情绪因子 | 大盘的领先指标：雪球情绪指数完整历史回测

**大盘的领先指标：** **雪球情绪指数完整历史回测**  **前文我们对来源于股吧的情绪指数，通过简单策略以历史股价为基准进行了回测。对于雪球的情绪指数，我们用同样的方法对历史数据进行回测以期能有一些新的发现。** ## 数据筛选条件： * 数据来源：雪球(www\.xueqiu.com)，采集文本包括发帖内容，浏览量，评论量 * 过滤条件：浏览数大于5000，发帖数大于2，评论数大于2 * 用自然语言处理（Natural Language Processing) 量化文本所包含的情绪，按正、负面的程度进行打分，得分即为即情绪指数（范围为0-1） ## 量化策略： * 选股：情绪指数前一天（t-1)排名前10的股票 * 配仓：按照情绪指数加权满仓配额 * 交易：在第一个交易日开盘价买入，收盘价卖出，不考虑交易成本 ## 统计口径： * 以一年250个交易日为年化标准 * 以沪深300指数为整体市场 * 无风险收益率为4% # **2012-2018年结果** ### 1. **累计收益曲线**   β：策略对市场整体风险的贡献度 由表中的最大回撤，波动率以及β系数，可见雪球情绪指数在11-18年的回测中波动率较大，这一点在收益率图上也能得到印证。但最终，在大盘经历15年熊市只能实现年化1.59%收益的情况下，雪球的单因子情绪模型还是实现了总体161.469%的超额收益。 ### 2. **指标分析**  α：主动超额收益 夏普比率：单位整体风险收益 特雷纳比率：单位系统性风险收益 信息比率：单位非系统性风险收益 但对于这8年间的回测也有不及预期的地方，在高风险的情况下，策略没有获得与之相匹配的收益，其夏普比率，信息比率等将风险纳入考量的收益指标均在行业平均水平。导致这个问题的重要原因是，虽然大盘的正收益平均和负收益基本一致，但本策略的正收益平均是低于负收益平均的绝对值的，两种最终都是靠着高于50%的胜率获取到了正的平均交易收益。但为何策略的胜率和平均交易收益只略高于大盘，但最终收益能达到大盘7倍左右。考虑到指标只是平均情况，但并未考虑超额收益出现的时机，而超额收益出现的越早或者早期超额收益幅度越大，期初对本金的增长效应越大，那么在后期正交易收益对他的乘数效应也随之会被放大。  将日收益率以时间为序列，点状分布，以方便通过离散度来更清晰看到大幅度的超额收益出现在哪一时刻。以15-10-23为轴，可以看到，左边的蓝点明显更离散尤其是正值区域，而右边正值区域蓝点则更聚合。之前的问题得到了答案，就是超额收益时间出现的时间较早，从而导致基数更大，收益乘数效应的周期更长，由此我们也做出合理的猜想，整个模型相较于大盘是否在时间序列存在一定的提前性。 ### 3. **领先指标** ###  我们的猜想在收益率曲线上得到了印证，尤其是15年市场经历大幅波动的关键转折时期，由上图我们可以看到情绪因子的收益率曲线比大盘提前5-30天不等。而标注出关键时间点则更为有价值，“蓝”“橙”“黄”四个上涨趋势信号，情绪因子提前了至少10天，为提前低价吸筹留出了充足的时间空间；而“灰”“绿”两个下跌趋势信号则能提前5-6天左右，对于类似于15年6月的快速回调，提前预知逃顶的每一天都弥足珍贵。 ### 4. 额外发现 ### 除了提前预知这个优势外，还有令人值得注意的便是，我们的策略是如何度过18年熊市的。虽然以该策略回测，不管是股吧还是雪球，12-18年还是19-21年，胜率都高于大盘约3%左右，但18年熊市大盘的胜率为46%左右，而策略的胜率为51%，高出大盘约5%左右，所以情绪因子依旧如之前分析，展现出了很好的抗熊能力。 ### **2019-2021年结果** ##### 1. **累计收益曲线**   β：策略对市场整体风险的贡献度 到了19-21年，策略则显得稳定了许多，不仅风险较12-18年有所下降，而且收益也极大地提高了，实现了83.707%的年化收益。同时既在19-20年显示了与大盘很好的相关性，又在21年展现了很好的抗风险能力。 ### **2. 业绩对标**  α：主动超额收益 夏普比率：单位整体风险收益 特雷纳比率：单位系统性风险收益 信息比率：单位非系统性风险收益 同类型比较：夏普比率两倍多。   同收益率比较：选取两年年化同为百分之八十以上基金，其标准差（波动率）为32.33%，策略为28.10%，收益相同情况下策略风险较小，所以单位风险收益也较高。  同风险比较：选股标准差同为28%左右基金，其两年年化为74.42%，夏普比率为其1.5倍左右。  ### **3. 收益分析**  收益放大倍数=平均交易收益/(正收益平均+负收益平均） 我们同样好奇较高的超额收益来源于哪里。由上表可见，19-21年有着较高的正收益平均，尤其是结合上负收益平均，两者之和有将近0.17%的空间，远远高出大盘的0.02%，但最终平均交易收益相较于大盘并没有那么高，按道理胜率也比大盘高，平均交易超额收益应该被进一步放大。于是设计了一个新的指标——收益放大倍数，以量化正负收益差反馈到最终收益上的情况，最终情绪因子的收益放大倍数也的确没有大盘高，也就是策略的正收益平均优势并没有被完全发挥出来。  为了进一步寻找到原因，我们使用了与12-18年同样的分析手段，以20-6-18为轴，可以看到高于6%的超额收益都出现在后半部分，同时后半部分的负收益也很少超过-4%，也就是大幅超额收益主要都集中在了后半段，那么正如前文所述，正交易收益的乘数效应周期减少，其效应也随之会被缩小，导致了收益放大倍数不及预期。这也与其收益曲线反映的信息相吻合，19-20年基本与大盘正相关，21年在熊市中展现出信息价值，获得更多超额收益。 同时我们也得出一个的重要结论，不仅仅超额收益在绝对值上的领先很重要，其出现的早晚也会影响到最终的收益。这也就对应到了情绪因子的两个能力上——择股能力和择时能力，择股能力能选出优质资产，增加超额收益的绝对值，而择时能力则能提前发现市场信号，对冲风险，如果所有超额收益都能在时间序列上向前平移，其带来的效应也是数以倍计的。 最后，为了从实际去证明我们结论的依据，和情绪因子的择股能力，我们展示了四天的选股样本，可以看到，在20-21投资后期，我们的确通过情绪因子选取到了与情绪相匹配，具有巨额涨幅的股票，甚至在一定情况下，当情绪指数从大到小排名，股票涨跌幅也相应的有不完全递减关系。