互联网大数据挖掘系列专题之(九):基于大数据挖掘的概念轮动策略

　　概念轮动策略思想

　　通常情况下,某个概念热点在出现上涨之前往往受到了投资者的广泛关注,投资者的情绪、对概念热点的关注程度都会对市场涨跌起到推波助澜的作用。

　　近十几年来,互联网得到了快速的普及和发展,极大的改变了人们的获取信息的方式。互联网上沉淀的数据呈指数型增长。根据网络搜索引擎构建的舆情数据很好地反映了投资者对于概念板块的关注度。这篇报告通过对舆情数据和概念热点之间的关系进行研究,探讨这些数据在量化研究中的应用效果。

　　概念轮动策略的构建

　　经过相关性分析,初步得到结论:舆情数据和概念热点行情数据之间有较强的正相关关系,概念热点历史行情数据和对应舆情数据的3 阶滞后有很强的正相关关系,平均相关系数达到0.43。当投资者对于某个板块的关注度急剧上升时,说明该板块是近期投资热点,如果还没出现明显上涨那么就有较大可能会在近期出现上涨。而投资者对于某个板块的关注度可以直接通过舆情数据反映出来。

　　对概念指数舆情数据的周涨幅设置阈值A,概念指数行情数据的周涨幅设置阈值B,跌幅设置阈值C,当满足某概念指数舆情周涨幅大于阈值A,同时概念指数周涨幅小于阈值B,跌幅小于阈值C 时,在下一交易日买入该概念指数。如果一周内发出买入信号的概念指数数目较多,对概念指数作进一步筛选,固定持仓一段之间,资金等权分配于各个概念板块。

　　实证结果

　　实证结果表明,从2011 年-2016 年回测期间,策略累计净值达到3.18,年化收益率为24.40%,胜率为58.7%。分年度表现下,每一年的表现都比较优异。最后对策略的三个阈值进行参数敏感性分析,策略结果对参数选择不是很敏感。

　　风险提示

　　本报告提出的概念轮动策略基于概念指数舆情数据,舆情数据仅仅是投资者投资情绪的一个方面表现,市场行情受到其他因素影响。