【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二

【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二

概括

本文根据量价数据构建行业拥堵指数，以提示市场过热风险。

本文主要从控制交易风险的角度出发，构建拥堵指数来定量分析各行业交易过热风险，为交易过程提供预警。主要研究内容包括： 1、从动量、流动性和量价相关性等角度构建拥挤度指数，并与拥堵指数相结合，构建表现更加稳定的综合拥堵指数。实证结果表明，拥堵指数可以作为有效的风险预警指标，并与其他策略相匹配，避免交易过程中行业指数可能出现的下跌风险，提高其他行业轮动策略的绩效。

构建拥堵指数的目的是捕捉市场交易的过热状态。

构建拥堵指数的主要目的是捕捉市场过热的交易状态，避免行业指数“拥挤”交易的风险。本研究以量价数据为基础，从市场异常交易信息、收益分布特征等多个角度构建动量指标、流动性指标、偏差率指标、量价相关性、波动性指标和分布特征指标六大指标。班级拥挤指数。我们通过量价指标的历史分位数是否达到指定阈值来判断行业指数当前是否处于拥挤状态。综合各拥堵指标的参数设置，最终构建出20个拥堵指标，共计272个。

结合多种测试方法可以选择相对可靠且过拟合风险较低的拥挤指标。

这项研究通过检查行业指数在触发拥堵信号后是否下降来衡量其有效性。具体来说，我们通过显着性测试、信号胜率测试和回测回报测试来判断拥堵指数是否能够识别出未来可能下滑的行业，然后通过过拟合测试来计算各个拥堵指数的过拟合概率，降低拥堵指数的风险。参数设置过程中出现过拟合现象。经过层层筛选，最终选出收盘价偏离率、换手率与收盘价相关系数、成交量与收盘价相关系数、峰度、换手率偏离率、换手率拥堵度六个项目。通过蒙特卡罗模拟确定拥挤指数以及各拥挤指数的最优参数。

基于评分方法构建的综合拥堵指数可以有效避免跌倒风险。

在评分方法的基础上，可以将6个单项拥堵指标进行组合。当6个单项指标中的任何一个显示当前处于拥挤状态时，即可触发综合拥挤指数的信号。基于综合拥挤指数构建的非拥挤行业组合，能够取得比任何单一指标都更好的回测结果，达到年化收益率9.28%，月度再平衡胜率58.82%。综合拥挤指数在市场大幅波动时表现较好，可以规避快速上涨后拥挤交易的风险。 2015年、2016年、2019年市场快速上涨时，市场处于过热状态，拥堵信号触发次数大幅增加。这三年，非拥堵状态下的行业组合分别能够获得18.11%、9.90%和8.22%。超额年化回报。

拥堵指数可以与繁荣策略相结合，构建性能更好的复合策略。

基于拥挤指数，可以改进现有的行业轮动策略，通过避免拥挤交易的风险来提高策略回报并减少最大回撤。结合之前报告《景气指数在行业配置中的应用》（2019-9-12）中的景气指数与拥堵指数，可以构建表现稳健的行业轮动策略。拥堵与繁荣复合策略年化收益率可达20.83%，优于纯繁荣策略13.33%的年化收益率。复合策略的最大回撤为-36.50%，也明显高于纯繁荣策略的最大回撤-56.05%。

风险提示：模型是根据历史规律总结的，历史规律可能无效。市场出现意外波动，交易较为拥挤。报告中涉及的具体行业不代表任何投资意见，请投资者谨慎理性对待。

本文简介

在微观层面的行业轮动研究中，我们致力于通过行业截面比较寻找短期灵活配置机会，自下而上挖掘行业基础信息，寻找行业层面的超额收益。具体来说，我们将从行业内在价值和交易风险两个角度构建具有行业选择能力的指标，并注重多个指标的综合效应，减少单一指标回测结果的偶然性。在产业轮动策略的研究中，我们主要从繁荣和拥堵两个角度构建产业指标：

1、行业景气指标：主要从行业内在价值的角度，分析行业自身的盈利能力以及市场对行业的利润预期，寻找能够获得超额收益的行业指标。

2、行业拥挤指数：主要从行业市场交易风险控制的角度，分析行业短时间内是否存在交易过热的情况，规避处于拥挤状态的行业。

在上期报告《景气指标在行业配置中的应用》（2019-9-12）中，我们从财务报表、共识预期等多个角度对行业景气指标进行了研究，构建了基于景气指标的体系。产业轮动策略。本文将继续开展基于拥堵指标的行业轮动研究。从控制交易风险的角度出发，构建能够衡量行业指数交易拥挤程度的指标，避免各行业可能出现的交易过热风险。本文的主要研究内容如下：

1、从动量指标、流动性指标、波动性指标、量价相关性指标等多个角度构建行业拥堵指标。

2、结合显着性测试、信号胜率测试、回归回归测试、过拟合测试等方法，测试行业拥堵指标，筛选出有效指标。

3、利用评分方法综合各个行业拥堵指标，构建更加鲁棒的综合拥堵指数，利用拥堵指数提升现有行业景气策略的绩效。

拥挤指数构建思路

构建拥堵指数的目的是为了表明市场交易过热的风险。

通常，股票的市场价格围绕其内在价值波动。随着基本面改善和宏观政策不断加码，优质股票的价值中心不断上升，可以为投资者带来长期回报。然而，市场总是伴随着非理性的交易行为。当基本面超出预期或利好政策突然出现时，股价和交易量可能会飙升。过热的交易行为可能会立即将股价推向过高的位置，达到拥挤的状态。拥挤交易很容易导致市场踩踏，下跌风险较大。

构建拥堵指数的初衷是捕捉市场交易可能出现的过热现象。直观上，股市最明显的拥堵特征就是交易量和价格的大幅上涨。此外，市场波动加剧、量价走势错配等异常现象也表明当前市场风险正在累积，可能出现交易拥堵。本研究主要从以下几个方面构建拥堵指数，为市场交易风险提供预警：

1、判断行业指数价格或流动性是否大幅上升。对应指标：动量指标、流动性指标和偏差率指标。

2、判断行业指数的成交量与价格走势是否一致。对应指标：量价相关指标

3、判断当前市场是否存在较大波动。对应指标：波动率指标

4、判断行业指数近期收益率分布是否偏离统计规律。对应指标：分布特征指标

动量指标

动量是常用来衡量价格趋势的指标。股价走势既有动量效应，也有反向反转效应。动量效应是指股价存在一定的趋势，股价会沿着过去的动量不断变化。即过去表现良好的股票未来将继续表现良好，过去表现不佳的股票也将继续表现良好。经济低迷。反转效应是指股价运动的方向与原来动能的方向相反，即过去积极动能较大的股票未来下跌的可能性更大。

当市场对利好股票反应不足时，资金持续涌入，对股价的动能效应更加明显；但当市场反应过度时，股价更容易出现反转效应。在股价上涨的过程中，如果短期涨幅过大，股价更容易出现反转。因此，当某个行业指数的动量分位数处于历史高位时，可以认为当前交易情况较为拥挤，需要在交易过程中避免。本研究使用五种动量指标来计算动量拥挤。这些指标从不同角度衡量过去一段时间价格的趋势效应，各有侧重：

1、普通动量：即过去一段时间行业指数的涨跌情况。涨跌幅绝对值越大，行业动能越强。

2、夏普比率：用波动率来规范普通动量，同时根据行业指数的涨跌来考虑波动率的影响。夏普比率可以筛选出高回报、低波动性的行业指数。

3.信息比率：夏普比率的衍生指标，本质上是利用超额收益计算的夏普比率。使用超额收益计算可以减少市场系统性涨跌的影响。

4.距离调整动量：以“距离”作为风险因素来调整动量。这里的距离是指观察期内每日收益绝对值之和。如果把行业指标的走势比作行走，那么从起点到最新时刻位置的位移就是动量。该距离是日收益绝对值之和，因此距离调整动量本质上衡量的是行业指数的上升效率。

5、尾部动量：又称尾部风险动量，尾部风险定义为过去一段时间最大1%的损失，用于衡量过去一段时间极端情况下的下行风险。研究表明，尾部风险较低的股票风险溢价较高，尾部风险较高的股票未来回报较低。

流动性指标

股票流动性通常用交易量、换手率和换手率来衡量。股票交易越活跃，流动性越好。股票的流动性和价格密切相关，两者往往相辅相成。一方面，股价上涨将吸引更多增量资金流入股市，不断推高交易量；另一方面，当交易量增加时，资金入市可以进一步推高股价。一般情况下，股市成交量增加价格上涨，成交量减少价格下跌时，两者往往同时变化。

不过，在股价上涨的过程中，我们需要警惕“天量”的出现。当市场出现巨额交易时，就意味着大量资金进入市场，股价就会大幅推高，造成井喷。此时股市处于拥挤状态，大量未来收益已被透支。您应该获利了结并离场以避免下跌。我们将过去窗口期行业指数的平均成交量、换手率和换手率与历史数据进行比较。当历史高位的流动性数据出现时，我们判断此时市场处于拥挤状态。

偏差率指示器

偏差率是一个比较常见的技术指标。通常是指最新市场价格与近期平均价格之间的偏差。以时间行业收盘价偏差率（窗口期N）为例：

偏差率越大，说明当前市场价格超过过去N天的均价越高，当前市场出现价格大幅上涨，处于超买状态。当偏差率较大时，价格更容易反弹。本研究扩展了偏差率的使用，计算了交易量、成交量和换手率的偏差率，并分析最新市场流动性指标是否显着偏离平均值。当收盘价或流动性指标的偏离率较大时，意味着市场交易活跃度非常高，成交量和价格超过均衡水平。这时可以考虑减仓，规避风险。

量价相关系数

通常情况下，股票的流动性和价格走势呈现出相同的趋势。一旦量价走势发生背离，可能意味着价格走势将发生变化。比如，在价格上涨的过程中，如果成交量萎缩，那么股价的上涨就不会受到成交量的带动，后续的价格走势就难以为继；如果市场交易量增加，但股价难以继续上涨，则说明此时多空分歧正在逐渐消失。随着风险的增加，风险逐渐积累。

本研究利用行业指数收盘价与流动性指标的相关系数来定量分析量价背离现象。量价相关系数越大，量价指标的趋势越接近。否则，就说明两者之间存在分歧。例如，行业K在t时刻的交易量与收盘价之间的相关系数可以表示为：

当股价上涨时，如果某个行业指数的量价相关系数下降，则说明量价出现背离。当量价相关系数处于历史较低水平时，需要警惕可能出现的下行风险。我们还计算了收盘价、成交量和换手率之间的相关系数来分析量价背离现象：

波动率指标

波动性是股票价格的风险，通常用股票收益的标准差来表征。低波动性异常在股票市场上很常见。从长远来看，波动性低的股票比波动性高的股票有更高的回报。从拥挤的角度来看，如果行业指数短期波动性大幅上升，则意味着股票风险加大，投资过程中应规避。 t时刻行业K的波动率可以表示为：

波动性又可分为上行波动性和下行波动性。两者之间的差异是正收益或负收益的标准差。从定义上看，下行波动率指标关注的是过去一段时间市场的下行风险，这更接近我们对拥堵指标的定义。因此，本研究还构建了基于下行波动性的拥堵指数：

分布特征指标

分布特征指标一般用来描述行业指数历史收益的概率分布。通过峰度和偏度两个指标，我们可以分析近期行业指数日收益是否存在异常分布，进而判断目前是否处于拥挤状态。

峰度描述了数据概率分布顶部尖锐或平坦的程度。峰度越大，分布越集中；峰度越小，分布越平滑。如果过去一段时间的日收益率峰度较低，则意味着收益率值较为分散，短期市场波动性较高，风险较大，拥挤程度较高。行业 K 在 t 时刻的峰度 () 为：

偏度用来衡量数据概率分布的偏斜方向和程度。当偏度大于零时，数据呈正偏态，概率密度呈右侧长尾分布；当偏度小于零时，数据呈负偏态，概率密度呈左侧长尾分布。如果行业指数收益率序列在过去一段时间一直呈负偏态，则意味着该行业指数近期出现了异常低的收益率，可能存在较大的风险。行业 K 在 t 时刻的偏度 ( ) 为：

此外，我们还引入（）来检验行业收益率与整体市场收益率概率分布的偏离程度。 t时刻行业K相对于市场基准的协偏度为：

本研究共构建了六大类20个拥挤指数

上一篇给出的六种拥堵指标都是按照同一个原理构建的：即计算一个原始量价指标（如动量或量价相关系数）来判断该指标是否处于临界点在历史上的地位。我们统一采用历史分位数法来确定各个量价指标的历史位置。六类拥挤度指标的计算过程可概括如下：

1、确定各指标的窗口期长度N，并计算各量价指标的原始值。各指标窗口期的取值范围设置如下：

a) 动量、流动性、量价相关系数、波动性、分布特征系数等指标关注近期市场表现，窗口期相对较短。这五个指标窗口的值设置为20、40或60个交易日，分别对应1个月、2个月和3个月。

b) 偏差率指标的思想是确定最新市场价格或交易量与近期平均值之间的偏差。计算平均值的窗口期可以取更长的值。偏差率指标的窗口期设置为20、40、60、120或250个交易日，分别对应一个月、两个月、三个月、半年和一年。

2、计算所有原始量价指标的历史分位数，并确定历史分位数达到拥挤状态的临界阈值。根据不同指标的方向性，历史分位数的阈值设置如下：

a) 量价相关指标和分布特征指标为正指标。当其量价指标的历史分位数低于指定阈值时，判定当前情况处于拥挤状态。我们将其设置为 1%、5%、10% 和 20%。

b) 其他四个指标为负面指标。指标的历史分位数必须高于指定的阈值，才能判断其处于拥挤状态。我们将这些指标的分位数阈值设置为80%、90%、95%和99%。

3、判断一个行业指数是否处于拥挤状态有两个条件：一是该行业指数在过去一段时间内是否一直在上涨，即该行业指数在过去N天内是否上涨或下跌窗口期为正；其次，行业指数近段时间是否一直在上涨。就是量价指标是否处于历史临界位置，即量价指标的历史分位数是否达到指定阈值。拥堵指数是每日频率信号。我们将拥挤状态的行业标记为1，将非拥挤状态的行业标记为0。

下文中拥塞指数的命名方式为：指标代码+窗口期长度+历史分位数阈值。例如，%表示当近20天总动能历史分位数大于80%，且行业指数涨跌幅为正值时，判断当前行业处于拥挤状态。

拥挤指数的有效性检验

有效的拥堵指标可以及时提示市场未来的下行风险。

上一篇文章给出了六大类共20个行业拥堵指标的构建方法。考虑各个指标的参数设置后，总共可以获得272个拥塞指标。接下来，本文将验证拥塞指标的有效性，并合理设置各个拥塞指标的参数。有效的拥堵指标需要及时提示市场过热的风险，避免投资组合出现较大损失。为此，我们将从以下四个角度筛选拥堵指数：

1、显着性检验：取拥堵信号对下个月行业指数收益率进行回归分析，并对回归系数进行显着性检验。通过显着性检验意味着拥堵指数具有一定的解释行业指数收益的能力。

2、信号胜率测试：汇总拥塞信号出现后当月的行业指数收益率，统计收益率为负值的次数比例。较高的胜率意味着拥塞指标可以更准确地捕捉下行风险。

3、回测回报测试：从所有行业组合中剔除拥挤行业，构建非拥挤行业组合。如果非拥挤行业组合在回测过程中能够取得超过行业等权基准的收益，则意味着收益下降的行业已通过拥挤指数被淘汰。

4、过拟合测试：基于过拟合测试算法，在确定拥挤度信号参数的过程中，判断各个拥挤度指标的过拟合概率。通过过拟合测试，可以筛选出可靠性较强的行业指标，并确定各拥堵指标的参数。

下文给出的回测区间统一设定为2010年2月1日至2019年12月31日。

显着性检验

为了减少回归残差的异方差性对假设检验的影响，我们使用Newey-West自相关兼容协方差方法(and)来处理残差自相关。在这种方法下，回归系数的估计值不会改变，但显着性检验的P值会改变，使得检验结果更加可靠。

计算结果显示，大部分拥挤指标的显着性检验P值都在0.01以下，超过63%的指标通过了显着性检验。各拥挤指标通过显着性检验的比例存在一定差异。 Sharp动量拥挤、成交量拥挤、偏度、共偏度这四个指标受参数影响较小。通过显着性检验的指标比例为80%。以上，高于其他指标。

信号胜率测试

本节将进一步利用信号胜率测试来筛选可以预测未来下跌的拥塞指标。拥堵信号胜率定义为拥堵信号触发后1个月内行业指数收益率为负值的天数比例。拥挤胜率越高，通过拥挤指数可以识别出可能下降的信号就越多。我们统计了各类拥堵指标中胜率大于50%的拥堵信号比例。计算结果显示，在包括所有参数设置的272个指标中，只有18%的指标同时通过了显着性检验和信号胜率检验。量价相关性、波动性指标和分布特征指标等信号比其他三类指标更容易通过胜率检验，更容易识别可能下跌的行业指标。

对于个体景气指标来说，参数选择对信号胜率的影响是有一定规律的。以成交量与收盘价的相关系数指标为例，历史分位数阈值越低，对应的信号胜率越高，更容易识别未来的下跌趋势。一般来说，拥挤指数的分位数阈值设置得越接近极端情况（例如正指标趋于1%，负指标趋于99%），信号胜率就越高。但如果分位数阈值太极端，发出的拥塞信号就会变得很小，导致该指标失去应用价值。具体参数值必须结合回测测试和过拟合测试进行比较和分析。

回测返回测试

本节将采用回测收益测试方法，在显着性测试和信号胜率测试的基础上，判断是否可以基于拥塞信号构建有效的行业投资组合。拥堵指数是一个风险厌恶指标。在资产组合构建过程中，应将拥挤状态的行业从投资组合中剔除。如果基于拥堵指数构建的非拥挤行业组合能够跑赢行业等权基准，则说明该指标可以筛选出未来会出现下滑的行业。

为了更好地契合行业轮动策略的投资逻辑，本研究构建了“月度仓位调整、每日监测”的回测流程。其核心思想是在每个交易日收盘时选择一个不拥挤的行业组合作为底部位置。监控各行业是否处于拥堵状态，及时清理拥堵行业。详细流程如下：

1、建仓流程：第一个拥堵信号发出后，次日所有非拥堵行业均等权重，构建初始投资组合。

2。位置持有过程：根据每个交易日的资产价格计算每个行业中持有的资金的变化。如果交通拥堵信号表明一个行业处于拥挤的状态，将在下一个交易日清除职位。总结持有的每日总资金并计算资产组合的净值。

3.位置调整过程：总结每个月末目前持有的资金，并在月份的第一个交易日以不受欢迎的州为行业分配相等的权重，直到返回测试结束。

以上进行回测的过程是高度可扩展的，可以将拥塞策略与其他行业轮换策略相结合。例如，在每个月调整职位时，您可以使用其他策略（例如繁荣策略）来建立底部位置，在每个交易日监视拥塞，并通过拥塞指标改善其他轮换策略的回测。

回测的结果表明，拥挤指数已经通过了显着性测试和信号获胜率测试，而回头测试的年度回报率通常可以超过行业相等的加权基准。在前两个过程中筛选出的49个拥塞指标中，有45个可以实现积极的超额回报。通过测试的大多数指标都是量价格相关指标和波动率指标。最好的回测性能是％指标，该指标可以实现近4％的年度超额回报。

过度拟合测试

前三轮检查最初可以筛选出可以作为风险提醒的指标。但是每个拥挤度量指标都有几个替代参数可供选择。最后，我们将使用过度拟合测试来屏幕指示器，其过度拟合的风险较小，并为最终选择的单人拥挤索引提供可靠的参数设置。

在 人工智能系列报告（“基于CSCV框架的过度拟合概率），2019-6-17），我们介绍了组合对称交叉验证（CSCV）框架，以计算过度拟合（PBO）的概率（PBO），定量分析政策过高的程度。 PBO概率定义为：样品中最佳参数在样品之外的夏普比的最低50％中排名。一般而言，如果PBO概率小于50％，则可以认为过度拟合的概率不高。 PBO越小，回测过度拟合的概率越低。

例如，在计算普通动量拥挤时，需要引入两个参数：窗口周期长度和历史刻痕阈值。值范围为[20/40/60]天，[80％/90％/95％]。 /99％]，我们在回测的过程中发现，当窗户周期长度为20天，历史刻痕阈值设置为99％时，普通的动量拥挤策略的年度测试率最高。对于普通的动量拥挤指数，可以通过CSCV方法定量验证20th和99％参数的特定过度拟合概率。具体计算过程如下：

如果某个拥塞指数的PBO很高，则意味着在训练集中表现良好的参数在测试集中的性能很差，这意味着在此索引的参数设置过程中有更大的风险。指标的PBO越高，过度拟合的风险越大。我们将计算需要设置参数的20个拥挤索引的过度拟合概率，并且在确保其有效性的同时，我们将寻找较低拟合概率的拥挤索引。

我们将过度拟合的概率设置为小于50％，作为过度拟合测试的传递标准。计算结果表明，在总共20个拥塞指标中，9个指标的过度拟合概率小于50％。最后，总共有6个指标通过了显着性测试，信号赢得率测试，回头测试测试和过拟合测试：营业额拥塞，收盘价偏差率，周转率偏差率以及交易量与交易量之间的相关性收盘价系数，周转率和关闭价格相关系数，峰度。考虑参数设置后，总共21个拥塞指标通过了测试。

通过上述过程，对于每个拥塞指数，可以计算其最佳参数出现在训练集上的次数，并且可以相应地确定每个拥塞指数的最佳参数。筛选后，我们最终选择的六个拥塞指标如下：_1％，％，％，％，％和％。

基于拥塞指数的行业轮换策略

复合拥挤指数的构建

筛选层后，我们最终选择了六个单一拥塞指标来构建复合指标。每个拥塞指数等同于从特定的角度定量确定当前市场是否处于拥挤状态。当六个单独的指标中的任何一个表明目前处于拥挤状态时，可以触发复合拥堵指数的信号。也就是说，当六个拥塞指数中的任何一个值为1时，复合拥塞指数值标记为1，否则标记为0。

我们基于进行回归返回测试的复合拥塞指数建立了一个非拥挤的行业投资组合。结果表明，复合拥堵指数比单个指标可以取得更好的回测结果。复合指标的年度年度回报率，夏普比率和获胜率优于每个指标，波动率和最大降低也低于单个指标。

复合拥堵指数可以稳定地滤除目前处于过热交易状态的行业指数，有效地避免了风险并改善战略回报。基于综合拥堵指数构建的非拥挤的行业投资组合可以胜过该行业的同等加权基准，除非在2013年和2014年，并且具有相对稳定的回报。拥堵指数在2015年，2016年和2019年表现良好。在这些年中，市场经历了巨大的波动，这使触发拥堵信号变得更加容易。在这三年中，非宿主的行业投资组合能够取得18.11％的年度申报表，为9.90％和8.22％。从2015年和2016年回报的相对净价值来看，拥塞指标在市场急剧下降以避免大量损失之前发出了拥塞信号。

当市场体验急剧上升和下降时，拥塞指数的表现会更好，这也符合我们对交通拥堵的期望，即避免在“拥挤”状态的市场。拥塞指标将集中于市场是否处于异常过热的贸易状态，并在迅速上升后避免风险。例如，当市场在2015年，2016年和2019年迅速增长时，拥塞信号的数量大大增加。如果目前清除了职位，则随后的下降风险可能会降低。

相比之下，当市场下降（2010-2014）或中度上升（2017年）时，市场量和收盘价的变化较小，并且没有达到“拥挤”水平。因此，在这段时间内，拥塞策略没有位置，很难获得大量的超额回报。

拥塞和繁荣的综合策略

根据拥塞指数，可以改善现有的行业轮换策略，以增加策略的回报，并通过避免下行风险来减少最大降低。在先前的报告“繁荣指数在行业配置中的应用”（2019-9-12），我们根据繁荣指数构建了每月的行业轮换策略。本节将结合繁荣战略和拥塞指数，并利用拥塞指数来改善繁荣战略。繁荣和拥塞学位综合战略的建设过程如下：

1。建立立场的过程：通过筛选繁荣最高的五个行业，消除拥挤的行业，并分配相等的权重以构建初始投资组合。

2.职位持有过程：在每个交易日，可以判断每个行业是否处于拥挤状态，并且在下一个交易日清除了一个拥挤的州的行业。

3。位置调整过程：筛选每个月末五个最繁荣的行业，并将同等权重分配给其中的非拥挤的行业，直到回头测试结束。

在添加了交通拥堵指数后，繁荣战略的回归回报得到了显着改善。拥塞和繁荣战略的年度回报率可以达到20.83％，这比繁荣战略的年收益率每年13.33％。化合物策略的最大减收率为-36.50％，也大大高于原始策略的-56.05％。此外，风暴和交通拥堵策略的获胜百分比为67.23％，高于纯粹的繁荣战略。

与纯粹的繁荣战略相比，繁荣和交通拥堵策略具有稳定的超额回报。繁荣战略挤压指标带来的超额回报主要在2015年，2016年和2019年初使用。在这三个时期，在拥挤指数的帮助下，可以有效避免下降的风险。

让我们举一个例子，说明与繁荣指数复杂化时避免风险的挤压指标：在2019年初，房地产行业的繁荣相对较高，由繁荣战略选择，而行业指数的价格上涨。到2019年4月中旬到2019年4月中旬，房地产指数仍然很高，但是交易的数量继续缩小，数量和价格的趋势分开。 4月22日的定量和价格的数量在历史低位，引发了拥挤的信号，提醒当前的市场风险。房地产行业指数于4月底进行了调整。如果根据拥挤指标提前清除，则可以减少下降。

风险提示

1。该模型根据历史法总结，历史定律可能失败。

2。市场具有超级预期的波动，导致交易拥挤。

3。报告中涉及的特定行业并不代表任何投资意见。要求投资者仔细注意和理性的观点。