敢放90%成功率的框架出来，是因为还有一套100%成功率的系统
在本文即将完成之际，再一次预测到了上周开始的暴跌。
短期风险判断框架
在投资过程当中，我们一般通过估值和盈利来选择长期的操作策略和标的物，通过资金面和情绪面来判断短期的风险大小。本文将建立一个研究框架，从衍生品市场，风险偏好程度，以及短期资金需求三个方面入手，探讨短期风险点的判断。
2. 衍生品市场的预测能力
衍生品市场具备预测能力。本文主要从两个方面分析：港股的权证效应，各个市场VIX指数。
2.1 港股的权证效应
香港市场允许投行发行权证，这里的权证与A股市场的权证含义不同，港股市场的权证由投资银行发行且不改变股本，A股市场的权证由上市公司发行，会改变股本数量。权证效应指的是：当机构判断短期风险加剧时，他们会发行大量的认购权证，一方面当行情继续向上时可以锁定部分利润完成浮动止盈，另一方面，当风险爆发行情向下时可以通过收取的权利金降低持仓成本。
香港市场的主要权证发行商主要有11家，以外资商业银行为主，仅有海通国际证券、汇丰银行和中银国际三家中资背景机构。存量权证超100张的共有16只标的，其中2只标的为指数，14只恒生指数权重股，金融行业公司7家占比50%。这些权证的单次发行量基本在100万份左右，兑换比率为1比10，行权价设定设置基本处于正股价格的±10%以内，也即发行一份认购权证对应1000万股的正股，以中国平安为例，行权价在90元的权证，名义本金达到9亿港币。根据有效天数划分，这些权证的有效天数（自然日）基本集中在5个月到10个月。从最近的一次事件来看。2017年11月27日至2017年11月30日，这四个交易日的权证发行数量大幅上升，在11月28日权证发行数量达到了单日74张，此后恒生指数在2017年11月29日到2017年12月6日的6个交易日下跌4.91%。
在这一过程中最具有代表性的是摩根大通减持中国平安事件。摩根大通于2017年11月24日，场内减持公司好仓1.402亿股，套现115.935亿港币，成交均价82.717港元，最高成交价83.75港元。变动后持有权益13.4296亿股，于公司已发行股份占比18.03%。此消息于2017年11月30日晚间公布，同时，摩根大通从11月17日开始就大量发行了中国平安的认购权证，行权价均高于其减持的最高价。
2.2 VIX指数
VIX是由芝加哥期权期货交易所（CBOE）在1993 年开始编制的隐含波动率指数，该指数的计算方法是采用大量到期期限在一个月左右的虚值欧式看涨看跌期权通过无模型方法计算得出的，由于指数期权中隐含的是关于未来一个月波动率的预期，因此也直接反映了投资者对未来市场的看法，故VIX也常被称作“恐慌指数”。港交所发布了HSIVI指数，上交所发布了IVX指数。
本文通过三种方法检验“恐慌指数”在三个市场中的预测能力：以最高价或收盘价衡量相较前一交易日异常状况下股指的随后表现，“恐慌指数”处在相对高位时候股指的表现，当股指出现异动时“恐慌指数”是否预测到。
2.2.1 “恐慌指数”异常状况下的检验
统计在恐慌性指数出现异常时第二个交易日指数的涨跌幅，可以看出在香港市场上“恐慌指数”出现异常时，预测第二个交易日指数大幅变动的成功率均超过了50%，其中当“恐慌指数”正向偏离时，成功率更是超过90%，且下跌次数比例非常大，可以称得上是真正意义上的恐慌指数。美股市场上“恐慌指数”的预测效果并不好，成功率处在30%到40%的区间内。A股市场中，以最高价计算的负向偏离和以收盘价计算的正向偏离，预测成功率均超过50%，不过第二个交易日涨跌参半，把它当做“波动率指数”来看待更为恰当。由于A股市场的ivx指数刚退出不久，样本数量较少，所以还需进一步验证。
2.2.2 “恐慌指数”相对高位下的检验
设定“恐慌指数”的连续三日上升为相对高位，通过相对高位下第二日的股指表现检验预测能力。检验结果显示相对高位无法预测股指的异常波动。
2.2.3 当股指出现异动时“恐慌指数”是否预测到
统计历史上股指出现异常波动的前一个交易日“恐慌指数”是否预测成功。设定股指涨跌幅绝对值超过1%为异动，“恐慌指数”变动幅度超5%为预测到。检验结果显示股指风险相较于股指上涨可以更好地预测到，美国市场预测率均超50%，香港市场股指风险的预测率超50%，A股市场的预测率较低。
2. 风险偏好程度的警示作用
风险偏好程度具有警示作用。本文主要从三个方面讨论：涨停板效应，大体量挣钱效应，领涨板块。
2.1 涨停板效应
本文从三个角度分析短期情绪框架：涨停数量的变化，连板股票和破板股票。
按总成交金额划分敢死队规模数量
涨停板敢死队出手后N日绝对收益（%）
敢死队出手后N日相对收益（相对沪深300，%）
3.1.1 涨停板数量
研究2010年1月2日到2017年12月29日的数据，涨停板数量变化率与T 1日的股指涨跌的对应关系，统计结果并不理想，也即涨停板数量变化无法预测短期走势。其与T 1日上证综指的涨跌幅相关系数均不到0.05。在涨停板数量较上一交易日增加30%以上的603个交易日中，T 1日股指上涨的次数有326次，占比54%，股指上涨超1%的有114次，占比19%，而涨停板数量较上一交易日减少30%以上的525个交易日中，T 1日股指上涨的次数有256次，占比49%，股指下跌超1%的有99次，占比19%。预测效果较差。
涨停板数量变化率预测T 1日上证综指结果
3.1.2 连板效应
连板效应是指当市场中连续自然涨停板的公司数量和连续涨停涨停板的次数增加时，短期内的风险偏好程度较高，检验2013年以来所有涨停公司的数据，统计结果显示连板数量越多，次日的涨幅也越大，当六连板，七连板和八连板出现时，次日涨幅显著大于前两日。同时统计结果表明，在八连板与七连板出现时，八连板与七连板的个股数量越多，第二日涨幅也相对较大，这一结论在六连板及以下的情形下并不成立。此外，连板次数越高，次日股指的上涨率和涨幅超过1%的比率也相应较高。
连板出现日前后沪深300指数涨跌幅均值
连板出现日前后沪深300指数涨跌幅中位数
八连板个股数量与T 1日沪深300涨跌幅（%）
七连板个股数量与T 1日沪深300涨跌幅（%）
六连板个股数量与T 1日沪深300涨跌幅（%）
连板出现“T 1”日沪深300表现
3.1.3 破板效应
破板效应是指当市场中活跃资金尝试进攻热门板块，但由于信心不足或原有投资者看空未来市场选择卖出，导致当日封板的个股未能封住涨停，定义破板率为当日曾经涨停但收盘并未涨停个股数量比当日全部曾经涨停个股数量，检验2013年以来破板率与沪深300指数的关系，结果显示破板率在50%到70%的区间时，对于当日指数表现影响较大，而次日股指表现与破板率相关性较小。
破板率与当日沪深300指数表现情况
破板率与次日沪深300指数表现情况
3.2 大体量挣钱效应
大体量挣钱效应是指市场上日成交量大于10亿的公司连续地上涨，或T 1日留给T日进入的大体量资金获利出局的机会。统计2016年3月1日以后每日成交量超过10亿的公司，检验结果显示在成交量超过十亿的公司在短期内出现快速大幅上升时，都会带来股指的回调或滞涨。
当T 1日高开的个股数量占前一日成交额超过10亿的比例大于40%时，沪深300涨幅为正的概率达到72%，当这一比率超过60%时，沪深300上涨概率超80%，涨幅大于1%的概率为42%。
统计T 1日高开幅度均值与沪深300涨跌幅之间的关系，当高开均值为正时，沪深300指数上涨概率为68%，且高开幅度越大，上涨概率越大。当高开均值为负时，低开越多沪深300指数下跌概率越大，当低开幅度超过-1.4%时，沪深300指数下跌概率为64%，跌幅超1%的概率达25%。
成交量过十亿公司数量与沪深300指数
T 1日高开数量比例与沪深300涨跌幅
T 1日高开幅度均值为正时沪深300涨跌幅
T 1日高开幅度均值为负时沪深300涨跌幅
3.3 领涨板块
领涨板块选择中信证券组合行业指数作为研究对象，该指数有八个成分指数，分别是金融地产，资源能源，原材料，设备制造，工业服务，交通运输，消费和科技。
统计领涨板块连续为同一板块以及领涨板块连续切换T 1日及随后一周的沪深300指数涨跌幅情况，结果显示，当领涨板块连续为同一板块时，随后一周指数表现都较好，领涨板块的连续领涨天数越多，指数涨幅越大，其中代表性的有2014年11月20日到11月24日和2014年11月26日到11月28日金融地产指数两次连续三天领涨，随后一周沪深300指数分别上涨8.7%和12.7%，拉开牛市序幕。
统计领涨板块连续N天切换且互不相同T 1日及随后一周的沪深300指数涨跌幅情况，结果显示，当领涨板块连续切换为不同板块时，随后一周指数表现都较差，且连续不同切换天数越多，指数跌幅越大，其中代表性的有2015年6月5日到6月11日领涨板块连续五天不同切换，分别为工业服务，金融地产，资源能源，消费和原材料，自此宣布牛市终结并拉开了熊市的序幕。2015年8月12日到8月19日领涨板块连续六天切换，分别为资源能源，科技，消费，交通运输，金融地产，原材料，随后一周沪深300指数跌幅20.5%，拉开了第二轮股灾的序幕。
板块连续领涨与沪深300指数表现
板块连续切换与指数表现
4.短期资金需求
短期资金需求，本文主要从两个方面来谈：利率市场和资金供求的匹配。
4.1利率市场
从银行间同业拆借市场和国债市场分析，统计2010年以来shibor隔夜，shibor一周和中债十年期国债到期收益率单日涨幅前200和单日跌幅前200的数据，结果显示shibor从2014年开始较为合理，异常次数逐渐减少，中债十年期国债收益率异常情况从2015年开始逐渐减少。统计shibor市场和十年期国债收益率异动方向不同时A股主要股票指数的变化，统计结果显示仅当shibor大跌，十年期国债收益率大涨时，指数会出现上涨，其余情况下指数都会出现不同程度下跌，当shibor上涨国债收益率大跌时，指数下跌幅度较大。但是数据的同时异常最后一次发生在2015年8月26日，也即最近两年来，利率市场间的异常状况相互传导效应有所减弱。
异常数据每年分布
利率市场不同情况下指数表现
4.2 资金需求缺口
短期内的资金供求匹配主要从减持和IPO
4.2.1 减持
从2013年以来的解禁数据和净增减持数据分析，减持股份峰值平均在解禁股份峰值后的15.1个自然日，减持市值峰值平均在解禁市值峰值后的14.9个自然日，在2016年以后间隔天数分别减小为14.8和11.6个自然日。
根据增减持开始实施日期与公告日期划分，统计所有增持与减持金额单日超5亿的T日与T 1日沪深300指数表现，结果显示无论按哪种日期统计，减持幅度较大时次日上升的概率反而较大，且次日沪深300指数平均涨幅为正，上涨超1%的概率均大于跌1%的概率。按公告日统计，增持金额超5亿时，次日下跌概率反而加大，且次日沪深300指数平均涨幅为负，下跌超1%的概率均大于上涨1%的概率，按实施日统计，次日上涨概率较大，沪深300指数平均涨幅0.04%。
故增减持金额的大小对于判断短期内行情的变化并无帮助。
4.2.2 IPO
根据发审委每次发审会披露的数据统计，2016年1月以来通过发审会的拟上市公司募集资金总额的三次峰值都带来了股指不同程度的下跌（最大跌幅分别为2.57%，5.56%和5.11%），在2017年6月以后这一现象不再存在，通过发审会的拟上市公司募集资金总额的三次峰值并未引起股指的下跌。发审会的未通过率与指数的表现相关性不大。
过会企业募集资金与沪深300指数
发审会未通过率与沪深300指数
联系客服
