1. 择时模型观点：
Hurst模型12月2日收盘提示上一轮看多周期结束，趋势转为看空。上周Hurst维持高位，表明趋势延续，因此我们维持市场看空观点。本轮看空以来，大盘已从3243.84点下跌至3123.14，跌幅3.72%（截至2017-1-20）。
2. 市场风格轮动观点：股市为趋势市；大盘相对小盘占优，主板相对创业板占优；周期相对非周期占优、金融相对非金融占优；债券看空。
表：风格轮动的最新观点（2017-01-20）
3. 行业及风格配置建议：52.79%银行、22.64%地产、22.22%传媒、2.36%有色。上周超额收益为-0.63%，近一年来相对沪深300的超额收益为5.71%，近一年来周胜率51.92%，月胜率50.00%。
4. 市场热点：
节前可能迎红包行情。
市场综述
A股市场：
上周A股震荡上行，上证综指周一暴跌考验3000点，尾盘在权重股拉升中，形成V型反转，接下来持续震荡。截至周五收盘，沪指收于3123.14点，周涨0.33%。其他各主要指数中，沪深300周涨1.05%；中小板指周跌0.93 %；创业板指周跌1.01%。中小创走势仍然明显弱于大盘。
行业方面，上周28个申万一级行业跌多涨少，银行、家用电器、食品饮料、钢铁、非银金融领涨；综合、纺织服装、通信、电器设备、机械设备领跌。
分级基金：
分级A上周震荡上行，但成交量逐日降低。全周来看，周成交1000万元以上的分级A价格平均上涨0.26%，平均隐含收益率4.89%。全市场隐含收益率最高为深成指A的6.05%，此外网金融A、中航军A、传媒A级等隐含收益率居前。
分级B价格方面，上周周成交2000万元以上的分级B平均下跌1.50%。新能车B、创业50B、新能源B、军工B、环保B等跌幅居前；银行B、银行股B、白酒B、上证50B、金融B等上涨。
杠杆水平方面，互联网B、成长B级、传媒B级、创业50B、网金融B等杠杆居前。
截至周五收盘，全市场成交活跃的分级基金多数整体折价。截至周五收盘， 国投成长、一带分级、移动互联、国泰食品等折价水平居前，投资者可关注 相应套利机会。
ETF基金：
上周A股ETF整体份额增加9.41亿份，海外股票型ETF份额减少0.72亿份，债券ETF份额不变。商品型ETF净赎回，四只黄金ETF份额减少1.26亿份。二级市场日均成交与前一周相比有所上升。
50ETF期权：
上周市场波动相对较平稳，正向平价套利在周五出现机会，最高收益为0.15%左右，反向平价套利在周一尾盘出现套利机会，最高收益在2%左右。
从隐含波动率来看，近月认购期权波动率呈现明显的倾斜形态，部分深度实值认购期权隐含波动率为0，近月认沽期权呈现波动率微笑形态。
产品动态：
港交所李小加：正商讨将ETF纳入互联互通。
深交所2017年将研究制定创业板改革方案。
量化模型的市场观点
我们构建了包括择时、市场风格轮动、行业配置在内的一系列量化模型，力图给出多层次、多角度的市场观点。如希望进一步了解模型原理、基于模型构建策略的历史表现等，请参见附录。
量化模型体系最新观点总结如下：
1. 择时模型观点：Hurst模型12月2日收盘提示上一轮看多周期结束，趋势转为看空。上周Hurst维持高位，表明趋势延续，因此我们维持市场看空观点。本轮看空以来，大盘已从3243.84点下跌至3123.14，跌幅3.72%（截至2017-1-20）。
2. 市场风格轮动的最新观点：股市为趋势市；大盘相对小盘占优，主板相对创业板占优；周期相对非周期占优、金融相对非金融占优；债券看空。
3. 行业及风格配置建议：52.79%银行、22.64%地产、22.22%传媒、2.36%有色。上周超额收益为-0.63%，近一年来相对沪深300的超额收益为5.71%，近一年来周胜率51.92%，月胜率50.00%。
量化择时模型
我们采用Hurst量化择时模型进行市场趋势判断。
Hurst模型
Hurst模型12月2日收盘提示上一轮看多周期结束，趋势转为看空。上周Hurst维持高位，表明趋势延续，因此我们维持市场看空观点。本轮看空以来，大盘已从3243.84点下跌至3123.14，跌幅3.72%（截至2017-1-20）。
下图为Hurst量化择时模型的最新判断结果。阈值虚线代表中国市场反转线，红线(Hurst值)在虚线上部为趋势延续区，红线在虚线下部为趋势反转区，每次红线上穿虚线指示了市场的一次反转。
图 1：Hurst模型最新判断(2017-01-20)
表 1：2014年牛市以来Hurst模型的择时效果
注：表1中点位与涨跌幅对应指数为上证综指,关于Hurst模型的详细信息及其历史表现请见附录。
风格轮动切换模型
我们构建了一系列风格轮动的切换指标，用于判断股票市场和债券市场的风格切换，具体包括股票市场的趋势市震荡市轮动、大小盘轮动、金融非金融轮动、周期非周期轮动、主板创业板轮动，以及债券市场的多空轮动。这些指标也被我们用于量化行业配置模型中，从历史回测来看取得了非常好的效果。
截至上周五收盘，风格轮动的最新观点为：股市为趋势市；大盘相对小盘占优，主板相对创业板占优；周期相对非周期占优、金融相对非金融占优；债券看空。
表 2：风格轮动的最新观点（2017-01-20）
量化行业及风格配置模型
量化行业及风格配置模型通过量化的方法选取适合当前配置的行业及风格板块，在实战中可以利用场内现有的指数产品，根据模型的配置结果构建FOF组合，获取稳定的超额收益。行业配置模型上周超额收益为-0.63%，近一年来相对沪深300的超额收益为5.71%，近一年来周胜率51.92%，月胜率50.00%。
根据本模型，我们最新的行业及风格配置建议如下表所示，目前建议配置52.79%银行、22.64%地产、22.22%传媒、2.36%有色。相比上周调出中证500，相比调增银行、有色，调减地产、传媒。关于模型的进一步信息请见附录。
表 3： 行业及风格配置建议(变动方向相对上周)：
图 3：行业及风格配置模型历史表现（截至2017-01-20）
表 4：行业及风格配置模型主要收益指标
附录：量化模型简介
附录一：Hurst量化择时模型
Hurst模型是基于非线性分形技术的择时模型，在量化择时模型大类中，Hurst模型相对于趋势类模型的优势是其及时性，相对于统计置信类模型的优势是其充分性。Hurst模型在美国市场S&P 500指数上运用非常成功，从2009年以来，我们在中国市场沪深300指数上引入了该模型。
下图中，阈值虚线代表中国市场反转线，红线是Hurst指标时间序列。Hurst指标在阈值线上部代表市场处于趋势延续区，指标在阈值线下部代表市场处于趋势反转区，当红线上穿阈值线则代表一次明确的信号，指向市场前期趋势的一次反转。Hurst模型12月2日收盘提示上一轮看多周期结束，趋势转为看空。上周Hurst维持高位，表明趋势延续，因此我们维持市场看空观点。本轮看空以来，大盘已从3243.84点下跌至3123.14，跌幅3.72%（截至2017-1-20）。
图 7：Hurst模型历史表现（2007年至今）
附录二：投资者情绪指数择时模型
投资者情绪指数择时模型本质上类似于技术面的多、空头排列，但蕴含了更深层次的经济学原理和数学原理。
模型认为申万一级行业的行业收益率轮动与行业Beta轮动之间的一致性程度和方向可以体现投资者情绪。如果行业的收益率排序能保持与Beta系数排序一致，即Beta系数越高的行业收益率越高，说明与大盘高度相关的行业表现更好，也就进一步表明投资者对于市场是一致看好的；反之，如果行业的收益率排序与Beta系数排序相反，即Beta系数越高的行业收益率越低，说明与大盘相关性低的行业反而表现更好，体现出投资者对于大盘均持悲观态度。而如果行业的收益率排序与Beta系数排序没有明显相关性，则表明投资者意见不一，部分看多部分看空，反映在大盘上就可能是一个震荡市。
具体地，我们用Spearman秩相关系数来度量行业收益率与Beta系数的一致性程度和方向。为正代表收益率与Beta系数正相关，当大于某个临界值，可以认为市场情绪一致乐观，后市看多；反之，为负代表收益率与Beta系数负相关，当小于某个临界值，可以认为市场悲观情绪蔓延，后市看空。
下图展示了2009年以来模型所发出的多空信号，红点为看多信号，绿点为看空信号。可以看到模型的历史表现比较稳定，很好地把握了几段大趋势的反转。
7月20日，投资者情绪模型发出看空信号，目前保持看空判断。
图 8：投资者情绪模型历史信号（2010年至今）
附录三：量化风格轮动指标
我们构建了一系列风格轮动的切换指标，用于判断股票市场和债券市场的风格切换，具体包括股票市场的趋势市震荡市轮动、大小盘轮动、金融非金融轮动、周期非周期轮动、主板创业板轮动，以及债券市场的牛熊轮动。这些指标不仅可以单独运用，还可以嵌入行业配置等量化模型中辅助判断，应用非常广泛。
下面的一系列图给出了这些轮动指标的历史表现，其中震荡指标高于一定阈值表明市场为震荡市，否则为趋势市；其他指标则采用日线和均线的上下穿来进行轮动判断。从历史上看这些指标均表现出良好的稳定性，大部分情况下风格切换的判断能够维持一定时间，使得指标具备良好的实用性。
附录四：量化行业配置模型
量化行业资产配置模型通过量化的方法选取适合当前配置的行业组合，在实战中可以利用场内现有的指数产品，根据模型的配置结果构建FOF组合，获取稳定的超额收益。
下图展示了本模型的基本框架。首先运用各类轮动模型进行多维度的市场风格判断，然后利用朝阳永续数据库的一致预期数据构建行业的预期收益率矩阵；接着，以Black-Litterman模型为框架，将组合的风险水平限定在1倍市场波动率以内，根据此前的风格判断结果确定具体的行业权重约束；最后运用Ampl-Cplex代数优化模型进行优化求解得到最优的行业组合。
图 9：量化行业配置模型的基本框架
利用此模型，我们构建了每月月初调仓的行业配置策略，在并未对模型参数做进一步优化的情况下，策略取得了十分稳健的投资效果。
)
