识别风险，发现价值请务必阅读末页的免责声明
1 / 22
金融工程|专题报告
2017年3月15日
证券研究报告
lifeng
Table_Title
基于大数据挖掘的行业轮动策略
互联网大数据挖掘系列专题之（十）
Table_Summary
报告摘要：
行业轮动策略思想
互联网的快速发展和普及为人们获取信息提供了更为方便快捷的渠
道。随着互联网的普及和运用，信息也呈现爆炸式增长的态势。信息早
已不再是一种稀缺的资源，相反，投资者的注意力成为一种稀缺的认知
资源。在金融市场上，当投资者面临海量信息时，不得不将有限的注意
力进行分配，从而对投资决策产生影响的往往是那些被关注的信息。我
国A股市场是散户为主的市场，众多中小投资者对A股的关注和热情是股
市上涨的重要推动力。根据搜索引擎等媒介构建的舆情指数能很好地反
映投资者对各行业的关注。本专题通过对舆情数据和行情数据之间的关
系进行研究，分析其在量化研究中的应用效果

策略构建
相关性分析结果显示，申万一级行业指数的历史行情数据和对应的滞
后5期历史舆情数据具有较强的正相关关系，大部分行业的正相关系数均
值处于0.4~0.6之间，即中度相关关系。当投资者对某个行业的关注度急剧
上升时，说明该行业可能是近期投资热点，同时若对应市场行情还未上涨
或者涨幅很小，接下来市场行情上涨的可能性较大

当某个行业满足舆情指数涨幅大于阈值A，对应的行业指数涨幅大于
阈值B且小于阈值C时，发出买入信号。为了更有效地利用资金，对筛选
行业数目设臵阈值，若一周内选出的热点行业数目太多，对选出的行业做
进一步筛选，固定持仓一段时间后平仓

实证结果
实证结果表明，在实证区间2011年至2016年内，策略年化收益率为
19.93%，相对于行业等权指数的年化超额收益率为20.83%，胜率为
53.57%。在原策略上加入交易区间内舆情与行情的相关性判断，改进策略
自2011年以来，实现了约25.55%的年化收益率，相对于行业等权指数的年
化超额收益率为22.21%，策略胜率为54.95%

风险提示
本报告提出的行业轮动策略基于行业指数舆情数据，舆情是投资者投
资情绪的一个方面表现，市场行情受到各种综合因素影响，注意模型失效
的风险

图1行业轮动策略累计净值
表1行业轮动策略历史表现
累计净值 3.82
年化收益率25.55%
年化超额收益率 22.21%
胜率 54.95%
Table_Author
分析师：
史庆盛 S0260513070004
02087577060
sqs@gf
Table_Report 相关研究：
《基于互联网挖掘的热点选
股策略——互联网大数据挖
掘系列专题之（五）》
《多维数据系的大数据择时
策略研究——互联网大数据
挖掘系列专题之（八）》
《基于大数据挖掘的概念轮
动策略-互联网大数据挖掘系
列专题之（九）》
2015-04-09
2016-05-17
2016-08-22
Table_Contacter 联系人： 陈原文 020-87576976
chenyuanwen@gf
-0.10
-0.05
0.00
0.05
0.10
0.15
0.0
1.0
2.0
3.0
4.0
5.0 行业等权指数轮动策略净值
超额收益超额收益率
识别风险，发现价值请务必阅读末页的免责声明
2 / 22
金融工程|专题报告
目录索引
一、前言 ..... 4
1.1大数据背景下网络舆情数据与量化投资 ... 4
1.2互联网大数据研究体系 ..... 4
1.3行业轮动策略介绍6
二、行业轮动策略构建 ....... 9
2.1样本数据 ... 9
2.2相关性分析 ......... 11
2.3策略原理 . 13
三、实证分析 ........ 14
3.1实证说明 . 14
3.2实证结果 . 14
3.3参数敏感性测试 .. 16
3.4策略改进 . 19
四、总结 ... 21
4.1总结 ........ 21
4.2未来研究方向 ...... 21