华宝证券研究报告 分析师 / 张青 研究助理 / 李亭函

　　摘要

　　大类资产配置的本质是对各类资产的预期收益与风险的配置，其中预期收益居于主导地位。生成资产的预期收益，必然涉及到对未来资产走势的看法，这实际上是一个资产的择时问题，因此，从一定意义上讲，资产配置策略是否有效，很大程度取决于择时策略是否有效。

　　从择时信号发出频率的角度看，择时系统可划分为两类，其中常用的一个是连续性择时系统，即一个系统在任何时刻均会对资产的未来走势作出看涨看跌的判断，典型性如均线择时系统，当股价上穿某一均线时则看多市场，下穿均线可看空市场，再如采用基本面指标工业增加值同比增速构建择时系统，可通过一定规则划分工业增加值同比增速的上升下降状态，当指标处于上升状态时，预示经济基本面转好，此时看多股市；反之当择时处于下降状态时，预示经济基本面恶化，此时看空股市。可见，连续性择时的最大好处是该择时系统在任何时候均会发出明确的看涨看跌信号，从而可用于构建多维度指标，即把某一连续性择时系统作为多指标综合打分系统中的一项，通过对指标的赋权打分生成最终择时观点，或者把账户资金按一定比例分配至某一连续性择时系统，通过多策略实现仓位的动态管理。

　　不过，连续性择时系统也存在较大缺陷，一是指标的胜率可能不高，多数连续性择时系统长期盈利的关键在于盈亏比较高，如均线择时，但胜率可能不足50％，这种低胜率的择时系统在实际运用中需要投资者承受较大心理压力；二是连续性择时系统一旦失效对资产的配置权重影响较大，例如，经济运行的上升下降在逻辑上对股市涨跌的影响较大，且长期是有效的，但2014年牛市行情却与经济涨跌没有较大关联，行情本质源于无风险利率下行的驱动，倘若当时把工业增加值同比增速上升下跌状态作为一个择时系统，并分配一定比例的资金进行运作，实际上会导致投资者在权益资产仓位配置上始终无法达到上限，这实际上会造成部分错失牛市行情。

　　不同于连续性择时，事件驱动择时并不要求择时系统在任何时候都发出看涨看跌信号，仅当某一特定事件出现时该指标才有意义，典型性如市场估值，只有当市场估值水平处于极低或极高水平时，估值对未来市场涨跌才有预示意义，当处于正常估值水平时，并不是市场影响的核心要素；一些传统技术分析领域的形态识别，如W底、M头、Macd背离等形态，实际上也可以划为事件驱动策略的范畴，因为这类市场形态的胜率较高，但不是任何时刻都能出现这些形态，无法将其单独做一个维度，用于指标赋权打分构建多指标连续性择时系统。

　　可见，事件驱动择时的优点在于该类择时信号出现后对未来市场研判的胜率较高，是一个高胜率策略，但事件驱动择时系统发出的信号频率偏低，不能将其作为主择时策略，或者不能将其单独作为一个择时维度用于赋权打分构建多维度择时系统，但事件驱动择时可用于对资产配置权重在一定幅度内的动态调节。例如，假定连续性择时系统建议某资产配置权重为60％，倘若此时有多个事件驱动择时指标发出看多信号，实际上就可以在60％的权重基础上向上调整一部分仓位作为最终配置权重；倘若此时有多个事件驱动择时指标发出看空信号，就可以在60％仓位配置基础上向下调整部分仓位作为最终配置权重——这即为连续性择时与事件驱动择时两类系统的融合。

　　本文主要从三个维度构建事件驱动策略，包括宏观事件驱动、资金与情绪面事件驱动以及具有重要顶底预测意义的技术形态挖掘。测试标的考虑五类资产，包括A股、港股、美股、债券以及黄金，分别采用沪深300指数、恒生指数、标普500指数、中债总净值指数以及黄金现货指数作为代表。其中宏观事件驱动指标测试标的资产限定为A股、债券以及黄金，资金与情绪事件驱动指标测试标的设定为A股，技术指标测试标的涵盖A股、港股、美股、债券以及黄金。

　　传统事件驱动测试框架为当某信号出现后，统计未来N日该资产的收益率，这一方法较为简单明了，但在实践运用中可能存在的问题是：倘若某一多头信号出现后，可能该资产的走势是先大幅下跌，然后走出V形反转走势，实践操作中，投资者往往会对择时系统设定一定止损位，虽然该资产最终录得较高涨幅，但很有可能在大幅上涨之前已经触发了止损信号而离场出局。为克服N日涨跌幅统计方法存在的问题，我们改用其他方法：首先设定资产上涨或下跌百分比阈值，本文中我们将高风险资产（A股、港股、美股以及黄金）设定为10％，债券资产设定为1％。接下来，当触发事件驱动信号时，开始记录资产累计涨跌幅，只要触发上行或下行百分比阈值，则结束本次统计（值得注意的是，当该次信号处于统计期间时，倘若期间触发新的信号，我们不把新信号计入新的统计，这样的好处在于更贴近真实操作，因为在真实操作中，一旦处于满仓状态，期间再度发出买入信号也无法买入，从而该买入信号是无意义的，而一旦处于空仓状态，期间再发出卖出信号也是无意义的，因为已无仓位可卖）。最后，我们把历次事件驱动交易触发上行或下行阈值的比例作为主要测评指标，并计算历次事件驱动交易持仓时间的均值，作为辅助测评参考指标。

　　本文框架如下：前三部分是从不同维度对事件驱动指标有效性的测试。在筛选出有效指标后，第四部分将事件驱动择时与连续性择时系统相融合，并运用于大类资产配置模型，以测试融入事件驱动择时策略后，是否对原有以趋势跟踪为主择时系统的大类资产配置模型的绩效有所提升。

　　正文

　　1. 宏观事件驱动指标构建与测试

　　“股市是经济运行的晴雨表”，这预示着当宏观基本面指标在一些特殊时点发生显著变化时，可能会对资产价格走势产生实质性影响。从逻辑上看，当宏观经济指标出现某些长期拐点时，应是对资产价格影响最显著的时候。以工业增加值增速为例，当工业增加值增速经历长期下行后开始拐头向上时，意味着经济的止跌企稳，此时对投资者信心的提振应是最大的，故对股市的正面影响也最大，即使后续工业增加值增速依旧保持上行态势，但其对股市正面影响的作用力度由于边际效应的存在，可能会逐步递减。

　　根据上述分析，我们对宏观指标定义两类事件：一是长期下行后开始拐头向上，用量化术语描述为：测试指标创N期（月、季，根据指标发布频率而定）新低后，最近3期中有2期创M期新高；二是长期上行后开始拐头向下，用量化术语描述为：测试指标创N期（月、季，根据指标发布频率而定）新低后，最近3期中有2期创M期新高，以此寻找对大类资产具有影响的宏观事件指标。测试时间设定为2003年1月1日至2017年12月31日。由于美股基本面指标我们尚未做跟踪，而港股作为一个离岸市场，香港区域自身基本面变化对港股市场影响并不大，我们也不对其进行测试，故我们仅测试A股、债券与黄金。

　　我们从经济增长、通货膨胀以及流动性三个维度选取指标，其中经济增长指标主要选取衡量整个经济变化的GDP季度同比增速，衡量工业生产变化的工业增加值当月同比增速以及发电量当月同比增速，衡量投资状况的固定资产投资完成额累计同比增速，以及衡量经济景气度的PMI、消费者信心指数与OECD综合领先指标（中国）；通胀指标主要选取CPI月度同比增速与PPI月度同比增速；流动性主要从量价两个角度选取指标，量的角度选取M1同比增速、M2同比增速、M1与M2同比增速差以及金融机构各项贷款余额月度同比增速作为代表，价格角度选取中债国债1年期以及10年期到期收益率作为代表。宏观数据的处理需要注意其更新的频率与数据的延迟性，我们对其进行归纳，如下表所示：

　　对于月频及季频指标，我们于指标发布日对应的当月最后一个交易日收盘后进行测试；对于周频指标，我们于每周最后一个交易日收盘后进行测试；对于日频指标，我们于每日收盘后进行测试。

　　1.1. 宏观经济运行指标测试

　　经测试，我们发现GDP同比增速、发电量同比增速、消费者信息指数以及OECD综合领先指标的预测意义较强。

　　GDP的变动对资产价格有显著影响。对于A股，我们发现当GDP出现上行拐点时，3次中2次有上涨，且涨幅超过10％；当GDP出现下行拐点时，3次中有2次是下跌的，且跌幅超过10％，这说明当GDP的重大拐点出现时，对A股有较为明显的正向预测意义，即GDP上行拐点预示着A股上涨，下行拐点预示着A股下跌。对于黄金资产，GDP对其的预测意义与A股一致，即上行拐点预示黄金上涨，下行拐点预示黄金下跌，其背后逻辑我们认为可能与黄金的商品属性有关。对于债券资产，我们发现当GDP出现下行拐点时，历史上出现的3次情形均指向债券价格下跌，而这本身也是符合经济逻辑的；此外我们还发现，当GDP长期下行后拐头向上时，测试结果显示债券价格上涨占比也偏大，但显然这是不符合经济逻辑的，可能跟统计样本有关，对于债券的这一事件驱动信号，我们将其剔除。

　　从工业生产的角度，我们选取了工业增加值当月同比和发电量当月同比指标作为代表，可以反映工业生产的实际状况，我们发现其在1、2月份会因为春节因素导致数据的跳跃，因此1月份数据沿用12月份数据，2月份采用累计同比作为替换。其中发电量当月同比指标效果更好。

　　测试结果表明，当发电量长期下跌后上涨，A股触发上行阈值的比例达到100％，债券价格触发上行阈值的比例为66.7％，这意味着当发电量长期下跌后出现上行拐点时，投资者对权益资产态度开始转向乐观，避险情绪回落，从而股票价格上涨，债券价格下跌。当发电量呈现长期上涨后下跌即出现下行拐点时，A股和债券触发上行下行阈值的比例均为50％，并不显著，而对于黄金资产，无论是发电量增速呈现上行还是下行拐点，均统计为黄金价格上涨，这说明该指标的变化对黄金价格走势的预测意义不强。综上，我们认为发电量同比增速出现长期下跌后上涨信号是有意义的，预示未来A股未来上涨概率较大而债券下跌概率较大。

　　从经济景气度的角度，我们选取PMI、消费者信心指数以及OECD综合领先指标（中国）进行测试，其中消费者信心指数和OECD综合领先指标（中国）测试结果较好。

　　对于消费者信心指数，测试结果表明：A股资产方面，当消费者信心指数出现长期下跌后开始拐头向上信号时，A股未来上涨的可能性较大，触发上行阈值的百分比达到66.7％；相应的，当消费者信心指数出现长期上涨后开始拐头向下信号时，A股未来下跌的可能性较大，触发下行阈值百分比达到100％。这表明消费者信心指数出现重大拐点时，对A股走势有较强的预测意义，因为消费者信心指数衡量了投资者对未来经济增长的预期，指数上行意味着对未来经济增长以及企业盈利改善预期乐观，从而利于股市上行，反之则利于股市下跌。债券资产方面，当消费者信心指数出现长期下跌后开始拐头向上信号时，未来下跌的可能性较大，触发下行阈值百分比达到100％；当该指标出现长期上涨后拐头向下信号时，经济逻辑上看此时债券上涨概率较大，不过统计结果显示涨跌各半，这可能是历史情形过少所致，但至少在胜率上并未呈现出明显偏向债券价格下跌的统计结果，因为我们认为消费者信心指数出现重要拐点时对债券价格是有预测意义的，但仅体现于当消费者信心指数出现长期下跌后开始拐头向上的情形，此时预示债券价格下跌概率较大。对于黄金资产，在消费者信心指数的两种事件驱动信号下，价格涨跌胜率区分度不大，因而我们认为对黄金的预测意义不强。

　　对于OECD综合领先指标，测试结果表明其对债券市场的预测意义较大，当指标长期下行后出现上行拐点时，利于债券价格下跌，样本内统计胜率为60％；当指标长期上行后出现下行拐点时，利于债券价格上涨，样本内统计胜率为75％。对于其他几类资产，上行下行拐点信号对价格涨跌的区分度不强，预测意义较弱。

　　1.2. 通货膨胀指标测试

　　从通货膨胀的角度，我们选取了CPI和PPI，其中CPI反映了居民家庭所购买的消费商品和服务价格水平变动情况，PPI反映工业企业产品出厂价格变动情况。

　　从CPI的测试结果看，其对A股以及黄金价格涨跌的预测意义较强。当CPI同比增速经历长期下跌后开始拐头向上时，此时意味着可能进入温和通胀时期，而温和通胀对股市是有利的，因为有助于企业盈利改善，同时对黄金也是有利的，因为黄金具有抗通胀属性，测试结果表明，当触发此信号时，A股以及黄金上涨概率较大，触发上行阈值的比例达到75％。相反，当CPI同比增速经历长期上涨后的拐头向下时，A股与黄金价格下跌概率偏大，样本内测试胜率均为66.7％。

　　从PPI的测试结果看，虽然测试结果显示其对A股与债券有预测意义，但预测的方向与经济逻辑并不相符，故我们测试结果可能不具有说服性，不将其作为事件驱动信号。

　　1.3. 流动性指标测试

　　从流动性的角度，货币供应量的变化选取M1、M2、 M1-M2以及金融机构（各项贷余额）指标的变化作为代表，价格角度选取中债国债到期收益率1年期和10年期作为代表，其中测试发现金融机构（各项贷款余额同比）和中债国债到期收益率（10年）测试结果较好，测试结果如下：

　　测试结果表明，当金融机构各项贷款余额同比增速经历长期下跌后开始上涨时，A股未来上涨可能性较大，胜率为66.7％，债券未来下跌的可能性较大，胜率为66.7％，当指标连续上涨之后开始拐头向下时，A股未来下跌的可能性较大，胜率为66.7％，债券上涨概率偏大，测试胜率为66.7％。这一测试结果是符合经济逻辑的，因为贷款余额同比增速是经济的先行指标，指标开始回升时，预示着信贷周期的扩张，未来经济有望处于回升态势，因而利于股市上行，反之则股市可能下跌；对于债券市场，贷款余额增速的走高不仅预示着未来经济的企稳回升，避险情绪回落，还意味着银行体系内资金大量流向实体经济，从而可配置于债券市场的资金减少，这两种效应均对债券市场是利空的，反之则利好债券市场。

　　对于中债国债10年期到期收益率，我们发现这一指标实际上与A股是正相关的，即当长期下跌后拐头向上时，A股看涨概率较高，历史统计为80％；相反，当利率长期上涨后拐头向下时，A股看跌概率达到75％，这一结果与业界所理解的无风险利率下行对A股是正向刺激的逻辑并不符，我们认为内在原因可能在于利率的变动不仅体现了流动性的问题，还源于经济基本面，尤其是长期利率的拐头下行，可能源自于经济基本面的恶化，从这一角度看对A股是利空的，而长期利率的拐头向上，可能源自于经济的好转，这又会带动股市上行。此外，我们还发现，对于债券市场，当利率经历长期下跌后拐头向上时，债券净价指数反而上涨的概率偏大，相反，当利率经历长期上涨后拐头向下时，债券净价指数反而下跌概率偏大，经复盘，我们发现出现这一情况的原因有二：一是当利率在拐点处出现变化时，往往预示着经济基本面的好转或恶化，这对信用债的价格会产生同向影响，从而带动债券净价指数出现同向变动；二是因为利率在拐点处往往会有较大波动，拐头向下后往往会有一个幅度不小的回抽，而拐头向上后也会有一个幅度不小的向下调整，这就会导致利率债券的二级市场价格在10年国债收益率向下拐点形成后短期会有一个阶段性上行，或拐点向上形成后会有一个阶段性下行。

　　最后，对于黄金资产，无论利率是上行拐点还是下行拐点，黄金价格均是上涨的，这说明该指标对黄金资产的择时能力不佳。

　　2. 资金与情绪面事件驱动指标构建与测试

　　除宏观事件外，市场自身的微观结构，如微观资金流以及情绪面指标对资产价格走势也会有显著影响。本节我们从这一角度出发，重点挖掘对A股市场具有显著买入和卖出意义的微观结构指标。资金面角度主要考虑不同机构投资者的资金流动对A股影响，如陆股通、产业资本增减持以及基金仓位变动；情绪面指标主要考察一致性指数以及市场估值（之所以把估值也作为情绪面指标，主要是考虑到估值变动较大程度受投资者情绪影响）。

　　2.1. 陆股通

　　陆股通作为重要的海外资金的流入渠道，可以衡量海外资金对于A股市场的判断，由于海外市场多以机构投资者为主，当海外资金大量流入市场，说明此时处于价值洼地，对后市走势强烈看多，当资金流出市场时，说明对未来走势相对悲观。

　　我们以陆股通（买入成交净额，周频）作为指标代表，构建海外投资者情绪指标，当陆股通呈现连续三周以上的连续买入状态或者当出现大量买入（当前值大于过去买入额的平均值的1.5倍），则发出买入信号，反之进行卖出，对信号发出后的沪深300指数收益情况进行统计，测试时间从2014年11月至2017年12月，测试结果如下：

　　从测试结果可以看出，陆股通（买入成交净额）作为买入信号胜率较高，共触发买入信号19次，触发上行阈值的比例达到89.5％，平均时间在4个月左右，而作为卖出信号触发下行阈值的比例仅达到31.6％，因此该指标可作为A股市场买入信号。

　　2.2. 产业资本增减持

　　上市公司股东作为上市公司的实际参与人，相对于普通投资者更了解公司实际运作情况以及对公司未来发展做出行动，其中重要股东作为产业资本的代表，其对公司当前价值的评估往往反应在二级市场的增减持，当重要股东在二级市场出现集中的减持，说明公司在二级市场估值过高，市场可能出现阶段性的顶部，反之当出现集中增持时，说明此时估值过低，市场位于阶段性的底部。

　　基于上述逻辑，我们构建了产业资本增减持指标（周频），即产业资本增持金额/（产业资本增持金额+产业资本减持金额），当指标大于0.5时说明此时处于产业资本增持状态，反之处于减持状态。

　　由于该指标处于0~1之间，因此采用阈值突破的方式构建买入卖出信号，即当指标突破上阈值，发出买入信号，反之当指标突破下阈值发出卖出信号，测试时间从2012年1月至2017年12月，测试结果如下：

　　测试表明，该指标作为买入信号更为显著，其中买入信号发出13次，触发上行阈值的比例达到76.9％，平均时间为4个月左右，而卖出信号触发下行阈值的比例为57.1％，信号并不显著。

　　2.3. 基金仓位变动

　　基金仓位代表着市场潜在资金供给，当基金仓位达到较高水平时，预示着后续资金供给的不足，从而股市可能看跌；相反，当基金仓位达到极低水平时，预示着股市空头力量的衰竭，后市看涨概率加大。基于这一逻辑，我们构建基于基金仓位的事件驱动策略。

　　传统上对于基金仓位的统计，主要依据于基金公布的季报数据，但这一数据频率过低，不适于构建择时策略，我们改用基金每日净值数据拟合的方法构建基金仓位。我们选取普通股票型基金（主动）和偏股混合型作为样本，采用中证全指一级行业指数对基金净值进行回归，把回归出来的各项参数和作为该基金仓位的代表，然后取样本基金拟合出来的仓位的算术平均值作为整个基金仓位的代表。

　　我们采用当前基金仓位所处过去N日基金仓位的分位数水平来定义当前基金仓位是否处于极值水平。当基金仓位分位数下穿下阈值时发出看多信号，上穿上阈值时发出看空信号。回测时间从2003年7月到2017年12月，测试结果如下：

　　从测试结果看出，基金仓位变动总共触发看空信号13次，触发下行阈值比例达到61.5％，平均时间在2个月左右；看多信号共触发12次，触发上行阈值比例达到66.7％，平均时间在2个月左右。可见，基金仓位变动对于市场未来走势具有重要预测意义。

　　2.4. 一致性指数

　　我们基于交易层面数据，结合成分股信息，对市场情绪进行量化和定义。市场指数是成分个股的集合，因而其涨跌本质上是个股合力的结果。当市场情绪高涨时，我们会发现上涨股票数量增多，因此可以通过对基准指数成分股的运行趋势判断。

　　某些经典技术分析方法就利用了成分股的信息，如市场活力指数。该指数每日统计了市场基准指数成分股中股价运行在N日均线以上的个股数量占比，将其作为判断市场强弱的依据。不过，采用均线的方法存在一定缺陷，因为市场一旦转入震荡行情，会导致股价频繁上穿下穿均线，产生大量伪信号。此外，跟踪个股上涨与下跌趋势仅采用同一均线设置也有所不妥，尤其是对于诸如A股这样的“熊长牛短”型市场，趋势跟踪交易系统在设计上采用“慢进快出”的理念更为合理些，即抄底要晚，逃顶要早。

　　鉴于此，我们考虑采用新高新低指标跟踪成分股的上涨下跌趋势，并对新高新低采用不同的参数设置（为避免过度优化，新低采用新高参数除以2的设置方法），即当个股股价创N日新高时，认为该股票处于看涨状态，当创N/2新低时，认为处于看跌状态，当不满足这两种情形时，则将上一交易日的看涨看跌状态赋予本日。我们以沪深300指数作为择时标的，将每日处于看涨状态的个股数量占比构建为一个择时指数。为与传统市场活力指数有所区分，我们姑且称之为成分股一致性指数（下文简称“一致性指数”）。

　　一致性指数在市场不断上涨的过程中，不断创新高并接近1，所谓盛极则衰，没有永远上涨的市场，当成分股高度趋同时，预示着市场已经过热，随时有高位下跌风险，此时可作为卖出信号，尤其是在2007年底、2009年中旬以及2015年中旬，反之当所有股票都在不断创新低，一致性指数不断趋近于0时，预示市场已严重超跌，此时往往是市场的底部信号。

　　由于一致性指数在0~1区间内波动，我们通过设置上下阈值的方式构建交易信号。当一致性指数突破上阈值时，意味着市场过渡繁荣，此时积聚风险未来有可能下跌，发出卖出信号，反之当一致性指数突破下阈值时则发出买入信号。测试时间从2005年4月至2017年12月，测试结果如下：

　　从测试结果可以看出，一致性指数作为市场底部买入信号胜率更高，其中买入信号共触发14次，触发上行阈值比例达到64.3％，平均时间为3个月左右，而顶部信号会过早发出，成功概率并不高。

　　2.5. 指数估值

　　市场本身的估值也是情绪指标一个重要维度。当市场过度繁荣时，往往会呈现估值过高，反之市场情绪低迷，市场价值被低估，估值处于低位。我们采用沪深300成分股的一致预期数据，提取个股的预测每股净资产以及收盘价计算得到指数的预期PB，之后通过计算当前指数的预期PB（动态）在过去5年指数PB（静态）的分位数，从而得到指数的动态估值情况。之所以采用动态估值，是因为市场往往是反映预期的，从而这样计算出来的估值水平更具有指导意义。

　　由于分位数介于0~1之间，同样我们通过设置上下阈值的方式构建买入卖出信号。

　　不过，不同于前文基金仓位、一致性指数中设定的阈值交易方法，对于估值，由于钝化现象较为严重，我们采用上穿下阈值或下破上阈值的方法设定事件驱动信号，即当估值水平上穿下阈值时（即技术分析中的“金叉”的含义），发出买入信号，反之当估值下穿上阈值时（即技术分析中的“死叉”的含义），发出卖出信号。

　　测试时间从2008年3月至2017年12月，测试结果如下：

　　从测试结果可以看出，虽然指数估值指标触发的交易信号次数较少，但是均是在市场的底部和顶部，胜率较高，触发上行阈值的比例以及触发下行阈值的比例均达到100％。

　　3. 技术形态指标的构建与测试

　　传统技术分析在对资产价格的运行趋势预测中占据重要地位，我们对此进行分析。

　　3.1. W底与M头

　　W形态作为底部形态的重要特征，往往出现在价格下跌的末期，后续出现反转的可能性较大。W形态具有几个明显的特征，前期有较大幅度的下跌，并且形成类似W一样的底部形态，W形态有两个低点和高点，对于低点，要求第二个底部未突破前一个底部位置，说明下跌受到阻力，未来可能形成反转，对于高点，第一个高点可形成一条阻力线，称为颈线，当价格突破颈线时，形成第二个高点，W底部形态得以确认。具体设置为：

　　（1） 当第一个波谷1（Low_1）与第二个波谷2（Low_2）对应的价格满足Price（Low_2）>； Price（Low_1）；

　　（2） 两个波谷之间的最高价为Price（High_1），形成对应颈线，当T时刻价格Price（T） >；Price（High_1），确认W底形态。

　　我们对五大类资产分别进行了测试，测试时间从2003年1月至2017年12月（下同），测试结果如下：

　　测试结果表明，W底形态在权益资产的预测意义较强，胜率均达到70％以上，其中A股、港股以及黄金资产触发W底信号后，平均平持有2~3个月左右时间可达到上行阈值，美股平均持有时间在7个月左右，因此W形态是一种重要的底部反转信号。

　　同样，我们可以定义M头形态，同样有两个高点和低点，对于高点，要求第二个高点未能突破前一个高点，说明上涨受到阻力，对于低点，第一个低点形成支撑线，称为颈线，当第二个低点突破颈线，此时M顶形成，具体设置为：

　　（1） 当第一个波峰1（High_1）与第二个波峰2（High_2）对应的价格满足Price（High _1）>； Price（High _2）；

　　（2） 两个波峰之间的最低价为Price（Low_1），形成对应颈线，当T时刻价格Price（T）<；Price（Low _1），确认M头形态

　　经过测试，我们发现该形态对A股作用较为显著，但对于其他长期趋势上涨的资产，其胜率并不高。具体来看，对于A股共触发M顶10次，胜率为70％，平均持有2个月左右。

　　3.2. 启明星与黄昏星

　　启明星与黄昏星是K线形态中具有阶段性顶底预测意义的K线组合。这是因为启明星与黄昏星中都包含了一个十字星，而十字星的出现表明盘中多空双方正发生激烈博弈，尤其是市场连续下跌或者连续上涨之后出现十字星，很可能意味着前期趋势的终结，而紧接着一旦出现一根实体幅度较大的阳线或阴线（启明星对应阳线，黄昏星对应阴线），则预示着新的趋势来临。我们以启明星为例，构建事件驱动信号，形态定义为：当股价创前期低点，同时之后出现十字星形态，即实体较短，上影线和下影线远远大于实体部分，表明此时空头趋势有所缓解，多头渐渐占据上风，之后加以右侧确认，即出现一定的上涨认为上涨趋势确立，此时进行买入交易。具体设置为：

　　（1）T-2日开盘价大于收盘价，且收盘价创过去N日新低

　　（2）T-1日出现十字星，K线实体长度不超过M1，且下影线的长度超过实体长度

　　（3）T日上涨幅度超过M2，且T日收盘价大于开盘价

　　由于中债总净价指数仅有收盘价，因此仅对四类资产进行测试，测试结果如下：

　　从测试结果可以看出，触发上行阈值的比例均超过60％，尤其是对于港股、美股以及黄金资产的胜率较高，达到80％以上，这可能是因为港股、美股以及黄金长期多头趋势更明显，从而一旦出现下跌便是进场机会，然而A股历史上具有牛短熊长特征，我们发现有多个启明星形态发生于A股趋势下行市场，如2008年、2011～2013年等，虽然启明星出现后短期股价也出现了几天反弹，但幅度较小，并迅速转为下跌，最终触发下行阈值，导致交易失败。

　　对于黄昏星，我们测试发现其胜率不高，顶部意义不大。

　　3.3. MACD背离

　　当价格不断下跌的过程中，往往会发现在接近底部的位置下跌速度放缓，未来反弹的可能性较大。因此我们利用MACD指标来描述价格的底部特征，具体来看，当价格的低点比前一次的低点低，但是最近一个低点的MACD值却比前一个低点的MACD值高，此时出现价格与指标的背离，即为MACD底背离，底背离表明价格处于低位，未来反转向上的概率较大；反之，当价格创新高，但MACD指标不断走低时，则出现了顶背离形态，这可能预示着未来价格的下跌。我们以MACD底背离为例，定义形态如下：

　　（1）定义波谷，低点左右两边振幅超过M

　　（2）计算价格的MACD、DIF以及DEF指标

　　（3）当T时刻出现MACD零轴以下的金叉时，寻找距离T时刻最近的波谷，当[T-5，T]期间收盘价的最低价小于波谷的收盘价，且波谷所在交易日对应的DIFF小于 [T-5，T]期间收盘价的最低价所在交易日的DIFF时，认为底背离形态出现，此时发出买入信号。

　　我们对五大类资产分别进行了测试，测试结果如下：

　　测试结果表明，该指标在权益资产的中触发上行阈值的比例达到70％以上，债券市场为60％，对于A股来说，平均时间大概在2个月左右，港股和债券在1个月左右，美股周期较长，在5个月左右，黄金在3个月左右。整体看，该指标在不同类资产类别中表现显著，可作为一个重要的底部买入信号。

　　对于MACD顶背离，我们同样进行了测试，发现其不具有显著的逃顶作用。

　　整体看，我们发现从宏观经济、市场微观结构以及技术形态层面挖掘事件驱动择时信号是可行的，众多信号的择时胜率较高。但从测试结果看，我们发现多数事件驱动信号在买入方面的预测意义要显著大于对卖出的预测，这可能是因为重要底部的形成，往往需要多方条件，是一个缓慢的过程，从而期间有更多信号可以把握，但顶部的形成往往快速且迅猛，时常超出投资者预期，从而也较难把握，这或许正印证了股市的一句谚语：“会买的是徒弟，会卖的是师傅”。

　　4. 基于事件驱动的大类资产配置模型

　　大类资产配置模型的核心在于对于各资产预期收益的判断，通常采用择时对资产未来走势进行判断，最简单的做法是只从价格本身走势出发，采用趋势跟踪的交易系统，但也可从多个维度进行考虑。具体来看，每个资产均可从基本面、情绪面以及技术面构建择时系统，但是往往发现基本面以及情绪面的指标作为连续性的择时系统收益并不高，只是短期有增厚收益或者控制风险的作用。因此我们将趋势跟踪系统作为主交易系统，基本面、情绪面以及技术面的事件驱动指标作为主交易系统的补充，即在基于趋势跟踪的交易系统的大类资产配置模型求解出资产权重的基础上，根据事件驱动指标的情况进行相应的调整，以增厚模型收益同时使得回撤减少。

　　在前期我们外发的专题报告《资产配置的流程、框架与运用》一文中，我们采用BL模型，构建了一个战略性与战术性资产配置相融合的量化配置模型，其中关于资产的预期收益生成，主要采用的是N日新高新低的趋势跟踪择时系统，本质上是一个基于技术指标的较为简单的连续性择时系统。在本文中，我们尝试将事件驱动择时信号融入该模型中。

　　为了与《资产配置的流程、框架与运用》的一文研究相一致，我们把配置标的限定为：A股、港股、黄金、债券以及货币，分别以沪深300指数、恒生指数、黄金现货指数、中债总财富指数、中证货币指数作为标的，并按月生成交易信号（连续性择时+事件驱动择时）。

　　我们把多维度事件驱动择时信号进行融合，（即每个指标赋予权重相等，单个指标看多为1，看空为-1，没有观点0），当指标值加总大于0时，发出看多信号，反之小于0发出看空信号，并将事件驱动指标转换为月度信号，以下我们对宏观事件驱动、资金与情绪事件驱动以及具有顶底特征的技术形态进行统计：

　　统计结果表明，对于A股，宏观、情绪以及技术维度的胜率达到60％以上，当同时考虑三个维度，综合指标的胜率达到62.2％，对于港股仅考虑技术维度，胜率达到72.7％，债券考虑宏观和技术维度，综合指标的胜率达到81.8％，黄金考虑宏观和技术维度，综合胜率达到70％。

　　将事件驱动指标加入BL模型中，其中BL模型资产择时的主交易系统采用新高新低的趋势跟踪交易系统，根据不同的初始权重（权益资产和债券资产的配置比例）分为六组，测试结果如下：

　　测试结果表明，加入事件驱动择时之后，BL模型的收益得以提升，同时风险得到有效控制，最大回撤与原模型基本持平，平均最大回撤有所减小，从收益风险的角度Calmar比率和夏普比率都有所提高。以第一组为例，初始BL模型年化收益为5.90％，加入事件驱动择时后提升至6.72 ％，最大回撤略有扩大，由5.99％扩大至6.47％，但平均最大回撤由2.60％减小至2.20％，Calmar比例由2.27提高至3.06，夏普比率从0.80提高至0.98。

　　综上，本文从事件驱动的角度出发，寻找对各资产有效的非连续性的择时指标，主要从三个维度进行构建，分别为宏观事件、资金和情绪事件以及具有顶底特征的技术指标，其中宏观事件考虑经济运行状况、通胀状态以及流动性的拐点变化，资金和情绪事件从不同机构投资者的资金流动以及指数本身的变化出发，而技术指标则是针对具有顶部或者底部特征的形态进行挖掘。测试发现事件驱动指标具有频率低但胜率高的特点，因此将事件驱动指标与连续性的择时系统相融合，以提高资产择时收益。我们将其运用至大类资产配置模型中，对以趋势跟踪作为主择时系统的BL模型进行修正，当触发事件驱动择时指标时，在原有配置权重的基础上进行相应的调整，测试表明模型的收益得以提高且风险并未扩大。因此事件驱动指标可以通过改变当前仓位增厚策略收益，同时其具有较好的扩展性，可在原有择时系统的基础上不断加入有效的事件驱动指标。