数据,构建了12个景气度指标来对各行业景气状态进行月度打分(该指标景气度向好打1分,恶化打-1分,无信号打0分,综合打分数值越高,意味着该行业越景气)。根据2020年2月底的最新建模结果,目前景气度打分排名前五的行业分别是:电力设备及新能源、食品饮料、有色金属、农林牧渔和综合。
行业拥挤度跟踪:12个行业出现拥挤,TMT行业拥挤度较高
在前期报告《拥挤度指标在行业配置中的应用》(2020-02-09)中,我们从控制交易风险的角度出发,构建拥挤度指标对各行业的交易过热风险进行衡量。具体而言,我们以量价数据为基础,构建了收盘价乖离率、换手率与收盘价相关系数、成交量与收盘价的相关系数、峰度、换手率乖离率以及换手率拥挤度这六项拥挤度指标。将上述指标的打分结果加总即可得到各行业的复合拥挤度指标,复合拥挤度大于零即可表明该行业处于拥挤状态,建议在配置过程中进行规避。
上周市场交易活跃,各行业成交额大幅增加,股价也出现较大波动。总体上市场处于拥挤度较高的状态,最新的计算显示,30个一级行业中有12个出现了拥挤现象,分别是:电力及公用事业、基础化工、建材、国防军工、汽车、消费者服务、家电、纺织服装、医药、电子、通信、计算机和综合。历史统计来看,出现拥挤信号的行业在未来一个月出现下跌可能性较大,建议降低仓位。
市场处于拥挤状态的主要原因是短期资金涌入较多,成交量增长过大,致使市场出现交易过热的风险。以换手率角度来看,各行业换手率乖离率普遍较高,意味着当前各行业换手率相比于过去一年的均值偏离较大。统计数据显示,2月26日大部分行业换手率乖离率达到了历史高位,家电、汽车、纺织服装、计算机、综合、建材、电子、建筑、国防军工和通信10个行业都呈拥挤状态。
从历史来看,当前市场关注度较高的TMT行业换手率乖离率和2013、2015以及2019年初比较相似,交易过热风险较大。上周四周五TMT行业出现了连续下跌,电子、计算机和通信行业两天分别下跌8.44%、6.19%和5.51%,跌幅处于一级行业前列,可以初步印证我们对这些行业处于拥挤状态的判断。
情绪面跟踪:市场交易活跃,日均成交额超过1.2万亿
上周沪深两市日均成交额达到1.2万亿,在市场发生剧烈波动的情况下依然维持了很高的换手。298只股票在2月28日跌停,对市场信心可能会造成较大的打击。
资金面跟踪:北向资金净流出,医药生物、计算机净流入最多
北向资金上周净流出,上周北向资金总计净流出293亿元,流入最多的行业分别是医药生物(20.17亿元)、计算机(13.13亿元)、电气设备(4.82亿元),净流出最多的行业是非银金融(46.21亿元)。
风险提示
1、 模型根据历史规律总结,历史规律可能失效。
2、 金融周期规律被打破。
3、 市场出现超预期波动,导致拥挤交易。
免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求,本公众号内容仅面向华泰证券客户中的专业投资者,请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者,请取消关注本公众号,不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限,若给您造成不便,烦请谅解!本公众号旨在沟通研究信息,交流研究经验,华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号研究报告有关内容摘编自已经发布的研究报告的,若因对报告的摘编而产生歧义,应以报告发布当日的完整内容为准。如需了解详细内容,请具体参见华泰证券所发布的完整版报告。
本公众号内容基于作者认为可靠的、已公开的信息编制,但作者对该等信息的准确性及完整性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下,本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券股份有限公司所有,未经公司书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
林晓明
执业证书编号:S0570516010001
华泰金工深度报告一览
金融周期系列研究(资产配置)
【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生,顾短也兼长20200121
【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日,大周期赢未来20200116
【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法
【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增,待趋势明朗把握或更大20191022
【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点?——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗?——20190506
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(下)
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(上)
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告(上)
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(四)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(三)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(二)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(一)——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】金融经济系统周期的确定(下)——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定(上)——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探
周期起源
【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二
【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一
FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一
因子周期(因子择时)
【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
择时
【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用
行业轮动
【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二
【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十
【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八
【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一
Smartbeta
【华泰金工林晓明团队】投资优质股票:红利类Smart Beta——华泰Smart Beta系列之三
【华泰金工林晓明团队】博观约取:价值和成长Smart Beta——华泰Smart Beta系列之二
【华泰金工林晓明团队】Smart Beta:乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一
多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三
【华泰金工林晓明团队】桑土之防:结构化多因子风险模型——华泰多因子系列之十二
【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二
人工智能
【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七
【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五
【华泰金工林晓明团队】投石问路:技术分析可靠否?——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然:机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然:重采样技术检验过拟合——华泰人工智能系列之十九
【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八
【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二
指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证
基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究
基金定投
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二