刘志成：大家下午好！今天向大家介绍一下华泰择时模型，说到择时，因为择时是在一个时间序列上做一些操作，因为数据是一维的，所以数据量是小的，但是呢大家又都希望做出高准确率的东西，所以很难。今天上午就有嘉宾讲到像算命一样。我们今天讲的主要有两部分，一个是风险收益一致性择时模型，一个是在全球同步配置上我们所做的尝试。
一、风险收益一致性择时模型
风险收益一致性择时模型是一个什么样的模型？我们观测市场，希望用市场结构反推市场的状态，我们想做这样的一些事情。如果大家对市场看多，肯定会选择一些相对高beta的行业，因为高beta行业是市场上涨时收益更好基本上市场的共识。如果市场下跌那就配置一些低beta的行业，比较具有防守的特性。那看到了这样的现象，是不是可以利用这样的现象对市场做判断？
长期观测来看，很多行业的beta相对比较稳定。（PPT图示）这两个图是beta完全不同的行业，第一个非银在过去beta非常高，是极涨极跌的状态。但银行beta就比较低，是相对稳定的行业。另外比如说食品饮料就是beta比较低的行业。今年以来，食品饮料和家电涨幅就很好，他们就都是低beta的行业，市场有风险的时候低beta行业就会是一种选择。
因为模型的核心是beta，我们回顾一下CAPM模型。在CAPM模型里beta是一个行业本身的性质，真实的beta是没有办法观测的。因为它是行业本身的属性，就和瞬时波动率一样，无法观测。对待波动率我们可以用过去的一段时间观测波动率的整体状态。行业的beta也是一样，没有办法去观测现在行业当前瞬间的beta，但可以观察的是这个beta过去的状态。所以，我们算beta是用回归法。
回到
CAPM
模型上，现在一个资产收益率等于
beta
乘以市场的收益率。市场基准怎么去选择呢？因为我们是从行业上进行观测，我们希望这个基准是各个行业比较均等的。如果选择沪深
300
的话，沪深
300
金融股的权重太高，这样就不太好，所以我们最后选的基准是万得全
A
。利用回归法算出
beta
之后，在横截面上就有
29
个公式。这个时候我们就想去看行业的涨跌与其
beta
是一个什么样的关系。我们选择是算一个相关性，如果相关性是正，就可以知道这个市场是高
beta
的行业，拥有高的涨幅。如果相关性是负的，就可以知道现在市场上低
beta
行业是比高的跌幅。这样的话，我们对市场就有一个非常观察。通过相关系数的衡量可以判断市场多空状态。但是这里如果用一个常规的相关系数去计算就会出现一个问题，如果一个行业的收益率或者
beta
有比较高的绝对值，就会对相关系数造成很大的影响。我们这里选择的是秩相关系数，它是排序相关，可以把极端值的影响降到比较小的状态。
