国信相对强弱指标（GSRS）模型简介与应用背景 [page::2]

• GSRS模型基于资产收益的相对强弱和动量效应，通过计算资产间累积对数收益差和MACD指标，识别资产轮动信号。

- 主要用于判断两类资产间的超额表现趋势，实现动态资产风格轮动。

• 适用资产范围包括股票型基金与债券型基金、权益类与固定收益资产、一二类行业、周期与非周期行业及大小盘股票，覆盖多层次资产配置领域。

GSRS模型在基金市场股票型与债券型基金轮动中的表现 [page::3][page::4]

| 指标 | 组合 | 基准 | 股票基金 | 债券基金 |
|-------------|----------|----------|---------|---------|
| 收益率 | 417.95% | 205.59% | 332.13% | 73.41% |
| 超额收益 | - | 212.36% | 85.82% | 344.54% |
| 标准差 | 0.0252 | 0.0244 | 0.0339 | 0.0052 |
| Sharpe比率 | 0.2243 | 0.1602 | 0.1567 | 0.3349 |
| 交易次数 | 23 | - | - | - |

• 轮动配置组合收益率远超基准与单只资产，实现风险调整后优异表现。

- 建议当前阶段优先配置债券型基金以控制风险。

GSRS模型在权益类与固定收益资产配置中的应用 [page::5]

| 指标 | 组合 | 基准 | wind全A指数 | 中证全债指数 |
|---------------|----------|---------|------------|-------------|
| 收益率 | 275.99% | 166.90% | 181.53% | 31.00% |
| 超额收益 | NA | 109.09% | 94.46% | 244.99% |
| 标准差 | 0.0330 | 0.0418 | 0.0448 | 0.0037 |
| Sharpe比率 | 0.1416 | 0.0942 | 0.0944 | 0.2312 |
| 交易次数 | 27 | - | - | - |

• 组合在权益债券两类资产间进行动态轮动，提升收益且降低波动风险。

- 当前建议以固定收益资产为配置重点。

GSRS模型在一、二类行业轮动中的应用 [page::6]

| 指标 | 组合 | 基准 | 一类行业 | 二类行业 |
|---------------|----------|---------|-----------|-----------|
| 收益率 | 520.08% | 284.80% | 321.43% | 421.73% |
| 超额收益 | NA | 235.28% | 198.65% | 98.35% |
| 标准差 | 0.0529 | 0.0505 | 0.0531 | 0.0502 |
| Sharpe比率 | 0.1920 | 0.1515 | 0.1526 | 0.1826 |
| 交易次数 | 16 | - | - | - |

• 采用GSRS模型轮动配置一、二类行业，获得较高超额收益。

- 当前推荐配置一类行业实现更稳健超额收益。

GSRS模型在周期与非周期行业轮动配置中的应用 [page::7]

| 指标 | 组合 | 上证综指 | 周期50指数 | 非周期100指数 |
|---------------|----------|---------|-----------|--------------|
| 收益率 | 428.12% | 157.47% | 209.97% | 227.47% |
| 超额收益 | NA | 270.65% | 218.15% | 200.65% |
| 标准差 | 0.0527 | 0.0457 | 0.0532 | 0.0485 |
| Sharpe比率 | 0.1825 | 0.1258 | 0.1306 | 0.1431 |
| 交易次数 | 16 | - | - | - |

• 模型有效捕捉周期与非周期行业轮动机会，推荐以周期行业配置为主。

GSRS模型在大小盘风格轮动配置中的应用 [page::8]

| 指标 | 组合 | 基准 | 中证100 | 中证500 |
|---------------|----------|---------|-----------|-----------|
| 收益率 | 563.79% | 256.88% | 214.93% | 483.77% |
| 超额收益 | NA | 306.91% | 348.86% | 80.03% |
| 标准差 | 0.0549 | 0.0480 | 0.0473 | 0.0553 |
| Sharpe比率 | 0.1701 | 0.1334 | 0.1235 | 0.1597 |
| 交易次数 | 20 | - | - | - |

• 大小盘风格轮动显著提升组合表现，建议优选大盘股（中证100）配置以降低风险。

结论与资产配置建议 [page::9]

• GSRS模型多维度资产轮动均获得显著超额收益，交易频率适中，风险收益指标优于基准。

- 对大类资产建议偏向固定收益类基金。

• 对于公募基金有最低股票仓位要求，建议配置大盘蓝筹股、周期类股票及一类行业股票，兼顾收益和风险控制。

金融工程专题报告——《国信相对强弱指标GSRS在资产配置中的应用》详尽解读与分析

---

一、元数据与报告概览

• 报告标题：国信相对强弱指标GSRS在资产配置中的应用

- 所属系列：量化投资技术系列之二十七

• 发布机构：国信证券经济研究所

- 发布日期：2010年5月6日

• 分析师：黄志文、葛新元

- 主题：本报告围绕“国信相对强弱模型（GSRS）”在多类别资产配置中的轮动应用展开，重点研究在A股市场及相关基金市场，如何通过量化动量模型辅助识别资产间相对强弱，实现动态资产配置以提高组合风险调整后收益。

• 核心观点：

- 利用GSRS模型捕捉大类资产间及市场中不同风格资产的相对强弱动量指标，可以有效把握配置时点。
- 模拟实验覆盖股票型与债券型基金、权益类与固定收益资产、一二类行业、周期与非周期行业、中证100与中证500大小盘风格五大类资产均表现出显著超额收益。
- 轮动策略相较于静态持有能够显著提升收益率并降低波动风险，给出量化轮动下的最新资产配置建议：偏向固定收益类资产、蓝筹股、周期类及国信证券一类行业。

• 目标读者：机构投资者、基金经理、量化研究员及关注资产配置策略的专业投资者。

整体而言，报告传达的信息是通过基于市场表现的GSRS模型进行动量驱动资产轮动配置，有望实现超越基准的优异投资表现，同时解决传统理论层面对资产风格切换复杂因素难以预测的问题[page::0] [page::2]。

---

二、逐章节深度解读

概述

报告开篇强调资产配置在投资中的核心地位。指出市场非完全有效且投资者非理性，积极资产配置是降低组合风险并提升收益的关键。强调风格资产配置（风格指股票与债券、大小盘、行业风格等）的动态调整有助于捕获风格转换带来的超额收益，控制组合波动。鉴于宏观经济、产业政策、投资者情绪等驱动力复杂且难以预测，作者提出采用基于历史资产表现的GSRS相对强弱模型，作为简洁易行的预测工具[page::2]。

• GSRS模型原理：

- 取历史资产组合的对数累计收益率相减得到相对收益率序列。
- 参照MACD动量指标的计算方法，计算该相对收益率的DIF、DEA指标，形成国信相对强弱指标（GSRS）。
- 当GSRS由负转正，预示资产组合A将强于B，推荐超配资产A；反之配置资产B。
- 使用频率为周，单边交易费率0.5%，参数通过前100个数据进行优化。

此模型以动量效应为理论基础，认为过去表现优异的资产在未来短期内仍具超额潜力，符合“惯性收益”（momentum），利用市场非完全效率实现交易优势[page::2]。

---

一、GSRS在证券投资基金市场轮动的应用

• 主要论点：股票型基金与债券基金波动特征差异显著，利用GSRS模型轮动配置股票与债券基金的策略能显著提升收益并降低波动。

- 数据支持：
- 模拟时间：2003年11月至2010年4月
- 组合累计收益率417.95%，基准收益率205.59%，股票基金332.13%，债券基金73.41%。
- 组合Sharpe比率0.2243，优于基准的0.1602。
- 标准差0.0252略高于基准0.0244，交易次数23次。
- 投资建议：偏向债券型基金配置，体现风险控制优先原则。

• 图表分析：

- 图1显示股票基金与债券基金收益的差异及GSRS轮动组合收益明显高于单一基金曲线，且组合曲线较为平滑，说明模型有效捕捉轮动机会。
- 表1与表2数据具体体现了风险收益特征，组合收益均值和Sharpe均优于各单独基金及基准，体现优化风险调整后表现[page::3][page::4]。

---

二、GSRS在权益类市场配置的应用

• 重点：研究股票市场权益类与固定收益资产间的轮动关系，验证资产之间“跷跷板效应”，运用GSRS优化配比提升组合表现。

- 实证结果：
- 模拟时间自2003年12月至2010年4月
- 组合收益率275.99%，基准166.90%，wind全A收益181.53%，中证全债31.00%。
- 标准差0.0330低于基准0.0418，且Sharpe比率明显提升至0.1416（基准0.0942），交易次数27次。
- 投资结论依旧建议配置固定收益资产，强调稳健策略。

• 图2与图3中，组合收益随时间明显优于各单项资产，买卖标志体现出GSRS信号对交易入场出场的辅助功能。表3、4揭示组合在收益和风险双方面的优化效果[page::4][page::5]。

---

三、GSRS在一、二类行业配置的应用

• 背景：国信证首次引入一、二类行业划分，发现两类行业间存在长期负相关的超额收益关系，适合采用轮动策略。

- 模拟数据：
- 时间2005年12月至2010年4月
- 组合收益520.08%，基准284.80%，一类行业321.43%，二类行业421.73%。
- 组合超越基准235.28%，Sharpe比率0.1920领先基准0.1515，波动稍增。
- 交易次数16次，低于前两部分说明行业轮动相对频率较低。
- 配置建议偏向一类行业。

• 图4曲线显示组合稳健领先基准，买卖标志点明交易时机。表5、6数据更进一步证实模型轮动的有效性[page::5][page::6]。

---

四、GSRS在周期、非周期行业配置的应用

• 主题：周期与非周期行业之间反映产业链关系及大小盘风格，形成独特且稳定的行业波动规律。

- 成果：
- 时间段为2005年底至2010年4月
- 组合收益428.12%，上证指数157.47%，周期50指数209.97%，非周期100指数227.47%。
- 组合Sharpe率0.1825超过上证指数0.1258，波动轻微增加。
- 交易次数16次，体现适度调整频率。
- 建议配置周期类行业。

• 图5及表7、8中显著展现组合收益优势和较高的风险调整回报水平，买卖标志显示策略交易清晰可信[page::6][page::7]。

---

五、GSRS在大小盘风格配置应用

• 研究动机：价值与成长、小盘与大盘轮动存在周期性，长期单一持有难免错失风格转换带来的收益。

- 实证：
- 数据范围从2005年7月至2010年4月
- 组合收益563.79%，远超基准256.88%，中证100指数214.93%，中证500指数483.77%。
- 标准差0.0549略增，基准0.0480
- Sharpe比率0.1701领先基准0.1334
- 交易次数20次，较为适中
- 投资建议偏重大盘蓝筹股（中证100指数）。

• 图6体现出组合曲线明显领先沪深300与大小盘指数，交易买卖信号对应趋势转换，说明GSRS策略切换有效。表9、10显示组合在收益表现和风险调整收益方面均有优势[page::7][page::8]。

---

结论与最新配置建议

• 五大资产配置轮动均显著跑赢基准，组合累计收益别分别高达275.99%-563.79%不等，按时间维度截点均体现超额收益超过90%以上，且在风险和Sharpe比率上均表现优异。

- 复合交易次数均较低（16-27次不等），显示较低的交易频率有助于减少交易成本，提升净收益。

• 截止2010年4月30日最新的资产类配置建议为：

- 大类资产配置建议偏重固定收益类，强调风险控制；
- 公募基金最低股票仓位要求的，则建议配置大盘蓝筹股、周期类股票或国信证券一类行业，突出价值、规模及周期属性组合。

这些建议紧密结合GSRS量化模型信号，体现积极动态资产配置与风险收益平衡的科学策略[page::0][page::9]。

---

三、图表深度解读

图1（股票型与债券型基金收益对比）

• 展示2003-2010年股票型基金（黑线）、债券型基金（蓝线）及GSRS轮动组合收益率。

- 股基收益波动大但累积收益中期快速上升，债基走势平稳但增速较慢。

• GSRS组合线明显跑赢两者，且增长更平滑，说明模型有效捕捉股债转换的优势时点。

- 图表佐证了报告提出的GSRS轮动有效提升基金组合收益及稳定性。

图2（不同基金投资策略收益对比）

• 通过净值增长曲线对比组合、基准、股票基金、债券基金及买卖标志，展示交易信号与收益波动的对应关系。

- 买卖标志提示实际交易时间点，有助于理解交易频率和时机，模型执行刚性与有效性。

表1-2（股票债券基金风险收益特征）

• 展示均值收益、标准差及Sharpe比率，组合收益均高于股票和债券单独持有，风险水平处于中间，Sharpe比率凸显风险调整后的收益改善。

图3-4及对应表3-6

• 权益类市场和一、二类行业轮动的收益曲线及风险收益表，均显示GSRS组合超越其基准和单一资产的优势。

- 交易次数偏少，但效果显著，体现模型滤除噪声的能力。

图5及表7-8（周期与非周期配置）

• 展示周期50与非周期100指数收益。

- 组合线持续领先，交易信号分布反映了资本在周期和非周期行业间的动态调整。

图6及表9-10（大小盘轮动）

• 标明中证100（大盘）、中证500（小盘）及组合表现。

- 图形买卖信号明确，显示搭建起系统化风格切换机制。

• 数据表反映组合在收益和波动率方面均取得优势。

所有图表均结合买卖信号展示，直观验证了GSRS模型的实际运作及市场表现的超越基准性。数据完整且时间跨度足够，增强结果的代表性和可信度[page::3-8]。

---

四、估值分析

本报告并未涉及具体公司的股票估值分析或传统DCF、P/E估值模型应用，而是聚焦于资产类别间的轮动配置策略和模型回测。因此没有传统意义上的估值输入和估值结果。报告的“估值”可理解为通过动量驱动定量信号，判断资产相对优劣，实现动态配置“估值”与“价值发现”。故该部分核心在于相对收益率及动量信号的数学构建和信号示范。

参数设定（周频率、单边0.5%费率、历史回测参数优化）为模型决策提供了合理的边界。模型输出的超额收益即为“估值”成果的体现[page::2][page::3]。

---

五、风险因素评估

报告未专门章节深入讨论风险因素，但隐含风险主要有：

• 市场非完全有效性假设：GSRS依赖于动量效应，若市场突发黑天鹅或效率显著提升，动量策略效果下降风险。

- 参数设定与模型假设风险：参数固定，假设前期动量规律持续，有可能遭遇结构性变迁风险。

• 交易成本与滑点：单边0.5%至0.25%的交易成本设定对组合收益影响重大，若实际成本偏高，收益可能缩减。

- 模型适用范围局限：只覆盖部分资产分类及时间段，未来市场环境变化（如政策、流动性）影响策略有效性。

• 资金规模限制风险：模型交易恐对大规模资金适用性有限，可能面临流动性和市场冲击风险。

报告虽未详述缓释措施，但通过交易次数控制、低频率进行调仓，尽可能降低交易费用冲击，体现一定风险控制意识[page::0-9]。

---

六、批判性视角与细微差别

• 报告对GSRS模型充满信心，强调动量效应规律但对可能存在的市场极端情况、模型失效风险缺乏足够论述，存在一定强调模型优势、较少揭示潜在弊端的倾向。

- 动量策略普遍存在“反转效应”和“规模效应”约束，报告未涉及这些经典动量策略的局限性探讨。

• 模型参数基于历史数据优化，缺乏对未来可能发生结构变迁的敏感性分析。

- 各类资产覆盖面较广，但如果增加细分子行业以及跨期截面样本，可能现出更多噪声或不同结论。

• 交易频率虽偏低，但仍存在执行细节未披露，实际实操中可能面临滑点、流动性差异等问题。

- 动量模型依赖于市场非有效性，市场逐渐向有效转变可能使策略收益递减。

综合来看，报告作为一份基于量化模型回测的策略研究，科学严谨，但应注意对结论的适用范围和动态投资环境的限定条件[page::0-9]。

---

七、结论性综合

本专题报告系统展示了国信证券依托GSRS国信相对强弱指标模型，在中国A股市场多类别资产的轮动配置研究及实证结果：

• 通过模型对股票型基金、债券基金、权益类与固定收益、行业分类（一二类、周期非周期）、大小盘风格切换，均实现了超显著的超额收益，累计收益率最高超过500%以上，相对基准超出100%-300%以上不等。

- 动量驱动的相对强弱指标，利用历史负相关资产表现预测未来走势，成为有效、稳健的资产配置辅助工具。

• 组合风险调整后表现亦优于基准，交易频率适中，体现良好的交易成本控制与实际应用可行性。

- 最新投资建议切合实务，强调固定收益类资产优先，加之受限股票类基金可配置大盘蓝筹股、周期类及一类行业，符合风险控制与成长性平衡需要。

• 图表与表格数据直观体现了GSRS模型驱动的组合表现及买卖信号的有效执行，为研判策略效果提供了充分的量化依据。

总体来看，该报告为量化投资领域提供了切实可行的资产轮动配置模型及策略框架，具有显著借鉴价值和应用潜力。建议投资者在采纳前，结合自身风险承受能力及市场环境动态调整参数，并关注未来策略有效性的持续验证及风险管理[page::0-9]。

---

参考附图示例

图1：股票型与债券型基金收益对比

图3：权益类市场配置

图6：大小盘轮动配置收益对比

---

以上为本报告的详尽解读及综合分析。

报告