春暖花開前，不如先看看這個策略

前言

我們一直在市場中苦苦尋找聖杯，希望能夠找到長期戰勝市場的投資方法，比如曾經風光無限的小市值的思路，帶給了我們很大的信心，相信市場中是存在長期有效的超額收益的，直到2017年初失效。畢竟沒有什麼是一成不變的，市場在牛熊交替中也是不斷變換風格，想在市場中一勞永逸，可能只是異想天開的韭菜吧。除非是發現了如下的策略方法。

十三年超額收益穩健

在了解如上策略之前，我們先來看下面的策略。

該策略基於財務因子進行選股，從2005年到2018年，13年的時間，累計獲得收益2395.74%的收益，是同期上證指數的20倍左右，年化27%的收益似乎看起來也不是很高，但是該策略卻有著長期較為穩定的超額收益。可以看到，收益圖中黃線代表超額收益，在長達十三年的時間裡都有著平穩上升的超額收益！

這樣的策略距離直接拿來用還是有很多可以提升的地方，比如可以在這個基礎上拿股指期貨進行對沖，或者進行擇時。我們看到策略有接近1的貝塔，熊市時候和大盤一起跌，產生較大的回撤，進行歸因分析後取回撤的區間統計圖示，可以看到和市場本身的熊市一致。因此我們想到，如果策略能夠在熊市保住收益，應該會有更好的表現。

牛市作為，熊市蟄伏

A股市場里個股與大盤的相關性很高，針對前面提到的選擇精準的進場出場時間，規避熊市回撤較大的問題，我們想到可以藉助近來表現不錯的RSRS，支持阻力相對強弱指標進行大盤擇時。

RSRS，阻力支撐相對強度指標（ResistanceSupport Relative Strength，簡稱RSRS），出自光大證券的一篇技術擇時系列的研究報告，其思路就是，以每天最高最低價格替代傳統技術分析中的支持阻力，以最高價最低價變化的相對強弱替代支撐阻力具體價格閾值。下面是其思路的一些說明，具體也可參考研報和量化課堂RSRS的介紹內容。

• 用最低價每變動 1的時候，最高價變動的幅度來衡量支持阻力的強弱
• 拿同時間段最高價、最低價的序列，進行回歸，模型的beta 值就是所需要的斜率，即衡量支持阻力的具體指標

import statsmodels.api as sm
import matplotlib.pyplot as plt
#step1 獲取數據的高低點
security = 000001.XSHG
prices = get_price(security, 2005-01-05, 2010-01-01, 1d, [high, low])
highs = prices.high
lows = prices.low
#step2 計算斜率，進行記錄
long = 18
beta_list = []
for i in range(long,len(highs)):
y = highs[i-long:i]
x = lows[i-long:i]
X = sm.add_constant(x)
model = sm.OLS(y,X)
results = model.fit()
beta_list.append(results.params[1])
plt.hist(beta_list,bins=50)


拿斜率進行閾值設置的話其波動較大，效果不佳，這裡直接採用研報中將斜率值進行標準化（標準分的形式，如上圖所示），且考慮擬合效果在內，將標準分進行決定係數(回歸結果里的R方值)加權，效果如下圖所示，最後我們直接採用效果顯著的右偏標準分，右側標準分決定抄底買入時機。

下圖是RSRS擇時效果展示，基準為滬深300指數，交易標的同為滬深300指數，自2010至今的回測效果圖展示，8年時間，最大回撤僅為17.7%，我們可以看到空倉時機，與大盤頂底基本吻合，簡直是逃頂抓底的神器。下圖展示就是應用在交易自身標的策略中的收益情況。

完美合璧，1+1>2

按如上思路，我們把開篇提到的有超額收益的策略，與這個RSRS大盤擇時方法結合，就得到了這次所要分享的策略，通過RSRS指標的精準擇時，在熊市中能夠保住收益，在非熊市時能夠獲得市場收益和策略的超額收益。我們通過在研究中調用策略回測結果，在同一時間範圍內，分別展示了開篇提到的有超額收益的策略收益、RSRS擇時策略收益、前兩者結合的策略收益、基準收益的四條收益曲線，收益結果如下所示。

近5年里，單純策略的收益為146.50%（價值策略）、RSRS擇時策略的收益為178.84%（風險策略）、前兩者結合的策略收益為353.85%（綜合策略），將價值選股思路與RSRS擇時思路結合之後得到了1+1>2的效果！

由於策略里需要統計近5年的樣本數據，數據最早是2005年，這裡將綜合策略從2010年開始進行了回測，策略獲得了年化近30%的收益，夏普率達到1.4，回撤控制在20%以內，近八年回測結果如下。

策略持倉10隻股票，八年時間交易1400次交易，一年約20次調倉，風險超過閾值全部清倉，單只股票歷史最高倉位佔比不超過14%，策略非個別股票貢獻大部分收益，持倉收益貢獻最大的10隻股票如下。

Brinson歸因分析收益分解，超額收益、主動配置為策略貢獻幾乎全部收益。

總結

策略通過將長期擁有超額收益的財務因子策略作為選股，與大盤擇時方法RSRS相結合，保證了策略近30%的年化收益，規避了熊市風險，使得策略表現不俗，在2017年大量策略失效的時候依然能夠戰勝市場，穩定盈利。感興趣的朋友們可以進一步對參數敏感度以及斜率處理部分進行更細緻的處理，亦或參考以RSRS擇時加超額收益選股的思路進行更多的探索。