【专题报告】铢累寸积，朝乾夕惕-——2021年量化策略总结

2021 年注定是不平凡的一年，全球疫情反复、经济高低起伏，昔日 地产、医药、白酒 被轮番卖出，以 电动车、光伏、风电 为代表的新能源成功接棒，风格切换明显。市场表现也令人难忘，结构性行情突出， 三大指数历史首次共同实现年K线三连阳 ，而市场也创下不少新纪录：

纪录一：2021年上证指数上涨4.8%，深证成指上涨2.67%，创业板指上涨12.02%， 三大指数首次年K线三连阳，深证成指首次年K线三连阳。

纪录二： A股成交额创历史新高 ，2021年全年A股成交257.18万亿，超2015年的253.30万亿。

纪录三： 日线级别成交额连续破万亿 ，在7月-9月期间，沪深两市连续49个交易日成交额破万亿，而2015年只有43个连续交易日破万亿。

纪录四： 北向资金全年净流入A股创新高 ，2021年累积净流入4321.7亿元。

纪录五： 退市股票数量创历史新高 。2021年共有74只股票被ST，17家上市公司从A股退市。

纪录六： 千亿大象股数量创新高 ，截止2021年底，共有162家上市公司超千亿市值，比2020年底增加30家。

站在 2022 年开年，我们本篇报告将回顾 2021 年华创金工择时、行业轮动、选股等策略表现，并给出 2022 年最新模型结果。

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。

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 2005 年 1 月 4 日以来至 2021 年 12 月 31 日，年化收益 13.46% ，最大回撤 15.05% ，胜率 65% ，盈亏比 1.88 ，夏普比率 0.863 ，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异。

价量共振 V3 模型在上证指数上自今年 2021 年 1 月至 2021 年 12 月 31 日的绝对收益为 -2.22% ，最大回撤 9.18% 。

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2月9日以来至2021年12月31日，年化收益7.53%，最大回撤12.57%，胜率68.4%，盈亏比1.01，夏普比率0.541， 平均每年交易15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2021年1月至2021年12月31日的绝对收益为1.15%，最大回撤4.7%，而上证50指数今年以来收益为-10.13%，最大回撤-23.73%，模型表现大幅超过基准指数，表现非常优异。

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。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 2021 年 12 月 31 日，年化收益 13.77% ，最大回撤 13.52% ，胜率 62.1% ，盈亏比 2.27 ，夏普比率 0.921 ，平均每年交易 5.5 次，平均多头持有周期 15 个交易日， 策略表现大幅超越沪深 300 指数本身，表现非常优秀。

推波助澜 V3 模型 自今年 2021 年 1 月至 2021 年 12 月 31 日的绝对收益为 5.35% ，最大回撤 6.57% ，而沪深 300 指数今年以来收益为 -6.21% ，最大回撤 -18.19% ，模型表现大幅超过基准指数，因此模型的表现相比基准较为优异。

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 2021 年 12 月 31 日，年化收益 8.17% ，最大回撤 16.73% ，胜率 94.1% ，盈亏比 30.86 ，夏普比率 0.620 ，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。

月历效应模型自今年 2021 年 1 月至 2021 年 12 月 31 日在中证 500 指数上的绝对收益为 1.65% ，最大回撤 5.06% 。

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 06 月 02 日以来至 2021 年 12 月 31 日，年化收益 10.70% ，最大回撤 42.44% ，胜率 68.8% ，盈亏比 2.59 ，夏普比率 0.465 ，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 2021 年 1 月至 2021 年 12 月 31 日的绝对收益为 11.02% ，最大回撤 9.12% 。

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 02 月 09 日以来至 2021 年 12 月 31 日，年化收益 47.57% ，最大回撤 15.65% ，胜率 59.5% ，盈亏比 2.14 ，夏普比率 1.742 ，平均每年交易 34.5 次，平均多头持有周期 7 个交易日，平均空头持有周期 7 个交易日。

综合兵器 V3 在沪深 300 指数上自今年 2021 年 1 月至 2021 年 12 月 31 日绝对收益为 -0.14% ，最大回撤 15.65% 。

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 2014 年 01 月 02 日以来至 2021 年 12 月 31 日， 年化收益 58.52% ，最大回撤 14.79% ，胜率 60.99% ，盈亏比 2.855 ，夏普比率 2.345 ，平均每年交易 27.8 次，平均多头持有周期 7.4 个交易日，平均空头持有周期 6.6 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 2021 年 1 月至 2021 年 12 月 31 日绝对收益为 29.22 % ，最大回撤 8.44 % ，择时收益非常优异。

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 2014 年 01 月 02 日以来至 2021 年 12 月 31 日，年化收益 81.22% ，最大回撤 15.8% ，胜率 66.67% ，盈亏比 3.336 ，夏普比率 2.919 ，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 2021 年 1 月至 2021 年 12 月 31 日绝对收益为 28.69% ，最大回撤 7.02% ，择时收益非常优秀。

从择时收益上讲， 2021 年短期模型中的价量共振模型表现欠佳，拖累综合兵器模型。究其原因，主要是价量共振模型主要依赖市场的价能与量能配合对市场进行判断，在 2019 与 2020 年表现不俗，但 2021 年成交额连续破万亿，导致原有价量逻辑被打破，市场涨跌不再与价量配合逻辑相关，策略遭遇回撤。而全新的智能算法模型恰好在 2021 年脱颖而出，也弥补了短期价量共振模型失效的信号空缺。

最新择时信号：

短期：价量共振模型无宽基看多，低波之刃模型不看多， 300 智能算法模型看多， 500 智能算法模型看多。

中期：推波助澜模型不看多。

长期：大部分宽基看多。

综合：综合兵器 V3 模型看空。

择时信号角度，短期无宽基看多，中期模型无看多，长期大部分指数看多，综合信号看空，智能算法 300 与 500 看多， 市场信号层面依旧较为乐观，我们认为市场或继续在震荡中上涨。

2021 年行业轮动如火如荼，行业板块分化严重。上半年抱团赛道医药、食品饮料瓦解，新能源赛道成为新生力量。有涨幅翻倍的锂材料、光伏、有色等成长周期行业，也有跌幅超 10% 的房地产、家电、非银金融、消费者服务等行业。如何在如此快速的行业轮动中获取选择赛道的收益，就成为了重要研究问题。

如果分月份来看行业收益率的话：

由上图可知， 2021 年行业确实轮动较为快速，很少出现一个行业连续上涨 1 个季度的情况。

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。

William F. Sharpe 在其资产因子模型中提出收益分解法，将基金收益分解到大中小盘价值成长及债券中，并利用二次规划得到基金在各风格上的近似比例，其数学模型如下：

其中 R t 代表基金 t 期收益率， x i ， t 代表风格或资产 i 在 t 期的收益率，回归系数δ i 代表基金在各风格或资产上的近似配置比例，ε i 为残差项，这一模型本质仍旧是多元线性回归，只不过资产权重受到限制，从而转化为一个二次规划问题。

我们沿袭这一思路，将基金收益分解至中信一级行业，从而得到单支基金在各行业上的近似比例，由于债券及货基的波动远小于行业指数，且出于对自变量个数的考量，不添加对应项，而是将行业回归系数之和约束在[0,1]的范围内，即 。

然后，将当期的平均行业持仓比例减去全市场的行业市值占比 × 平均总仓位，得到超配 / 低配比例，这一步处理的主要目的是为了 去除行业价格动量对仓位的影响 ，我们尝试得到更为纯粹的仓位动量，考察单个因子对行业轮动模型的作用。

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（具体处理方法如图表 12 所示），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。

截止2021年12月31日，季度行业轮动模型的净值如下：

净值统计结果：

换手率如下：

经过测算，基于基金仓位测算的行业轮动策略年化可以获得 21.56% 的绝对收益，相对等权一级行业超额年化 10.31% 。

行业轮动模型分年度表现：

基于基金仓位信号，我们计算的最新行业仓位超低配历史占比最新得分为：

基于以上分析：2022年一季度我们看好：电力设备及新能源、国防军工、房地产。

大师系列作为最为经典的量化选股策略，在我们之前的研究中就有了很多的积累，我们网站中一共监控了33个大师系列的策略。其中，价值型大师策略共19篇，成长型大师策略共6篇，综合型大师策略共8篇。

通过大师策略，我们能发现目前收益靠前的组合暴露的因子，以及如果需要暴露某些因子的话，应该设置什么样的标准。下图为大师系列在华创量化平台上的监控结果，http://service.hcquant.com/production/master.php 。

跟踪发现， 2021 年以来收益最好的大师策略为 “ 惠特尼·乔治小型价值股投资法 ” 与 “ 福斯特佛莱斯积极成长选股策略 ” ， 今年以来的收益分别为44.59%、41.2% 。另外，排名前十的大师策略中成长型大师共 1 个，价值型大师共 5 个，综合型大师 4个。

对比发现截止目前，今年综合型与价值型的大师策略表现较好，今年收益最高的 TOP10 大师中的三个大类的数量非常接近。其中， “ 惠特尼 · 乔治小型价值股投资法 ” 、 “ 福斯特佛莱斯积极成长选股策略 ” 策略在今年表现最好，因此下面我们对其选股方法进行整理。

惠特尼·乔治是华尔街著名的投资基金经理。由于钟情于小盘股且业绩表现突出，乔治在2011年 1 月被《财智月刊》评为美国小盘股基金“最佳基金经理”。惠特尼·乔治小型价值股投资法从股票风格、公司运营状况和市场估值水平三个方面进行选股，关注公司的负债水平、自由现金流、总资产报酬率和资本报酬率。经过量化后的惠特尼乔治小型价值股投资法则非常明确，且均以市场均值作为参考阈值而没有加入过多的主观判断。惠特尼·乔治小型价值股投资法的选股数量较少，且存在长期无持股的情况。在行业上，由于偏好小盘股，所以过去 12 年中对银行、非银、钢铁、采掘、食品饮料、通信 5 个行业没有入选股票，其主要指标如下：

1. 总市值小于全市场平均市值；

2. 产权比率（负债总额与所有者权益总额的比率）小于全市场平均值；

3. 每股企业自由现金流量大于市场平均值；

4. 累计三年总资产报酬率大于市场平均值；

5. 累计三年投入资本回报率大于市场平均值；

6. 最近四季度市盈率小于市场平均值；

7. 最近一季度市净率小于市场平均值；

8. 最近四季度市销率小于市场平均值；

历史净值走势

上图可以看出近三年来策略表现非常稳健， 2009 年以来策略年化收益 17.49% ，波动率 27.7% ，最大回撤 55.8% 发生在 2015 年。

福斯特 · 佛莱斯是白兰地基金创始人，他对成长股选择给出了 7 方面要求： 1 、高盈利成长率 2 、高盈利能力 3 、健全的资产负债表 4 、正面的盈利惊喜 5 、高质量的盈利水平 6 、公司正面的内部动力 7 、独立的产业基本面研究。我们根据其投资思想，以及结合中国市场的实际情况，我们选取 6 方面的因子，来实现积极成长选股策略，具体标准如下：

1. 预估税前净利成长率 >20% ；

2. 营业利润率 >10% ；

3. 负债比例低 <30% ；

4. 最近一季税前利润 > 预估税前利润；

5. 最近四季主营业务利润占税前利润比率 >80% ；

6. 市盈率 <25

历史净值走势

上图可以看出近两年来策略表现非常稳健，2020年以来策略绝对收益109%，最大回撤32%发生在今年2月份。

威廉·欧奈尔的 CANSLIM 选股法则本质是一个挑选成长性股票的投资策略，其中每个英文字母都代表一个择股的维度。在他的第四版《笑傲股市》中对其每个维度都进行了详细的解释说明，具体说明如下：

C ： Current Quarterly Earnings Per Share

代表当前季度每股收益：越高越好。

A ： Annual Earnings Per Share

代表年度收益增长率：找出增长最为引人注目的股票。

N ： New company, product, service, or management

代表新公司、新产品、新服务、新管理层、股价新高。

S ： Supply and Demand

代表供给与需求：兼顾考虑流通股份的共计数量和需求量。

L ： Leader or Laggard

代表专注于各行业的龙头股。

I ： Institutional Sponsorship

代表机构投资者的支持度：关注主力机构动向。

M ： Market Direction

判断市场走势。

选股标准：

我们 CANSLIM 的 7 个维度的标准，筛选其中可量化的条件，在 A 股市场中设定以下 5 个标准，进行选股：

1. 最近季报的净利润增速≥ 18% 。

2. 五年常续性利益复合成长率≥ 15% 且每年皆为正成长。

3. 近期最高价为最近一年最高价附近。

4. 一年股价相对强弱度 (RPS) ≥ 80 。

5. 十大股东中机构持有家数≥ 6 或外资持股比例≥ 5% 。

历史净值走势

长期跟踪下来， canslim 策略在 A 股非常有效。 2012 年 1 月至 2021 年 9 月 30 日以来 2355 个交易日中，获得正收益的天数为 1266 天，盈利天数占比： 53.75% ，盈利日平均每天盈利 1.26% ，亏损日数 1089 天，亏损天数占比： 46.24% ，亏损日平均每天亏损 1.24% 。

CANSLIM 策略在 2021 年绝对收益 12.8% ，最大回撤 -26.12% ，月胜率 46.12% 。

最新股票池

近年来随着上市公司越来越多， A 股市场的上市公司数据已超过 4000 多 家，即使是大型机构投资者也难以对所有的个股进行深度覆盖。 A 股市场也越来越有效，很多个股在业绩预报快报时提交给市场一份亮眼的业绩预报、快报，市场的关注度突增，资金也会不吝惜短期的冲击成本选择大量涌入。拉长时间周期来看这些个股今年的涨幅也都远超所在行业的基准，故我们将个股的业绩预报、快报数据纳入到原有的选股框架中。

另外，为了更丰富我们的投资框架，我们在原有的三个维度（成长、动量、机构认可度）上增加了一致预期的维度。

历史净值走势

在对原有的 canslim 选股策略进行升级之后， canslim2.0 策略取得更高的结果。 2012 年 01 月 01 日至 2021 年 9 月 30 日， CANSLIM 2.0 策略在此期间年化收益率 29.5% ，基准（中证 500 ）年化收益率 8.5% ，阿尔法 21.2% 。因为是满仓策略，最大回撤较大为 53.2% ，最大回撤发生在 2015 年 6 月 12 日至 2015 年 9 月 17 日。

2012 年 1 月至 2021 年 9 月 30 日以来 2355 个交易日中，获得正收益的天数为 1290 天，盈利天数占比： 54.77% ，盈利日平均每天盈利 1.35% ，亏损日数 1065 天，亏损天数占比： 45.22% ，亏损日平均每天亏损 1.36% 。

CANSLIM2.0 策略在 2021 年绝对收益 47.56%