疫情之外,“专业派”酝酿股市新机会

作者:光大宏观周子彭   张文朗  

要点

短期内市场非常关注疫情对市场的影响。但实际上,疫情之外,历史经验表明2020股市的走势跟专业投资者的行为也紧密相连。我们通过板块收益率的相关性来跟踪领域专业投资者的行为,为资产配置管理者提供一个主动型的配置视角。

在资本市场中,不同投资者具备不同的知识禀赋。一个投资者很难掌握所有行业的专业知识。这导致某领域专业投资者对本领域信息的获取、处理、应用,具有超越其他领域专业投资者的优势。而资产配置的管理者,至少对部分行业信息的获取和处理上存在天然劣势,但若能扬长避短,及时识别和追踪领域专业投资者的行为,则可能有助于优化其配置策略。

在权益市场中,不同行业板块的表现一般会受来自公共和行业两种信号的影响。一般意义上,如果行业信号强于公共信号,该行业的领域专业投资者的行为可能更多取决于个体信号,当行业信号与公共信号相关性较弱时,该板块与大盘表现的相关性就会下降。受避险情绪的影响,与行业负面信号相比,当接收到较强的行业正面信号时,领域专业投资者的行为将更加体现行业信号特征。

领域专业投资者对公共和本行业信号解读的不同,最终体现在板块相关性的差异上。利用这些差异,我们可以构建一个追踪领域专业投资者行为的框架。理论上,在估值和避险情绪的影响下,各板块与大盘收益率相关性从高点向低点滑落的阶段,恰恰从属于指数从低位走向高位的时间段。这为判断大盘和子板块未来表现提供了参考。

计算A股大盘平均相关系数(指各个行业指数与相对应宽基指数收益率间的平均相关系数),我们发现它具有明显3到4年的周期性特征。从2019年末开始,大盘平均相关系数开始下滑,同时当前PE值尚处于2006年以来相对较低位置,这支撑了2020大盘仍具有上行的动力。

根据大盘相关系数以及板块相关系数的波动率,我们可以区分市场情绪处于系统性牛市、熊市,还是结构性牛市、熊市。当前,大盘的相关性下滑,而波动性上行,更符合结构性牛市的特征。

从2019年8月中旬开始,大盘的相关系数开始下滑,这为投资者提供了一个难得的窗口期。从相关系数角度上来讲,2020在板块选择上,根据2019年新拐点以来的下滑幅度排名和下滑趋势,我们推荐关注:有色、食品饮料、餐旅、电子、家电、医药、建材、国防、房地产、传媒。

风险提示:对于相关系数背后所隐含的投资者行为动机仍值得进一步深入研究。板块的相关系数,是宏观以及板块的历史数据共同推动的。板块相关性的短期下滑,存在并非由领域专业投资者情绪推动的可能,需要仔细甄别。本文的推荐板块,仅基于板块相关系数的单一视角,需要结合基本面情况及新信息灵活应用。此外疫情演变可能短期内改变投资者行为逻辑。

A股大盘相关性背后是专业投资者的影子

为了刻画A股整体价格的走势,一些金融机构编制并发布了代表大盘整体价格的指数,比如上证综指、沪深300、万得全A、申万A股等。这些指数在金融市场获得广泛应用。许多投资者正借助于这些大盘指数,努力探寻“战胜”市场的规律。本文通过公共信号与行业信号可能分化的视角,考察各板块指数相关性的特征以追踪专业投资者的行为,希望为资产配置管理者提供一个挖掘大盘及子板块配置机会的分析框架。

相关性拐点有玄机

大盘指数的日度收益率和子板块指数的日度收益率,刻画了A股系统和结构两个维度的收益特性。我们利用大盘和子板块的收益率,计算出大盘与子板块收益率的相关系数。而相关系数演进的背后,体现了投资者特定的行为模式。正确识别大盘和子板块相关系数蕴含的规律,理解这些规律背后的逻辑,可以为我们打开一扇窥探领域专业投资者行为的窗口。

本文将指数的日度收益率定义为指数的当日收盘价对上一交易日收盘价的变化率。而每个交易日的子板块的相关系数,则被定义为该板块的日度收益率在该交易日以及向后回滚249个历史交易日中与大盘指数日度收益率的相关系数。每个交易日的大盘相关系数则被定义为该交易日中大盘各子板块相关系数的算术平均值。

观察中国A股大盘的相关系数序列,我们发现其演进存在着一定的周期特征。图1展示了以中信一级29个板块[1]与万得全A指数计算的大盘相关系数的形态。自2006年有数据以来,中信一级行业板块与大盘的平均相关系数呈现出3至4年的周期波动的特性。自中信一级指数创制以来直到2019年前,有三轮比较明确的相关性高点分别发生在2009年、2012年和2016年。从2019年末开始,中信一级行业板块与万得全A的平均相关性开始从高点0.85向下滑落。现有数据似乎预示着, 2019年末我们又迎来了新一轮大盘相关性从高向低的转变[2]。

事实上,中信一级指数所显示的大盘相关系数的周期波动,并非中信一级板块所独有。图2和图3分别展示了根据万得全A指数与万得二级板块指数计算的板块平均相关系数以及根据申万A股指数与申万一级板块指数计算的板块平均相关系数。在不同指数编制方法下,图2和图3所刻画的股市板块相关性都呈现出了与图1类似的周期特征,并且也都表明自2019年末开始,大盘相关系数开始进入新一轮下滑通道。

我们如此关注A股相关性向下拐点的一个重要原因,在于我们观察到当A股的大盘相关性处于下行通道时,股指处于上行的概率往往较大,而这背后隐藏着鉴别领域专业投资者行为的方式,可能会给我们带来更多投资指引。

指数与相关系数负相关具有穿透性

一方面,板块相关性与宽基指数走势的负相关性体现在全局层面上。图4描绘了通过中信一级板块计算的大盘平均相关系数以及万得全A指数的历史序列。从大盘层级来看,万得全A指数上行的阶段往往伴随着大盘平均相关性下行,两者的相关系数约为-0.4,呈现出一定负相关性。在2007年、2015年和2019年的部分时间里,股指和大盘平均相关性出现过短暂的正相关阶段,不过在后文我们将表明,这种背离存在着一定的经济学含义。

为了更好地展现板块相关系数与全局指数表现的特征关系,结合图1至图3中的大盘指数平均相关系数的转折时间点,我们将中信一级指数编制以来的时间,按照大盘指数平均相关系数下行还是上行,分成4组通道,列于表1。

在全局视角上,我们发现存在两个有意义的特征(图5):第一,从全局上看,宽基指数的区间回报率[4]在板块相关性下行通道区间内表现为正,而在上行通道内表现为负。第二,宽基指数的区间回报率在板块相关性上行通道时的涨幅绝对值一般高于在下行通道时的跌幅绝对值。

另一方面,指数回报率与相关系数的负相关性具有穿透性。即大盘平均相关系数处于下行通道时,各子板块相关系数下滑的比率同该板块的区间收益同样呈反比关系。

图6散点图中的点表示某个板块在下行通道中,其收益率和板块相关系数变动幅度所构建的对应关系,不同颜色的点对应不同的下行通道。图6中,每个下行通道中的板块收益和相关系数变动之间呈现出比较明显的负斜率。这说明在下行通道中,如果某板块的相关系数下滑程度越大,那么该板块的区间收益率往往就越大,指数与相关性的反向关系穿透到子板块层面。

同时也要注意在各个下行通道中,子板块的收益率和相关系数变动率在不同的下行通道中所表现出来的相对位置并不固定(图7)。这说明在大数定律下,尽管大盘收益率和平均相关系数呈负向关系,但是在微观层面上,子板块对大盘相关系数的贡献具有随机性,不存在固定的特征模式,这就为板块择时提供了存在价值。

为了排除指数编制可能带来的偏误,我们利用万得全A的二级板块数据重复绘制了图6和图7。我们发现万得全A二级子板块的穿透特性以及随机性的结论同样稳健,对应的关系作于图8和图9。

那么该如何理解大盘以及子板块指数与板块收益相关指数的负相关性以及穿透性呢?这些特征背后包含着怎样的经济学逻辑?对我们的投资能起到什么样的指引作用呢?我们认为领域专业投资者的行为,在上述特征中扮演了重要的角色。而通过追踪这些特征,可以为不占据信息优势的资产配置管理者及时把握具体板块信号提供指引。

板块相关性与领域专业投资者行为模式

板块的相关性与领域专业投资者的行为模式息息相关。简单的说,当个体板块受到较强的与宏观不一致的正面行业信号冲击时,该领域专业投资者会快速准确地对信号进行处理,推动该板块指数根据板块信号而非宏观信号波动。而当板块信号相对悲观时,在避险情绪和信息不对称下,领域专业投资者的行为往往更依赖宏观指标。正是领域专业投资者对公共和板块信号的不同处理,在宏观上可以表现为板块收益和板块相关性弱反向的关系。认识投资者的行为模式,可以为资产组合管理者提供增量的参考信息。

宏观公共信号和个体板块信号

我们假设投资者具有两个特性:第一,投资者的专业知识禀赋具有差异;第二,投资者是风险厌恶的。这两个基本假设具有一般性,我们不在这里赘述其合理性。

在投资者专业知识禀赋具有差异的前提下,领域专业投资者对公共信号和各专业领域信号的解读能力并不相同。领域专业投资者可以有效地接收和解读公共信号(比如,GDP、CPI等宏观数据)并对此做出反应,但由于专业知识禀赋的差异,专业领域的投资者只对接收和解读本专业的信号更具优势,但对非专业领域信号的接收和解读则相对迟缓和不足。同样如果投资者是风险厌恶的,那么领域专业投资者对于专业板块好和坏的信号的反应也将不是线性的。投资者专业知识禀赋差异和风险厌恶,会造成不同领域专业投资者对相同的外部信号,做出不同的反应。

我们用图10来描述投资者所面临的信息环境。A、B、C分别代表不同的专业板块。投资者通过接收和处理公共以及个体板块两大类信号,来决定自己的投资行为。对于大多数投资者而言,接收公共信号并作出合理解读的壁垒相对较低。但是不同的投资者对于专业板块的信息接收和解读能力却不相同。比如A板块领域投资者,很可能对作用于A板块的宏观和板块领域信号相对敏感、解读的正确率也高,但是对于解读作用于B板块或者C板块的信号影响则相对较弱。

公共信号与板块信号冲击的不同模式

投资者如何处理公共信号和板块信号,是一个极为庞杂的题目,但是从两个特殊情形出发,我们可以比较好地解释中国股市板块性的几个特征,并从中提炼出鉴定领域专业投资者行为的方法。

情形一:较强的公共信号冲击

如果超预期的公共信号冲击显著强于个体板块信号,比如突发的公共卫生事件、经济衰退或者宏观强烈的刺激等,领域专业投资者对板块的判断更多基于同步的信息源,个体的专业知识禀赋作用下降。虽然同样的宏观信号,对不同板块的影响可能有所差异,但从总量上讲,大多数板块的表现对于宏观信号的反应逻辑是一致的。

如果经济体一直处于公共信号强于板块个体信号的状态,我们应该能够观察到大多数子板块的波动完全取决于共同的宏观信号,极端情形下,这就体现为各个子板块收益率与大盘收益率的相关系数都接近于1,并且不同板块的相关系数的方差也较小。此时,大盘指数的波动与大盘板块平均相关系数的关联性比较小。大盘指数上下波动的同时,大盘平均板块相关系数一直处于接近于1的较高位置,如图11 所示。

但是,超预期强烈的宏观信号冲击,在现实世界不会持续存在。超预期的强宏观信号,往往是以短期离散的形式出现。在这种情况下,如果仍然假设较弱的板块信号,那么此时大盘指数的波动与大盘平均板块相关系数的关系可能就如图12所示。公共信号强时,板块相关性高,板块指数走势取决于信号的好坏,而当公共信号弱时,随机扰动下,板块相关系数下滑,板块指数走平。

情形二:正面和负面的板块信号冲击

在现实世界中,公共信号的强冲击虽然时有发生,但发生概率相对较小,个体板块的相关系数和股指的走势往往依赖于个体板块的信号刺激。不考虑任何行为摩擦的情况下,如果一个子板块遭受到较强的与大盘不相关的个体信号冲击,这里既可以是正面的信号也可以是负面的信号,那么该子板块指数走势的波动与大盘指数波动的相关性就会出现下行。

但是从板块信号到子板块指数的传导,是通过领域专业投资者来完成的。这个过程将不可避免地受到投资者行为模式的影响,导致实际板块指数波动情况与无行为摩擦假设下的推论产生差异。但恰恰是这种差异,让我们可以窥探到领域专业投资者的专业判断,并引导我们的投资。

从经济学角度来讲,风险厌恶的投资者会更在意财富的损失,使得财富效用函数显现出凹性,即损失一笔钱给风险厌恶者带来的痛苦大于获得同样一笔钱的愉悦,我们把这个叫做“损失厌恶效应”。

领域专业投资者在对当前板块进行定价时,需要估计行业未来盈利走势的可能性。而“损失厌恶效应”意味着投资者在估计盈利走势时,其实隐含着两步:第一步,先估计未来行业盈利可能的客观概率密度;第二步,对客观概率中不同盈利的概率赋予不同的偏好权重,形成主观概率。投资者对板块进行定价时,依靠的就是主观概率。

“损失厌恶效应”会使投资者对行业盈利出现损失的概率赋予更多的权重,而对出现收益的概率赋予的权重较小。如果领域专业投资者对板块越没信心,投资者主观概率对出现损失时赋予的权重就会越高,信号扰动产生的弹性也就会越大,而如果投资者对板块非常乐观,投资者主观概率对出现损失时赋予的权重就会减小,信号扰动对概率产生的扰动就越小。

如图13所示,“损失厌恶效应”带来的结果就是,当领域专业投资者对本板块很有信心时,投资者主观概率对出现损失时赋予的权重就会越小,宏观信号在此基础上对估值的扰动就会减小;但是当领域专业投资者对本板块非常悲观时,投资者对损失赋予的权重较大,对宏观信号的变动将变得极为敏感。

领域专业投资者心理变动,将导致一旦其对专业板块信号解读偏负面,将会推动该板块指数波动与大盘指数波动(受宏观信号影响)的相关性增加。而当其对行业信号解读偏正面时,领域专业投资者又会推动该板块指数波动与大盘指数波动的相关性减弱。这也就解释了,为什么个体板块相关系数下行时,往往其板块收益率表现较好。

从大盘的角度来看,当大盘的平均相关系数开始下降时,意味着有更多子板块的信号比较偏乐观,领域专业投资者的投资信心开始转强,这往往会同时带动大盘上行。当平均相关性从高点向下滑时直至出现触底反弹之前,大盘的表现可能都有支撑。但是当股市上行达到足够高的阶段,专业投资者对自身板块的乐观信号能否支撑更高的估值开始变得谨慎,此时专业投资者又会开始对宏观数据敏感起来,体现出来的就是大盘的平均相关性低点往往要领先于大盘指数的高点。

同样道理,当大多数领域专业投资者过度悲观(此时专业投资者依然在意公共信号),一旦指数从低位反弹(公共信号略有好转),同时部分领域专业投资者开始乐观,将会带动更多不同板块领域专业投资者变得乐观。这就导致,如果市场转暖信号是真实的,那么平均相关性高点往往就会发生在大盘指数低点之后。

因此在板块投资者情绪以及板块和宏观信号的共同作用下,大盘指数和大盘平均相关性的走势就会遵循类似图14的“不对称”的形态。大盘平均相关性的高点落后于大盘指数的低点,同时平均相关性的低点会领先于大盘指数高点。这种“不对称”性也表明,当板块平均相关系数进入向下拐点通道同时未明显出现上行反转时,大盘的表现会在投资者相对乐观的情绪带动下形成一个相对良好的安全区间。

板块估值对领域专业投资者的影响

股市的估值在投资者决策过程中也扮演相对重要的角色。估值水平越低,越容易孕育领域专业投资者的乐观情绪,也越容易出现板块相关系数下行的现象。而估值较高的时候,领域专业投资者可能更谨慎,也越容易出现板块相关系数上行的现象。

我们将万得全A板块[5]平均相关性下行和上行起始点,以及相对应的P/E历史分位水平下,万得全A在后续3、6、12个月的回报情况进行了统计(表2)。整体上看,板块平均相关性下行的起点对应的万得全A的P/E历史分位数都是相对较低的水平,而上行起点对应的万得全A的P/E历史分位数相对较高。

同时表2也表明,在1到4个季度范围内,平均相关性下行的阶段大盘指数上行的概率高于平均相关性上行的阶段。

结构性还是系统性的判断

市场经常使用“结构性机会”来形容大盘个别子板块收益表现较好,但其他板块表现较弱的情况。我们利用板块相关系数以及不同子板块相关系数的标准差作为分类标准,可以相对客观地定义什么是系统性或者结构性的牛熊市,并且辅助判断未来的股市可能处于什么样的行情。

我们根据大盘的相关性和不同板块相关性的波动性,可以将大盘的表现分成6种状态:系统性牛市,系统性熊市,结构性牛市,结构性熊市,宏观牛,宏观熊。系统性牛熊市是由板块信号导致,其含义与结构性相对应,指的是大多数板块的表现都相对较好。而宏观牛熊市是由宏观公共信号导致,分别对应宏观信号导致的全板块收益的趋好或者趋坏。

根据板块相关性的均值和板块相关性的标准差,有助于我们区分这几种类型(图15)。从大盘的平均相关性出发,如果平均相关性快速上行,同时子板块相关性的标准差快速降低,这往往意味着各个子板块的恐慌程度上行,大盘表现容易受公共信号影响,这通常是系统性熊市的特征,但同时也是宏观牛市和宏观熊市的特征(见图11和图12)。

相反的,如果大盘的平均相关系数处于较低的位置,同时子板块的相关性的标准差也处于较低的位置,这往往意味着各个子板块间的相关性都较弱,即全行业都处于相对乐观的氛围中,此时权益市场很可能呈现出系统性牛市的特征。

如果大盘的平均相关系数处于较低的位置,但是各板块间的分化却又相对较大,体现为各板块相关系数的标准差较大。那就说明大多数行业的专业投资者认为该行业呈现积极信号,但是仍然有部分行业的专业投资者相对悲观,这是结构性牛市的特征。

同样的,如果大盘平均相关系数处于较高的位置,但是子板块的相关系数的标准差处于较高的位置,说明信号非宏观主导,同时大多板块的专业投资者偏悲观,尽管部分板块的专业投资者相对乐观。这可以定义为结构性熊市。

从历史数据来看,满足系统性牛市的时间段少之又少。如图16灰色阴影所示,只有2006年底到2007年初,2014年中至2014年初属于这样的阶段。2007年、2015年和2019年的两块红色区域标注的是宏观牛的时间段,这对我们回溯历史相对有帮助,这也解释了为什么图4中出现相关性上行,股指也上行的阶段[6]。进入2020年,我们正处于相关系数标准差较快上行,板块相关系数平均值从高点回落的阶段,而截止2020年1月底,仍然符合“结构性牛市”的特征。

板块相关性对2020年权益市场的启示

对2020年权益市场怎么看?

中信一级板块指数、万得全A指数以及申万二级板块指数计算的大盘平均相关系数,都表明自2019年8月以来开始进入新一轮的下行通道。按照历史经验,下行通道期一般会持续超过一年。在之前的理论探讨中,我们认为如果宏观没有突发的更为强烈的冲击,那么大盘的平均相关系数仍然继续向下。在没有出现明显的板块相关系数反转之前,这代表了不同专业领域的投资者,对本专业领域的信号解读相对乐观,同时其交易情绪相对积极。

按照图14所代表的经济学逻辑,如果大盘相关系数处于下行通道中,那么大盘指数上行就会有较高的安全垫。此外,当前以万得全A为代表的PE仍处于2006年以来的均值以下(图17),说明大盘的相对估值的还不算太高。那么2020的大盘指数上行,就有可能继续受到来自领域专业投资者对部分行业判断乐观的支撑。

结构型的还是系统型?

按照图16,当前A股的板块平均相关系数正在下行,这就意味着至少有部分子板块与大盘的相关系数是在下行的。但是子板块收益与大盘收益的相关系数的标准差却处于相对较高的位置(接近0.1),并且还在上行,这就意味着各个子板块与大盘的相关系数的分化相对严重,并非所有板块与大盘的收益相关系数都处于较低的位置。这就表明,尽管较多的子板块专业投资者对本行业的信号和估值的判断较为乐观,但是也有部分专业投资者对板块的判断存在差异,甚至这种差异还相对较大。

根据图15的判定规则,我们认为2020年中国权益市场满足结构性牛市的特征,但是未来的发展仍然取决于宏观和板块信号的推动。

哪些板块表现好的概率更高?

按照前文的分析,当子板块收益与大盘收益的相关关系减弱时,往往意味着专业投资者对该板块的情绪相对比较乐观,该板块指数往往更容易上行。

因此,从板块相关系数的角度去分析时,为了利用领域专业投资者对本专业板块的判断能力,我们更多看重子板块是否具备与大盘相关系数进入下行通道的趋势。

为了判断各板块与大盘相关系数的下行趋势,我们首先将2019年8月9日至2020年1月22日中信一级各子板块的相关系数变动率进行排序,列于图18。我们发现农林牧渔、有色、食品饮料、餐饮旅游、银行、电子、家电等板块与大盘相关系数下降的幅度位于前列。

根据相关系数下滑的幅度,可以帮助寻找专业投资者看好的板块的大致方向。接下来,我们再从这些相关系数下滑幅度大的子板块的相关系数形态上进行分析,希望可以找到领域专业投资者乐观板块的蛛丝马迹。

图19描绘了图18中相关系数变动率下降最大的前12个板块,而其中有两个板块,我们对其未来的演进相对谨慎。首先,是农林牧渔板块。尽管其下滑最大,但截至2020年1月底,其与主板的相关系数已经达到历史的极低值(图19绿色箭头处)。农林牧渔板块持续受到非洲猪瘟的影响,与宏观信号背离的个体信号的冲击具有连续性,这在一定程度上导致了当前农林牧渔板块的低相关系数。这种低相关性能否继续代表领域专业投资者的乐观偏好或者其可持续性,我们需谨慎观察。

另一个是银行板块。虽然它与大盘的收益相关系数下滑幅度也较大,但是短期却出现了触底回弹的态势(图19红色箭头处),因此我们倾向于认为该领域专业投资者的乐观情绪可能边际减弱,对银行板块的未来走势仍需进一步观察。

而其它与大盘相关系数下滑幅度相对靠前的板块,表现得则相对符合逻辑预期。在此基础上,我们根据相关系数下滑幅度代表了该领域专业投资者乐观情绪的角度,推荐重点关注前十大板块(按照顺序)包括:有色、食品饮料、餐旅、电子、家电、医药、建材、国防、房地产、传媒。

当然子板块与大盘指数收益率相关性系数的演进是持续的,需要密切关注未来的数据变动,领域专业投资者的行为也会发生动态调整。

风险提示

对于领域专业投资者的行为研究刚刚起步,对于相关系数背后所隐含的专业投资者的行为动机以及子板块领域信号的研究值得进一步深入。但我们也要知道板块的相关系数,是宏观以及板块的历史数据共同推动的,反应的是领域专业投资者对现有信息的处理,不能排除未来会出现超过领域专业投资者预期的事件或其他微观或宏观变量,对我们推荐的板块收益产生影响。此外,疫情的演变可能短期内改变投资者行为逻辑。

[1]该指数在2020年扩展成30个子板块,出于数据的可回溯性,我们仍然沿用老的编制口径。

[2]该数据尚未包括非典型冠状病毒疫情所引发的冲击。

[3]由于中信一级指数数据不够,该时间点选自Wind全A与申万指数的对应拐点。

[4]定义为该通道区间末的指数收盘价与区间初指数收盘价的百分比例减1。

[5]由于中信一级板块缺少2005年板块相关性数据,故使用万得全A数据。

[6]对于群体性恐慌或者乐观,更倾向于认为是宏观信号冲击。

*声明:文章为作者独立观点,不代表格隆汇立场

相关阅读

评论