中信：人弃我取 从关联股票中探寻错杀和补涨

　　来源微信公众号：CITICS策略

　　中信策略团队

　　秦培景/裘翔/陈乐天/杨灵修

　　投资要点

　　跳出能力圈，从全市场挖掘错杀和补涨机会。过去我们通常从行业、主题和板块当中去定义股票的关联性，从中寻找错杀和补涨的机会，这种从基本面出发的关联性定义限制了投资者的视界：绝大多数投资者只能从自己了解并且跟得住的行业中寻找机会，能力圈以外的错杀和补涨机会往往在发现时已经晚了。本期报告中我们从公募基金持仓的视角来定义股票间的关联性，跳脱出行业、板块和主题的束缚，站在全市场的角度去挖掘关联股票对当中存在的错杀和补涨机会。

　　一只基金同时重仓两只股票就在他们之间建立了关联。本文所提到的关联性仅仅是因为机构持仓而形成的，不要求两只股票处于同主题、行业或是板块。关联性的产生主要源于基金的调仓行为，这可能会产生两种效应：错杀和补涨：

　　1）错杀捕捉的是“受迫性卖出”产生的错误定价机会。如果基金重仓的一只或多只股票出现大幅下跌导致净值受影响，这些基金受迫于赎回压力可能会被迫卖出其持有的其它重仓股，从而导致其它重仓个股受牵连，即便这些股票基本面并没有出现变化。这就产生了短期内错误定价的机会。

　　2）补涨捕捉的是换仓策略带来的机会。如果基金重仓2只股票，一只涨了80%，一只涨20%，我们的问卷调查显示76%的投资者会选择减仓涨的多的兑现利润，并补仓涨的少的，这种行为产生的结果我们称之为补涨效应。

　　近10年股票间因基金持仓产生的关联性不断增强。按照我们对关联性的定义，2006年一季度与其它股票存在关联性的个股一共是163只（占比12.5%），对应3160个有关联的股票对；但到了2016年二季度，与其它股票存在关联性的个股一共是1330只（占比47.4%），比2006年增长了716%，对应51462个有关联的股票对，相较2006年增长超过15倍。

　　回溯测试的错杀和补涨策略过去10年分别录得34.5%和26.2%的年化收益率。我们设计了投资策略来捕捉常态化的错杀和补涨机会：首先我们需要一只自身收益率不理想的股票。在这个前提下，如果这只股票所关联的股票收益率也很差，那么我们认为有可能这只股票是被其它关联股票给“带下去”的，是被错杀了；反之，如果其它关联的股票收益率很好，那么我们认为这只股票接下来可能会补涨。依此设计的错杀和补涨策略过去10年分别录得34.5%和26.2%的年化收益率。尽管补涨策略长期表现不如错杀策略，但在市场上涨、交投清淡的特定历史时期超越补涨策略，二者各有所长。

　　策略在不同市场环境下的表现存在很大差异。两个策略都不是“全天候”的，在宽幅震荡的历史时期相对表现更好，在低波动阴跌的市场环境下表现欠佳。由于进入错杀或补涨策略样本股的前提是至少存在一个股票对，这意味着至少有一只基金产品同时重仓持有两只个股，所以错杀和补涨策略先天地会选择一些市值偏大的个股，以至于错过了2013-2014的小盘股牛市。从具体的市场环境来看，我们发现错杀策略最适合的环境是“风险偏好低且波动高”，补涨策略最适合的环境是“风险偏好高且交投清淡”。此外，“风险偏好低且波动低”是最不利于两个策略的环境。

　　配置推荐：我们更新的错杀组合持仓为新五丰、奥特迅、金正大、华鹏飞、启源装备、中颖电子、紫金矿业、天赐材料、和顺电气和山西汾酒；补涨组合持仓为上海梅林、新宁物流、天华超净、姚记扑克、永泰科技、量子高科、吴通控股、锦江投资、永鼎股份、乐凯新材。考虑到目前低波动率和低风险偏好的市场环境不利于策略表现，我们建议投资者在目前跟踪组合或是在组合的基础上结合基本面做“减法”，待市场波动加大后重点关注我们的错杀组合推荐。

　　风险提示：策略的收益率存在尖峰后尾的问题，存在短时间内大幅跑输指数的风险，不过这基本都发生在2015年股灾救市期间，保指数而放个股导致策略大幅跑输沪深300。此外，策略的收益率是基于历史回溯测试的，只作分析之用，不能代表未来的预期收益率。

　　综述：跳出能力圈，从全市场去挖掘错杀和补涨机会

　　过去我们通常从行业、主题和板块当中去定义股票的关联性，从中寻找错杀和补涨的机会，这种从基本面出发的关联性定义限制了投资者的视界：绝大多数投资者只能从自己了解并且跟得住的行业中寻找机会，能力圈以外的错杀和补涨机会往往在发现时已经晚了。本期报告中我们从公募基金持仓的视角来定义股票间的关联性，跳脱出行业、板块和主题的束缚，站在全市场的角度去挖掘关联股票对当中存在的错杀和补涨机会。

　　我们在本文当中介绍了以基金持仓为核心的关联股票对的概念，并据此设计了错杀策略和补涨策略，每个季度换一次仓，两个策略自2016年3月以来的累计收益率分别达到2100%和1078%，对应年化收益率分别为34.5%和25.5%，夏普比率分别为0.92和0.69。

　　平均规模下降的公募基金和关联度不断上升的A股

　　数据观天下系列从第2期（《不时不食：基于交易行为的大小盘择时》（2016/3/23））以来就开始强调投资者结构对于市场微观结构的影响，其中我们有两张最喜欢的图表，一个表述公募基金平均规模在缩小，另一个表述这种规模的缩小与大小盘相对估值之间的联系。

　　这两张图表很重要是因为投资者结构的演化是个慢变量，能够在相当长的一段时间内解释并预测股票市场上的一些现象和机会。机构“散户化”是我们经常提的一个说法，这是近几年的大趋势，规模小了自然要追求更高的收益率，产品数量多了（同业竞争激烈）自然要坚持“出奇”，而不是“守正”。这个变化一直以来被我们用于解释小盘股相对大盘股估值溢价的持续提高（与牛熊并不直接相关）。

　　于是我们开始意识到研究A股机构投资者的结构、行为、持仓对于理解市场或是设计投资策略有非常重要的作用，传统市场上的研究多局限于仓位、重仓股、行业分布，我们认为这是远远不够的。所以我们从数据观天下的第3期《同业博弈：A股相对收益投资者的秘密》（2016/8/5）开始挖掘公募基金持仓中蕴含的机会。而在这篇报告当中，我们将进一步深入，剖析公募持仓产生的另一个市场微观结构上的变化：股票之间的关联性变得更强，并且因此产生更多的错杀和补涨机会。

　　我们这里所提到的关联性很多时候仅仅是因为机构持仓而形成的，这种关联性不仅仅限于主题、行业或是板块。比如股票A和股票B，二者处于不同行业、不同主题和不同板块，按照传统的理解，这两只股票是没什么关联的。但是这时候如果有一只基金同时持有这两只股票，这只基金的调仓行为可能同时影响到两只股票，这样一来就在两只股票之间建立了一种关联。那么这个时候如果有更多的基金同时持有（注意每只基金都一定是同时持有两只股票，这样基金的调仓行为才会同时影响两只股票）股票A和股票B，或是持仓量更大，那么股票A和股票B之间的关联性就会更强。（关于这种关联性定义的详细内容，可以参见Anton & Polk的《ConnectedStocks》一文）

　　不少投资者可能并没有注意，尽管过去几年主动型股票基金的规模没有明显增长，但是A股上市公司之间彼此的关联性却极大地加强。原因非常简单，原先只有市值非常大的股票才有可能进入一只基金的前十大重仓股，但现在不少小市值公司也可能成为重仓股，这就增加了关联股票的数量。我们拿2006年一季度和2016年一季度的数据作为例子来说明问题。2006Q1总的A股上市公司数目是1306只，2016Q1是2807只，增长了115%。不过按照我们对关联性的定义，2006年一季度与其它股票存在关联性的个股一共是163只（占比12.5%），对应3160个有关联的股票对；但到了2016年二季度，与其它股票存在关联性的个股一共是1330只（占比47.4%），比2006年增长了716%，对应51462个有关联的股票对，比2006年增长超过15倍。

　　显而易见，关联股票对的增长要远超新上市股票的数量。而这种关联性的增加会不会带来更多的投资机会？如果有，如何去捕捉？这是我们接下来要解决的核心问题。

　　关联性意味着“错杀”和“补涨”的机会

　　在A股这样一个缺乏个股做空工具的市场（融券的限制很多），严格意义上并不存在“配对交易”这个说法，价格的收敛过程是受限制的。不过在A股市场对于对于两个或多个关联的股票，投资者通常会用另一种方式来描述价格的联动关系：错杀和补涨。跳脱出基本面的因素，一对关联股票，要么一只票带着另一只票跌，产生错杀的机会；要么一只票带着另一只票涨，产生补涨的机会。

　　错杀的逻辑：关联股票被“受迫性”卖出，产生脱离基本面变化的价格波动

　　先来看错杀股。错杀捕捉的是“受迫性卖出”产生的错误定价机会。如果基金重仓的一只股票出现大幅下跌导致净值受影响，这些基金受迫于赎回压力可能会被迫卖出其持有的其它重仓股，从而导致其它重仓个股受牵连，即便这些股票基本面并没有出现变化。这就产生了短期内错误定价的机会。为了直观地介绍其逻辑，我们就用影响面比较广的重庆啤酒乙肝揭盲数据失败和酒鬼酒塑化剂的案例来说明问题。

　　重庆啤酒这个案例最典型的特点是一批基金重仓这一只股票，并且这只股票又广受市场关注，当“黑天鹅”出现时，引发投资者对这些基金的集中赎回，由于重庆啤酒本身是卖不出去的，这些重仓重啤的基金只能去卖其它重仓股，即使这些个股基本面没有出现任何变化，这就产生了错杀的可能。

　　我们选取了2011年三季度持有重庆啤酒最多的几只开放式公募基金（包括大成创新成长、大成财富2020、大成优选、大成精选增值、大成景阳领先、富国天源平衡、国泰中小盘、大成核心双动力、大成行业轮动），统计了这些基金前十大重仓股中出现过的54只个股。

　　可以看到，除了重啤外，这9只基金重仓持有的其它53只股票中只有5只是医药行业相关的个股，其它的股票分布在各类行业，从基本面角度来看和重啤的关联性很低。但如果我们把这53只股票作为一个组合，可以看到这个组合相对沪深300的累计超额收益在重啤事件后大幅走低，直到2月初才开始缓慢恢复。由于组合里拥有非常多的大市值防御型权重股，而且股票数量也足够多，这样的杀跌是非常罕见的现象，因重啤事件引发的基金调仓可能是诱导这个结果的原因之一。然而这些股票本身的基本面并不会因为重啤乙肝疫苗失败的事件受任何影响，这就产生了许多个股被错杀的结果，对其它投资者而言反而是一个机会。

　　上述方式也是我们通常用于寻找错杀股的方式（先寻找重仓重啤的基金，再看这只基金持有哪些其它股票），不过却未必是最有效的。按照我们对于关联性的解释，我们只能说上面53只股票都与重庆啤酒存在关联性，但未必是关联性最高的，比如我们只选了9只持有重啤量最大的开放式基金，但同时持有的其它个股未必量就很大。我们提到的关联性一定是相互的，假设所有的基金持有重啤1亿股，持有江淮汽车1000股（仅仅是假设），那么重啤和江淮汽车的关联性也并不高。

　　所以怎么去计算这种关联性非常关键。按照我们的计算方式（本文“投资策略设计”部分会详细介绍计算方式，这里只做说明用途），按照2011年三季末基金持仓数据，和重庆啤酒关联性最强的5只股票分别是青岛海尔、启迪桑德、\*ST神火（当时还是2011年股价非常坚挺的神火股份）、王府井和苏宁云商（并不是大成基金所重仓的其它几只股票，比如贵州茅台、招商银行、海正药业）。

　　那么如果我们用关联性最强的20只股票去构建组合，就可以发现这些股票在重啤出问题后跌幅更明显，但同时反弹的也更明显。我们定义三种组合：组合1：与重啤关联性最强的20只个股构成的等权重组合；组合2：9只样本基金除重啤外的持仓个股（选持仓市值最大的20只）构建的等权重组合；组合3：9只样本基金除重啤外的持仓个股（全部53只）构建的等权重组合，然后对比这三个组合在重啤事件后相对沪深300的超额收益。这三个组合在2011年12月8日到2012年3月15日之间的最大跌幅分别为-9.0%/-8.0%/-7.4%，低点起来的反弹幅度分别为8.7%/6.7%/4.4%。（这里的跌幅和反弹幅度指的都是相对沪深300的超额收益）

　　显然，从寻找错杀股的角度，那些关联性强且短期跌幅深的个股，更有可能是因为交易层面的因素下跌而不是自身基本面的变化，从中我们更容易寻找到被错杀的个股。

　　除了重庆啤酒，我们再来看看酒鬼酒塑化剂事件的例子。这个案例当中，从跌幅和对基本面预期的影响来看，酒鬼酒的影响力远低于2011年的重庆啤酒（酒鬼酒第5个跌停开板，重庆啤酒第10个跌停开板）。白酒行业在酒鬼酒事件过后还出现明显反弹。不过，从关联性来看，酒鬼酒的影响要大得多。2012年3季度，与酒鬼酒存在基金持仓关联性的股票一共是116只，而在2011年三季度，与重庆啤酒相关联的股票一共是60只。

　　这种强关联性带来了比重庆啤酒事件后更理想的错杀机会。我们选取与酒鬼酒关联度最高的20只股票构建一个等权重组合，可以发现这些关联的股票短期相对沪深300也有较大幅度下跌（最大超额收益为-15.9%），但随后迅速反弹回正（低点以来最大超额收益达到22.1%，并且绝大多数超额收益是在反弹的前15个交易日实现的）。这个结果再次验证了我们的推测：股票间的关联性会带来错杀机会。

　　补涨的逻辑：关联股票被“受迫性”买入？

　　再来看补涨，这个说法比错杀更为普遍，而且不少投资者潜意识里就存在着这个交易模式。

　　我们在这篇报告推出前做了一个问卷调查，其中问了这样一个问题：

　　“假设您看好一个板块，并且在这个板块中选了2只股票（股票A和股票B），各投了5000万。假设过了2个月，股票A涨了80%，股票B涨了20%，假定您不打算降低该板块的配置，按照您通常的经验或操作习惯，您会：A）减仓股票A，把仓位加到股票B上，认为B会补涨；B）减仓股票B，把仓位加到A上，认为强者恒强。”

　　投票结果是，选A的76%，选B的24%。看起来，选项A其实就是催动关联股票补涨的逻辑，这符合我们同投资者交流下来得到的反馈。不过这里面悄悄地加了两个限制条件：“同一个板块”以及“不打算降低该板块的配置”。这意味着买入行为是“受迫性”的，首先如果要卖股票，卖多少就得买多少（等于是不准净卖出）；其次是如果买，就一定得买特定的股票。如果是受迫性的，大多数人选择A，但如果是非受迫性的，比如允许卖掉股票B后可以不买股票或是可以不买股票A，那么还会买A么？这时候同我们交流的投资者的回答是模棱两可的。

　　受迫性交易行为与非受迫性交易行为，这是我们强调的一个至关重要的区别。

　　尽管直觉上补涨效应可能会很明显，但其实不然。因为机构集中卖出调仓行为往往是“受迫性”的，而买入调仓行为往往是“非受迫性”的。“受迫性”的卖出在卖出股票的选择上往往没有很明显的倾向性，感觉短期涨不动的，流动性不错的都有可能成为被卖出的标的；但“非受迫性”的买入在买入股票的选择上是有很强的倾向性的，必须满足投资者通常的逻辑认知，比如一只股票具有补涨潜质的前提是与其直接相关的股票（如主营业务趋同、细分行业高度相关、上下游、同个主题等等）涨幅很大而这只股票涨幅很小，很少会有投资者仅仅因为自己持有的10只股票中5只涨了5只没涨，在不考虑相关性的情况下就去补5只没涨的票。

　　此外，“受迫性卖出”对于股价的冲击可能远大于“非受迫性买入”：前者对于价格敏感性远低于后者，以实现卖出交易为主要目标；而后者更多地以合适的价格买入足够的量为目标，这种有计划的买入会尽可能避免价格的大幅波动。

　　补涨股从机构持仓当中比较难寻找的另一个原因在于，具有补涨潜力的个股往往之前是被忽视的，然后逐步获得关注，既然之前是被忽视的，那么机构持仓逻辑上来讲就不会有很多（如果很多意味着已经获得了不少关注），这样一来这只股票从持仓层面与其它个股的关联性就不会很强。至少按照我们对关联股票对的定义，这里面真正被机构忽视且存在补涨潜力的个股并不多。

　　当然，再多逻辑上的推理，如果没有数据支持都是苍白的，但直接用案例又很难论证这个补涨效应不存在（比用案例论证这个效应存在要难得多），所以我们接下来会通过设计一个系统化交易策略并回测这个策略来验证补涨效应是否存在。

　　投资策略设计：把复杂的关联性图谱变成清晰的可交易策略

　　我们用于解释错杀效应的案例毕竟是市场投资者所熟知、关注度非常高的事件，即便不通过关联股票对分析，投资者对当时跌幅大的股票简单做个复盘也能抓住错杀的机会。不过重啤和酒鬼酒毕竟是若干年才出一次的事件，我们显然不能等着这种事件去挖掘错杀股。

　　因此我们通过关联股票对的概念去构建一个策略，把错杀效应和补涨效应常态化，找到并不那么引人关注的错杀股或是补涨股并构建相应的投资组合。如果这个组合能够持续地获得超额收益，那么我们可以认为这种效应是存在的。

　　通过关联性去构建策略的思路有很多，在本期数据观天下报告当中我们重点讨论一种：把“两两关联”简化为“一只股票与一个股票组合的关联”。这个做法的好处是将所有关联股票对所包含的信息都使用了，只不过在使用过程中赋予了不同权重。这个做法的缺点在于关联股票数据量过大，我们很难找到每一只股票被选出来的微观机理，只能将选出的股票作为一个组合去看待。我们会在数据观天下的后续报告中介绍其它的策略设计方法。

　　在关联性图谱的基础上，我们需要进一步合成并简化关联股票对。如图11所示，5只股票一共构成了4个原始股票对（AB、AC、AD和BE），在此基础上我们可以合成两个股票对，一个是A+BCD，一个是B+AE，核心就是一只股票和另一个股票组合也可以构成一个股票对。这样一来，这5只股票就总共形成了2个股票对。这样做的核心原因是为了避免单只股票出现异常波动产生过大噪音，以至于错误判断一只股票下跌的原因。

　　策略简要的构建逻辑如下：

　　1）股票样本范围：2016年以前上市的全部股票；基金样本范围：2016年以前发行的全部普通股票型基金、偏股混合型基金和灵活配置型基金。

　　2）对于任意两只股票（股票A、股票B），搜索在前十大重仓股里同时持有这两只股票的所有基金产品，假设这些基金产品在季末持有股票A的总市值是S1，持有股票B的总市值是S2，股票A的流通市值是MV1，股票B的流通市值是MV2，那么定义这两只股票的“关联度=（S1+S2）/（MV1+MV2）”。

　　3）在每年的2月初/5月初/8月初/11月初（获得基金季报后下一个月的第一个交易日），对于每一只存在关联股票的个股，以特定的加权方式（等权重、按照关联程度加权等等），计算与之相关联的所有股票构成的股票组合在过去40个交易日的累计收益率（R_p），同时计算该股票过去40个交易日的累计收益率（R_s）。

　　4）对所有有效样本股（存在至少一只关联股票），按照R_s分成5等分。对于R_s最小的20%股票，按照每只股票对应的R_p进行排序，选取R_p最小的10只股票，等权重构成错杀组合，选取R_p最大的10只股票，等权重构成补涨组合。

　　5）组合每个季度再平衡一次，每年换四次仓。

　　简而言之，首先我们需要一只自身收益率不理想的股票。在这个前提下，如果这只股票所关联的股票收益率也很差，那么我们认为有可能这只股票是被其它关联股票给“带下去”的，是被错杀了；反之，如果其它关联的股票收益率很好，那么我们认为这只股票接下来可能会补涨。

　　除了测试错杀组合和补涨组合，我们还测试了一个反转组合。因为错杀组合和补涨组合的前提都是股票自身过去60个交易日的累计收益率排名要排在后20%，这里面就存在反转效应，跌得多的/涨得少的票本身可能就能够获得超额收益。

　　反转组合的构建方式如下：每个再平衡日，我们从R_s最小的20%的股票中随机选10只股票构建一个等权重组合，重复这个过程50次，计算这50个等权重组合的平均收益率，作为反转组合的日度收益率。

　　策略回测与情景分析

　　我们的测试区间是2006年3月9日至2016年9月21日。在这个区间内，错杀组合/补涨组合/反转组合的累计收益率分别是2100%/1078%/1035%，对应年化收益率34.5%/26.2%/25.0%。错杀效应足够明显，而补涨策略基本上和反转策略一致，只在2014-2015年的牛市阶段明显跑赢反转策略，时间拉长一点，补涨效应并不明显，这和我们先前的逻辑推断是一致的。

　　上面的策略组合为了保证分散度的一致性，都用了10只股票来构建（下文用于分析的也是这三个策略收益率序列）。不过我们还可以按照关联股票组合的收益率R_p（见策略设计的步骤4），把个股收益率R_s最小的20%的股票再拆分成5等分，分别构建5个策略组合。对于R_p最小的20%的股票构建的组合，错杀效应更强；对于R_p最大的20%的股票构建的组合，补涨效应更强。5个组合自2006年3月以来的年化收益率呈现一个“微笑曲线”的形状（如下图），也就是说，相对于其他随机选取的股票组合，错杀策略和补涨策略都贡献了超额收益，并且错杀效应远强于补涨效应。

　　假设我们能够通过沪深300指数对冲（在回测过程中我们用错杀组合的收益率减去沪深300指数的收益率算超额收益，但现实中只在特定时期具有可操作性，并且存在基差的因素，这里只用于说明策略相对于沪深300超额收益的积累过程），对冲过的错杀策略在2006年3月9日到2016年9月21日的累计收益率是598%，年化收益率20.8%，年化波动率21.5%，夏普比率为0.97，最大回撤为37%，发生在2014年11月~12月的风格大转换期间；对冲过的补涨组合在同样区间的累计收益率是256%，年化收益率是13.2%，年化波动率是22.1%，夏普比率为0.60，最大回撤为39%，同样发生在2014年11月~12月期间。

　　关于回测结果，需要强调的有三点：

　　第一，由于股票存在关联性的前提是至少有一只基金的前十大重仓股同时持有两只股票，所以这些彼此相关联的股票大都具有比较大的市值，很少有创业板的个股，意味着这个策略对于小盘因子的暴露程度是非常低的，并没有从2012年底开始的中小创牛市当中受益。在这种情况下错杀策略能够获得年化34.5%的收益（回测结果）是一个相当可观的结果。

　　第二，我们选择每个季度基金报表公布后进行一次调仓，但事实上每个月甚至每周都可以进行调仓。适度高频率的调仓可能更适合错杀或是补涨策略，例如错杀和补涨机会的出现并不是规律性的，在每年固定时点调仓势必只能捕捉当时的机会，而错杀和补涨机会产生的阿尔法可能会在较短的时间内就衰减，那么我们一直持有这个组合实际上就有很高的机会成本和时间成本，并且这个组合的收益可能在大部分时间都是由市场贝塔来驱动的。

　　第三，我们的历史回测只是为了帮助投资者理解策略本身的收益和风险特性，完全是基于客观的数据描述，过去的回测结果本身并不代表策略未来的表现。

　　接下来我们通过两个维度来回溯分析这三个策略的表现，第一个维度我们分析特定历史时期的表现，第二个维度我们分析特定市场条件下的表现。

　　错杀和补涨策略在不同历史时期的表现

　　1）2006年初至2007年10月的牛市：无超额收益

　　这个区间错杀组合/补涨组合的累计收益率分别是565%/371%，但相比沪深300差异并不大，尤其是在2007年4月以前，两个策略的净值曲线基本是一致的，绝大多数的收益都来自与市场贝塔本身。

　　2）2007年11月至2008年10月的熊市：每次反弹当中错杀组合都表现得更好

　　整个熊市期间三个策略的累计收益率都差不多，错杀组合/补涨组合分别录得-66.9%/-70.1%（沪深300是-70.1%），基本上还是市场贝塔起了主要的作用。不过可以观察到，熊市期间每一次的反弹，错杀组合的反弹幅度都更高，这符合我们直觉上的判断。

　　3）2008年11月至2009年8月的反弹行情：反弹初期错杀和补涨效应迅速体现

　　整个区间内，错杀组合/补涨组合分别录得163%/165%（沪深300是122%），错杀和补涨组合从2006年以来第一次跑出了相对收益。如果看的更细，整个反弹阶段可以分为初期和中后期。在反弹初期（2008年10月到2009年2月），错杀组合/补涨组合分别录得91.2%/83.3%，同期沪深300收益率是39.8%，这个区间错杀和补涨组合的超额收益最为明显。

　　4）2009年9月至2011年4月的宽幅震荡期：错杀策略跑出显著超额收益

　　整个区间内，错杀组合/补涨组合的累计收益率分别达到51.6%/31.1%，而同期沪深300的收益率是-11.3%。错杀效应相对补涨效应，从2010年末开始明显增强。

　　5）2011年5月至2012年11月的震荡阴跌期：错杀效应微弱

　　当整个市场震荡阴跌乏善可陈的时期，错杀效应也很难贡献超额收益。区间错杀组合/补涨组合分别录得-39.3%/-43.0%，而同期沪深300的收益率是-36.6%，创业板是-40.1%，绝对收益层面上这些组合和指数基本上是没差别的。尽管不少投资者对此可能比较失望，因为错杀效应在2011年这样缩量普跌的市场环境下并没有产生超额收益。不过我们需要留意的是，从2006年到2012年末，错杀效应无论大盘涨跌，从没有发生过明显跑输指数的情况。这和许多高贝塔策略“涨的时候涨的多，跌的时候跌的也多”有很大差别，错杀组合基本是“市场涨或是震荡的时候涨的多，跌的时候和市场指数持平”，这已经是非常理想的收益特性了。

　　6）2012年12月至2014年7月的大小盘分化期：错杀效应的阿尔法远不及成长股/小盘股效应

　　这个分化时期当中，错杀组合/补涨组合的累计收益分别是47.3%/93.6%，尽管大幅跑赢沪深300（1.51%），但跑输创业板（104%）。错杀组合在这个阶段表现欠佳（尽管相对沪深300仍然是优异的表现）的核心原因是持仓集中于偏大市值股票，这和策略本身的设计是有关的。我们所有买入的错杀股票前提都必须存在关联股票，而存在关联股票就至少需要一只基金的前10大重仓股中同时出现这两只股票，小市值股票是满足不了这个条件的。同时错杀股所关联的股票表现也必须非常差，而我们知道2013年开始传统行业和白马股表现一直都不理想，这个阶段表现差的就一直表现差，这是机构系统性调仓（减仓主板加仓创业板）所导致的，而不是我们先前提到的“受迫性卖出”。错杀股策略先天就是偏大市值股票的策略，这就意味着后验来看，我们的错杀股策略在这个特定历史阶段是“先天不足”的。当然，如果先验地来看问题，2012年底，也并不是所有投资者都预测到中小市值股票会迎来这么一波波澜壮阔的牛市，错杀股策略先验的预期收益率未必是低于中小创的。

　　7）2014年8月至2015年6月的杠杆牛市：各个策略无差异上涨

　　这个阶段不同的策略基本都是无差异上涨，市场贝塔是推动所有股票上涨的主因。错杀组合/补涨组合在此期间的累计收益率分别是176%/189%，同期沪深300的收益率是125%，创业板的收益率是181%。

　　8）“后股灾时代”（2015年6月下旬至2016年7月）：错杀策略大放异彩

　　如果从2015年6月16日算起到2016年7月29日，错杀组合/补涨组合的累计收益率分别是-11.6%/-35.7%，而同期沪深300和创业板的累计收益率是-38.3%和-43.2%，错杀组合的净值曲线已经接近回复到牛市顶点的水平。

　　拆细了看，错杀组合在每一次市场下跌后都有幅度更大的上涨，在2015年的两轮股灾后，到年底累计涨幅达到87.7%，远超创业板和沪深300；在今年1月的股灾后，2月份到4月中旬累计上涨了32.3%；而在5月中旬到7月底的震荡结构市当中，累计收益率达到8.3%，远超创业板的-0.2%和沪深300的2.3%。

　　9）2016年8月初以来的低波动环境：暂时失效

　　这个最近的时期我们把复盘做得更细一些。按照既定规则，策略在2016年8月初根据基金二季报（7月22日公布完毕）做了一次再平衡，此次再平衡后错杀组合和补涨组合的样本股分别是：

　　错杀组合和补涨组合在此区间的累计收益率是-1.0%/4.0%，同期沪深300和创业板的收益率分别是2.0%和1.9%，补涨组合的表现要明显更强一点。

　　这个低波动阶段错杀组合表现并不理想（虽然仅有30多个交易日的考察期），我们认为原因在于在低波动状态下即使下跌，基金也不会轻易抛售，所以“受迫性卖出”的情形非常少，以至于错杀的机会比较少。

　　错杀和补涨策略在不同市场环境下的表现

　　从回测可以看到策略本身并不是“全天候”的，策略的预期收益率在不同的市场环境下存在明显差异，于是我们关心如何去捕捉这个环境变量。我们这里测试三个变量：1）沪深300过去120个交易日的波动率；2）全部A股的换手率；3）中长期大小盘择时指标（20日移动平均，指标详细的构建过程可参见数据观天下系列的第2期《不时不食：基于交易行为的大小盘择时》（2016/3/23）。

　　在测试时我们分别计算了不同环境变量组合下错杀策略（对冲）和补涨策略（对冲）的夏普比率（年化），从而方便我们考察什么环境下策略更可能大幅跑赢基准。我们可以从中总结出以下几个特点：

　　1）风险偏好本身并不能明显区分或解释错杀策略的超额收益，风险偏好低的时候夏普比率是0.88，风险偏好高的时候是1.09，而错杀策略（对冲）整体的夏普比率是0.91，三者相差并不大。

　　2）风险偏好高低能够明显区分补涨策略的超额收益，风险偏好较高的时期补涨策略表现明显较好（夏普比率0.87），但在风险偏好较低的时期补涨策略和沪深300基本是没差异的（夏普比率-0.01）。

　　3）波动率是区分错杀策略最好的环境变量，波动率大的时期（120日滚动波动率大于1.59%），错杀组合（对冲）的夏普比率达到1.69，这意味着波动率大的环境下错杀组合每年有90%以上的概率（正态分布假设下）能够跑赢沪深300。而低波动状态下，错杀策略相对沪深300没有明显超额收益。这个结果也很符合直觉，市场波动降低的时候投资者锁仓不动的居多，很少会出现错杀机会。

　　4）补涨策略恰恰是反过来的，高波动率环境下表现得差，低波动环境下表现得好。如果我们把波动率理解成信息量（波动越大信息量越大），那么高波动状态投资者往往有很强的热情去撒网捕捉每一个投资机会，调仓也会更频繁，这种时期补涨的机会可能很少出现；但当波动降低的时候，投资者反而可能因为市场的平淡无奇而去忽略一些补涨机会（1天10%和10天每天0.95%所引起的市场关注是完全不同的）。

　　5）换手率并不能明显区分错杀策略的超额收益（夏普比率分别是0.91和1.07），也就是说，换手率高成交活跃并不是错杀策略出现的前提，成交清淡也并不意味着就不存在错杀机会。这一点尤其重要，缩量并不意味着错杀策略可能会失效，只有指数的波动率降下来了错杀策略可能才真正失去存活的“土壤”。

　　6）但换手率对于补涨策略则是很重要的前提，交投清淡的时候补涨策略更为有效（换手率小于1.45%时补涨策略（对冲）的夏普比率是1.19，反之则只有0.34）。

　　7）如果我们把环境变量组合起来，那么错杀策略最适合的环境是“风险偏好低且波动高”（此时对冲策略的夏普比率是1.72），这个环境下错杀机会最容易出现，数据的结果也符合我们通常的认知；补涨策略最适合的环境是“风险偏好高且交投清淡”，这个环境下投资者更容易忽略一些确定性的机会，而风险偏好较高又确保有足够多愿意做“左侧交易”的投资者去布局补涨股，数据同样符合我们通常认知。

　　8）在风险偏好低且波动低的环境下，错杀策略和补涨策略表现都很不理想，两个策略的夏普比率分别是-0.51和-0.80。

　　历史表现的收益和风险特性总结

　　通过每段历史时期的策略表现回溯，我们总结一下策略的收益和风险特性：

　　1）错杀和补涨策略在市场上涨的时期大多数情况都跑赢指数，而在下跌过程中具备一定的防御性，不会大幅跑输指数，从而在长期积累超额收益。（错杀策略/补涨策略/沪深300指数的夏普比率分别是0.92/0.69/0.40）

　　2）错杀策略在宽幅震荡的历史时期相对表现更好，在低波动阴跌的市场环境下表现欠佳。

　　3）错杀策略和补涨在2013~2014年对大小盘因子有明显负向风险暴露，没有获得小盘股的系统性超额收益，原因在于当时的机构还没有系统性增配中小创个股。而进入错杀或补涨策略样本股的前提是至少存在一个股票对，这意味着至少有一只基金产品同时重仓持有两只个股，所以错杀和补涨策略先天地会选择一些市值偏大的个股。

　　4）错杀策略和补涨策略并非“全天候”的策略，也需要在特定的市场环境下才能有最好的表现。错杀策略最适合的环境是“风险偏好低且波动高”，补涨策略最适合的环境是“风险偏好高且交投清淡”。此外，“风险偏好低且波动低”是最不利于两个策略的环境。

新浪声明：此消息系转载自新浪合作媒体，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。