Workflow
如何基于个股股价跳跃行为做择时?
招商证券·2025-06-03 23:36

量化模型与构建方式 1. 跳跃不平衡指标模型 1.1 模型名称:跳跃不平衡指标模型 模型构建思路:通过识别个股股价跳跃行为,构建衡量股票价格向上跳跃与向下跳跃力量差的指标,用于指数择时[1][2] 模型具体构建过程: 1. 使用Jiang and Oomen(2008)的跳跃统计量识别股价跳跃: JS=NV^(0,1)Ω^SW(1RVNSWVN)N(0,1)JS=N\frac{\hat{V}_{(0,1)}}{\sqrt{\hat{\Omega}_{SW}}}(1-\frac{RV_{N}}{SWV_{N}})\sim N(0,1) RVN=k=1Nrk2  ;  SWN=2k=1N(Rkrk)RV_{N}=\sum_{k=1}^{N}r_{k}^{2}\;;\;SW_{N}=2\sum_{k=1}^{N}(R_{k}-r_{k}) V^(0,1)=1μ12k=1N1rk+1rk\hat{V}_{(0,1)}=\frac{1}{\mu_{1}^{2}}\sum_{k=1}^{N-1}|r_{k+1}||r_{k}| μp=2p/2Γ(p+12)/π\mu_{p}=2^{p/2}\,\Gamma\left(\frac{p+1}{2}\right)/\sqrt{\pi}[9] 2. 构建三种跳跃不平衡指标: - 跳跃不平衡指标: Di,tNJ=No.of Pjumpsid\- No.of NjumpsidNo.of TjumpsidD_{i,t}^{N J}=\frac{\mathrm{No.of~Pjumps}_{i}^{d}\mathrm{\-~No.of~Njumps}_{i}^{d}}{\mathrm{No.of~Tjumps}_{i}^{d}} - 跳跃数量不平衡指标: JDi,tNJ=No.of Pjumpsi No.of NjumpsiNo.of TjumpsiJ D_{i,t}^{N J}={\frac{\mathrm{No.of~Pjumps}_{i}\,\mathrm{-~No.of~Njumps}_{i}}{\mathrm{No.of~Tjumps}_{i}}} - 跳跃幅度不平衡指标: JRi,tNJ=R.of Pijumpsi  R.of NjumpsiR.of TijumpsiJ R_{i,t}^{N J}={\frac{\mathrm{R.of~Pijumps}_{i}\ -\ R.\mathrm{of~Njumps}_{i}}{R.\mathrm{of~Tijumps}_{i}}}[15] 3. 计算指数层面跳跃不平衡指标变化值∆D、∆JD和∆JR[16] 模型评价:跳跃不平衡指标对指数未来收益有一定预测能力,但解释能力不算高[17] 1.2 模型名称:隐含/暴露跳跃不平衡指标模型 模型构建思路:将个股跳跃分为受市场跳跃影响的暴露跳跃和不受市场跳跃影响的隐含跳跃,分别构建不平衡指标[23] 模型具体构建过程: 1. 暴露跳跃不平衡指标: Di,tEJ=No.of PjumpsiMarket Jump-No.of NjumpsiMarket JumpNo.of TjumpsiMarket JumpD_{i,t}^{EJ}=\frac{\text{No.of Pjumps}_{i}|\text{Market Jump-No.of Njumps}_{i}|\text{Market Jump}}{\text{No.of Tjumps}_{i}|\text{Market Jump}} 2. 隐含跳跃不平衡指标: Di,tIJ=No.of PumpsiNo Market Jump-No.of NumpsiNo Market JumpNo.of TumpsiNo Market JumpD_{i,t}^{IJ}=\frac{\text{No.of Pumps}_{i}|\text{No Market Jump-No.of Numps}_{i}|\text{No Market Jump}}{\text{No.of Tumps}_{i}|\text{No Market Jump}} 3. 同样构建数量不平衡和幅度不平衡指标[27] 4. 计算指数层面指标变化值∆D、∆JD和∆JR[28] 模型评价: - 隐含跳跃不平衡指标与未来指数收益正相关,可能反映市场参与者预期 - 暴露跳跃不平衡指标与未来指数收益负相关,可能反映市场情绪过热[28] 1.3 模型名称:跳跃不平衡离散度指标模型 模型构建思路:通过个股隐含跳跃不平衡指标的标准差衡量市场跳跃不平衡离散度,反映市场情绪分化程度[38] 模型具体构建过程: 1. 计算个股当月的隐含跳跃不平衡指标标准差_ 2. 计算变化值∆_ 3. 当离散度收敛(∆_<0)时看多市场[39] 模型评价:离散度指标能有效反映市场情绪分化程度,对指数择时有较好效果[39] 1.4 模型名称:复合指标择时模型 模型构建思路:结合隐含跳跃幅度不平衡指标和跳跃不平衡离散度指标构建复合择时模型[42] 模型具体构建过程: 1. 当∆JR>0且∆JR_Std<0时持有上证指数 2. 当∆JR<0且∆JR_Std>0时空仓 3. 其他情况空仓[42] 模型评价:复合指标择时效果显著优于单一指标[42] 2. 成长-价值风格轮动模型 2.1 模型名称:国证成长指数择时模型 模型构建思路:将跳跃不平衡指标应用于国证成长指数择时[51] 模型具体构建过程: 1. 识别国证成长指数股价跳跃 2. 计算成分股隐含跳跃收益等权平均 3. 根据隐含跳跃收益变化值∆JR判断持仓[51] 2.2 模型名称:成长-价值风格轮动模型 模型构建思路:基于国证成长指数隐含跳跃收益变化构建成长-价值风格轮动策略[55] 模型具体构建过程: 1. 当国证成长指数隐含跳跃收益增加超过阈值时持有国证成长指数 2. 当隐含跳跃收益减少超过阈值时空仓 3. 其他情况半仓持有国证价值指数[55] 模型的回测效果 1. 跳跃不平衡指标模型 - ∆JD_NJ模型:年化收益6.23%,夏普比0.57,盈亏比1.46,年化超额4.48%[20] - ∆JR_IJ模型:年化收益9.93%,夏普比0.82,卡玛比0.75,盈亏比2.05,年化超额8.46%[32] - ∆JR_Std_IJ模型:年化收益9.41%,夏普比0.74,卡玛比0.70,盈亏比1.50,年化超额7.91%[39] - 复合指标模型:年化收益16.5%,夏普比1.28,卡玛比2.41,年化超额15.49%[45] 2. 上证综指ETF择时策略 - 年化收益12.10%,夏普比0.89,卡玛比1.49,年化超额9.78%,最大回撤6.32%[47] 3. 国证成长指数择时 - 正向策略:年化收益12.94%,夏普比0.75,卡玛比0.69,盈亏比1.43[54] - 负向策略:年化收益-9.92%,盈亏比1.36[54] 4. 成长-价值风格轮动 - 年化收益11.34%,夏普比0.64,卡玛比0.77,年化超额10.53%[62]