基于相对强弱指标的轮动策略研究（十五）

1. 轮动增强

1.1 中证全指信息-沪深300指数增强

指数增强效果显著（双边万5费率下主动收益12.3%）：

1.2 创业板指数-沪深300指数增强

指数增强效果显著（双边万5费率下主动收益15.9%）：

1.3 中小板指-沪深300指数增强

指数增强效果明显（双边万5费率下主动收益10.01%）：

1.4 全指医药-沪深300指数增强

指数增强效果明显（双边万5费率下主动收益14.39%）：

1.5 中证军工-沪深300指数增强

指数增强效果明显（双边万5费率下主动收益17.29%）：

1.6 中证500-沪深300指数增强

指数增强效果显著（双边万5费率下主动收益9.22%）：

2. 增强效果汇总

结果较为理想，在考虑双边万5交易成本下，大概有7只指数接近、达到或超过10%的主动收益。

那么主动收益与各指数的某项先验指标是否存在相关性？下面给出主动收益与本篇开头所计算的相关系数、alpha、beta、超额收益的相关图：

最明显的现象是：见第一张相关图，增强策略主动收益与各指数同待增强指数（沪深300）的相关系数存在很高的相关性（负相关），即轮动标的间的相关性越低，其轮动增强的主动收益越高。这种现象有一种很直接的解释：相关性越低，表明两类标的的收益曲线形态越不同，这种情况下对于待增强标的越存在轮动增强的机会；相反，若两类标的越同步，则轮动的机会减少，通过轮动达到增强的效果也不好。如果这种现象存在普适性，则可以在轮动指数数量存在约束的前提下，指导我们方便快捷地筛选优势标的。另外，在此基础上给出一种新奇的、但更为稳定的轮动标的筛选机制：对增强策略做一个多元回归，解释变量为相关系数、alpha、beta、超额收益四个先验指标（归一化后），回归结果如下（各指标先做标准化）：

## 
## Call:
## lm(formula = scale(en.act.re) ~ scale(相关系数) + scale(alpha) + 
##     scale(beta) + scale(act.re), data = PRAC_Enhan)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -0.5197 -0.1259 -0.0200  0.1752  0.3080 
## 
## Coefficients:
##                   Estimate Std. Error t value Pr(>|t|)    
## (Intercept)      3.281e-16  5.970e-02   0.000    1.000    
## scale(相关系数) -9.020e-01  1.330e-01  -6.780 8.88e-06 ***
## scale(alpha)     8.590e-02  3.103e-01   0.277    0.786    
## scale(beta)      5.204e-02  8.729e-02   0.596    0.561    
## scale(act.re)    1.330e-01  2.619e-01   0.508    0.620    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2602 on 14 degrees of freedom
## Multiple R-squared:  0.9473, Adjusted R-squared:  0.9323 
## F-statistic: 62.94 on 4 and 14 DF,  p-value: 8.59e-09

公式如下（相关系数的权重依然占绝对主导）：

\[-0.9·相关系数+0.09·RS+0.05·beta+0.13·指数超额收益\]

该回归的调整R方很高（0.93），未来可以大概用这个公式来事先从所涉指数池中优选一些潜在指数。当然由上述回测结果，18只指数中除了2只有负的主动收益，整体均能做增强。公式仅提供一个基金池类似选股的方式（比如剔除掉最后5只），另外，公式参数也需随整体基金池的改变而改变。因此，在轮动标的没有限制的前提下，我们建议进行全行业轮动。