金融工程 | 证券研究报告 — 深度报告 2023 年 9 月 7 日

基于技术指标的宽基指数
配置策略
中银证券量化指数配置系列专题（二）
通过技术指标构建“长期”和“短期”指标相结合的技术指标池，通过择时优选
指数，季度和年度两种换仓频率对应策略均在回测区间显著战胜中证 800 全
收益指数。季度换仓策略季度胜率达 68.52%，年化超额收益 8.94%。
 我国指数化投资方兴未艾，覆盖行业、主题、策略和风格等各类型指
数的产品体系，为投资人的资产配置提供了有效科学的基准。而在指
数投资中，如何构建有效的指数轮动策略，探索持续获取超额收益的
方法，是一个长期的课题。在本篇报告中，我们尝试用技术指标来筛
选和构建指数轮动投资策略，以筛选的样本池为案例，探讨提升指数
投资组合的超额收益方法。
 我们以沪深 300 全收益指数、中证小盘 500 全收益指数、中证 800 全
收益指数、中证 1000 全收益指数、中证红利全收益指数、中国战略新
兴产业成分全收益指数和中证财通中国可持续发展 100（ECPI ESG）
全收益指数作为样本池，以中证 800 全收益指数作为比较基准，以
2010 月 1 月 4 日至 2023 年 7 月 1 日作为回测区间，对样本池指数收益
率进行回测。
 基于技术指标构建指数优选框架主要包括四个步骤，主要包括：
1、 技术指标构建：构建技术指标数据体系，刻画技术指标特征；
2、 技术指标池构建：以不同类型和不同周期的技术指标构建技术指
标池；
中银国际证券股份有限公司 3、 设置 IC 阈值，针对不同的指数筛选短期和长期 IC 值稳健和有效
具备证券投资咨询业务资格 的技术指标，并“排名打分”；
金融工程 4、 每期指数的推荐，计算模型的业绩和胜率。

证券分析师: 郭策  在采用经典的因子加权方式和 IC 稳定的策略后，指数优选策略呈现较

(8610)66229239 为稳定的年化超额收益率，季度换仓下年化超额收益率在 8%-9%，年
ce.guo@bocichina.com 度换仓下年化平均超额收益率也可以达到 6.36%。
证券投资咨询业务证书编号：S1300522080002
 风险提示：量化模型失效风险；历史业绩不代表未来，投资需谨慎。
联系人：陈亮
(8610)66229367
liang.chen@bocichina.com
一般证券业务证书编号：S1300122090029
 目录
一、 策略框架概述 ......................................................................................... 4
（一）指数优选框架............................................................................................................................. 4
（二）指数样本池构建......................................................................................................................... 4

二、 技术指标选择和特征刻画 ..................................................................... 6
（一）技术因子学术成果概述 ............................................................................................................. 6
（二）技术指标池构建......................................................................................................................... 8

三、 因子构建及择时 ..................................................................................... 9
（一）技术因子构建............................................................................................................................. 9
（二）技术因子信号触发数量 ........................................................................................................... 10
（三）模型构建 .................................................................................................................................. 11

四、 指数优选及回测 ................................................................................... 12
（一） 按照技术因子综合得分优选............................................................................................... 12
（二） 不同加权方式下指数优选策略 ........................................................................................... 12
（三） 指数优选超额收益率和净值表现 ....................................................................................... 14

五、 附注 ....................................................................................................... 18

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 2
 图表目录
图表 1. 基于技术指标进行指数优选框架 ....................................................................... 4
图表 2. 样本池指数 ........................................................................................................... 4
图表 3. 技术指标分类 ....................................................................................................... 6
图表 4. 趋势类技术指标 ................................................................................................... 7
图表 5. 震荡类技术指标 ................................................................................................... 7
图表 6. 由价格、成交量和换手率等基础数据计算的技术指标池 ............................... 8
图表 7. 季度换仓技术指标 IC 均值分布......................................................................... 8
图表 8. 年度换仓技术指标 IC 均值分布......................................................................... 8
图表 9. 技术指标构建的因子类型 ................................................................................... 9
图表 10. 技术指标因子的交易逻辑 ................................................................................. 9
图表 11. 由技术因子预测指数收益率 ........................................................................... 10
图表 12. IC 阈值±0.05，季度换仓触发信号数量 ........................................................ 10
图表 13. IC 阈值±0.05，年度换仓触发信号数量 ....................................................... 10
图表 14. 指数收益率预测模型构建 .............................................................................. 11
图表 15. 根据指数因子值进行指数优选 ...................................................................... 12
图表 16. 各因子加权方式和换仓频率下年度超额收益率 .......................................... 12
图表 17. 采取 IC 稳定策略后年度超额收益率 ........................................................... 13
图表 18. 各因子加权方式和换仓频率下收益回撤比 .................................................. 13
图表 19. 采取 IC 稳定策略后的策略收益回撤比 ....................................................... 14
图表 20. 季度换仓超额收益率分布特点 ....................................................................... 14
图表 21. 季度换仓各指数超额收益率分布 ................................................................... 14
图表 22. 季度换仓各年份超额收益率 ........................................................................... 15
图表 23. 季度换仓指数优选组合累计净值和基准净值 ............................................... 15
图表 24. 季度换仓指数优选组合累计超额净值 ........................................................... 15
图表 25. 季度换仓最近 10 个季度指数推荐 ................................................................. 15
图表 26. 年度换仓超额收益率分布特点 ...................................................................... 16
图表 27. 年度换仓各节点未来一年超额收益率分布 ................................................... 16
图表 28. 年度换仓各年份平均超额收益率 ................................................................... 17
图表 29. 年度换仓指数优选组合累计净值和基准净值 ............................................... 17
图表 30. 年度换仓指数优选组合累计超额净值 ........................................................... 17
图表 31. 年度换仓最近 10 个季度指数推荐 ................................................................. 17

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 3

aXnX8W9YrVtVjUiX9ZaQcM7NsQqQnPoNjMmNpNkPmNnOaQqQwPuOmQqNvPsQmR
 一、 策略框架概述
（一）指数优选框架
全球指数化投资的快速发展，使其已经成为资产管理领域重要的投资方式，而近年来我国指数化投
资 方 兴 未 艾 ， 证 券 市 场 权 益 类 指 数 型 基 金 数 量 为 1623 只 ， 规 模 为 20896.73 亿 元 （ 截 至
2023/08/30），形成了以中证 100、沪深 300、中证 500 和中证 1000 等宽基指数为核心，覆盖行业、
主题、策略和风格等各类型指数的产品体系，为投资人的资产配置提供了有效科学的基准。而在指
数投资中，如何构建有效的指数轮动策略，探索持续获取超额收益的方法，是一个长期的课题。在
本篇报告中，我们尝试用技术指标来筛选和构建指数轮动投资策略，以筛选的样本池为案例，探讨
提升指数投资组合的超额收益方法。

图表 1. 基于技术指标进行指数优选框架

资料来源：万得，中银证券

（二）指数样本池构建
图表 2. 样本池指数
可选指数代码 可选指数全称 基期 指数简介
沪深300指数成分，并考虑到假定指数内所有股票的现
H00300.CSI 沪深300全收益指数 2004/12/31
金分红都用于再投资产生的收益
中证500指数成分，并考虑到假定指数内所有股票的现
H00905.CSI 中证小盘500全收益指数 2004/12/31
金分红都用于再投资产生的收益
中证800指数成分，并考虑到假定指数内所有股票的现
H00906.CSI 中证800全收益指数 2004/12/31
金分红都用于再投资产生的收益
中证1000指数成分，并考虑到假定指数内所有股票的
H00852.SH 中证1000全收益指数 2004/12/31
现金分红都用于再投资产生的收益
中证红利指数以沪深A股中现金股息率高、分红比较稳
定、具有一定规模及流动性的100只股票为成分股，采
H00922.CSI 中证红利全收益指数 2004/12/31
用股息率作为权重分配依据，以反映A股市场高红利股
票的整体表现。
中国战略新兴产业成份指数选取节能环保产业、新一
代信息技术产业、生物产业、高端装备制造产业、新
中国战略新兴产业成分全收 能源产业、新材料产业、新能源汽车产业、数字创意
H00171.CSI 2010/12/31
益指数 产业、高技术服务业等领域具有代表性的100只公司证
券作为指数样本，以反映战略新兴产业公司证券的整
体表现。
根据ECPI ESG评级方法，从沪深300指数样本股中挑选
中证财通中国可持续发展
ESG（环境、社会、公司治理）评级较高的100只公司
H00846.CSI 100（ECPI ESG）全收益指 2011/6/30
股票组成样本股，以反映沪深300指数中ECPI ESG评级
数
较高公司股票的走势。
资料来源：万得，中银证券

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 4
 我们以沪深 300 全收益指数、中证小盘 500 全收益指数、中证 800 全收益指数、中证 1000 全收益
指数、中证红利全收益指数、中国战略新兴产业成分全收益指数和中证财通中国可持续发展 100
（ECPI ESG）全收益指数作为样本池，以中证 800 全收益指数作为比较基准，以 2010 月 1 月 4 日
至 2023 年 7 月 1 日作为回测区间，对样本池指数收益率进行回测。
在回测过程中，分别以季度/年度作为换仓周期，以截止周期末最后一交易日信息计算因子，以下
一周期第一个交易日收盘价换仓，每期持有 1-2 个指数。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 5
 二、 技术指标选择和特征刻画
（一）技术因子学术成果概述
技术因子构建：学术界对于技术因子构建多停留在“多区间动量因子”相关领域,典型为 2014 年以
2014 年 Christopher 的研究成果[1]，直至 2022 年 Yao 的研究[2]也未在因子构建上出现突破性的变
化。以 Christopher(2014)中提出的多区间股价均线金叉信号为例，构建因子如下。其中 Pt 为 t 时刻
股票收盘价，股票均价区间 s 取短期（1,2,3）月数，l 取长期（9、12）月数。

1, 𝑀𝐴𝑠, 𝑡 > 𝑀𝐴𝑙,𝑡

𝑆𝑖,𝑡 = {
0, 𝑀𝐴𝑠, 𝑡 ≤ 𝑀𝐴𝑙,𝑡
𝑗−𝑖
1
𝑀𝐴𝑗, 𝑡 = ∑ 𝑃𝑖 𝑓𝑜𝑟 𝑗 = 𝑠, 𝑙
𝑗
𝑖=0

多因子复合框架：对比 2014-2022 年在技术因子选股领域的研究发展历史，代表性研究成果更多体

现在多因子复合框架上的改进，比如从简单基于哑变量技术因子的 OLS 预测模型扩展到纳入宏观
基 本 面 指 标 ， 以 及 考 量 因 子 多 重 共 线 性 的 PLS 模 型 以 及 其 他 因 子 复 合 方 式 （ Qi(2017)[3] ，
Yao(2022)）。
𝑁

𝑟𝑖,𝑡 = 𝛼𝑡 + ∑ 𝛽𝑗,𝑡 𝑆𝑗, 𝑡 + 𝜀𝑖,𝑡

𝑗=1
技术指标库整理：通过各类资料整理，将技术指标整体总结为两大类型，即趋势型指标（包含 8 个
子指标）与震荡型指标（包含 5 个子指标），在指标处理方面，我们在季度末最后一个交易日根据
指数价格、成交量和换手率（全收益指数若没有该指标，则用对应的价格指数指标代替）以及选取
的长短周期回溯窗口（比如 22 个交易，63 个交易日和 252 个交易日等），计算季度末的技术指标
信号。

图表 3. 技术指标分类

资料来源：万得，中银证券

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 6
 图表 4. 趋势类技术指标
技术指标 类型 构建理念 计算方法
short_ema = stock_price_close.ewm(span = lag_short).mean()
long_ema = stock_price_close.ewm(span = lag_long).mean()
利用收盘价的短期指数移动平均线与长期指数移动平均线之间的聚合与
MACD 趋势 diff = short_ema - long_ema
分离状况，对买进、卖出时机作出研判的技术指标。
dea = diff.ewm(span = lag_dea).mean()
macd = 2 * (diff - dea)

short_ema = stock_price_close.ewm(span = lag_short).mean()

短期收盘价均值与长期收盘价均值的比例，比值越大代表短期上涨趋势
AMA 趋势 long_ema = stock_price_close.ewm(span = lag_long).mean()
越强或下跌趋势减弱。
ama = (short_ema/long_ema).ewm(span = lag_short).mean()

high = stock_price_close.rolling(window = lag).max()

min = stock_price_close.rolling(window = lag).min()
VHF目的是将价格中的波动过滤掉，反映股票的趋势，计算方法是区间
hign_minus_low = hign - min
VHF 趋势 最高价与最低价之差作为分子，该时间段价格波动的绝对值之和为分母
dif_price = stock_price_close - stock_price_close.shift(1)
。VHF越大，说明价格波动越大，市场趋势越强，反之趋势越弱。
total_asb_change = dif_price.abs().rolling(window = lag).sum()
vhf = hign_minus_low/total_asb_change

ret = stock_price_close/stock_price_close.shift(1) - 1
推力指数将股价变化与成交量（以自由流通股换手率来代表）以相乘的
ForceIndex 趋势 forceindex_t = ret * stock_turnover_d # 换手率基于自由流通股口径
形式有效结合，以评估股价趋势强弱。
forceindex = forceindex_t.rolling(window = lag).mean()

ret = stock_price_close/stock_price_close.shift(1) - 1
stock_volume_up = stock_volume_d.copy()
成交量比率VR通过分析股价上升日成交额（或成交量，下同）与股价下 stock_volume_down = stock_volume_d.copy()
降日成交额比值，从而掌握市场买卖气势的技术指标。其理论基础是“量 stock_volume_up[ret < 0] = 0
VR 趋势
价同步”及“量须先于价”股票具有较强的上涨动能，反之则有较强的下跌 stock_volume_down[ret > 0] = 0
动能。 volume_up_mean = stock_volume_up.rolling(window = lag).mean()
volume_down_mean = stock_volume_down.rolling(window = lag).mean()
vr = volume_up_mea/volume_down_mean

OBV指标称为能量潮，表达的是成交量净额，表达的是累计每一天成交 D = (stock_price_close > stock_price_close.shift(1)).astype(int)

OBV 趋势 量的需要和供给变化的趋势线。应用它可以通过价格变化和成交量增减 D[D == 0] = -1
关系，来判断未来股价运行趋势。 OBV = (D * stock_turnover_d).rolling(window = lag).mean()

P_delta = (stock_price_close > stock_price_close.shift(1)).astype(int)

PSY 趋势 测算区间股票日度上涨概率，越高说明上涨强度越强。
psy = P_delta.rolling(window = lag).mean()

price_ma_short = stock_price_close.rolling(window = 21).mean()

TRIX 趋势 测算短周期股价均值与长周期股价均值的比例，比例越高代表趋势越强 price_ma_long = stock_price_close.rolling(window = 63).mean()
res_trix_21_63 = price_ma_short/price_ma_long - 1
注：stock_price_close是日度股票复权收盘价，stock_volume_d是股票日度成交额，stock_turnover_d是股票日度基于自由流通股换手率

资料来源：万得，中银证券

图表 5. 震荡类技术指标
技术指标 类型 构建理念 计算方法
MovAverage = (stock_unadj_close - stock_unadj_open).rolling(window = lag).mean()
RVI是相对活力指标，类似于随机震荡指标，高数值被解释为一个强烈
RVI 震荡 RangeAverage = (stock_unadj_high - stock_unadj_low).rolling(window = lag).mean()
的超买条件，低值则被视为一个强烈的超卖条件。 rvi = MovAverage/RangeAverage

KDJ指标通过测量收盘价与最高价和最低价之间的关系，来衡量价格的
强势或弱势，并判断市场的超买超卖情况。
1.超买超卖判断：当K值高于80时，存在抛压被视为超买区域。当K值低 low = stock_unadj_low.rolling(window = lag).min()
于20时，被视为超卖区域； high = stock_unadj_high.rolling(window= lag).max()
2.趋势反转点判断：当K线向上穿越D线（金叉）时，表明股票价格可能 rsv = (stock_unadj_close - low) / (high - low) * 100
KDJ 震荡
出现上涨趋势；当K线向下穿越D线（死叉）时，表明股票价格可能出现 KDJ_K = rsv.ewm(adjust = False, alpha=1/3).mean()
下跌趋势； KDJ_D = KDJ_K.ewm(adjust = False, alpha=1/3).mean()
3.参考J值：当J值位于高位时，可能意味着市场情绪过热，股票价格可 KDJ_J = 3 * KDJ_K - 2 * KDJ_D
能出现回调风险；当J值位于低位时，可能意味着市场情绪过冷，股票价
格可能出现反弹机会。

BIAS指标是通过计算股票收盘价与区间移动平均线之间的差距百分比来
反映一定时期内价格与其MA偏离程度的指标。不论股价在移动平均线 MA = stock_price_close.rolling(window = lag).mean()
BIAS 震荡
之上或之下，只要偏离距离过远，就会向移动平均线趋近，据此计算股 bias = stock_price_close/MA - 1
价偏离移动平均线百分比的大小来判断买卖时机。

RSI代表过去一段时间价格走势的强弱，如果涨跌幅度过于极端，价格在 P_delta = stock_price_close - stock_price_close.shift(1)

一段时间内就会回归平均。RSI的数值范围在0至100区间内，常用70和30 P_delta_up = P_delta[P_delta > 0].rolling(window = lag, min_periods = 1).mean()
RSI 震荡 作为分析判断依据。具体表现为：RSI>70：代表价格快速上涨，市场可 P_delta_down = P_delta[P_delta <= 0].rolling(window = lag, min_periods = 1).mean()
能呈现超买状态；RSI<30：代表价格快速下跌，市场可能呈现超卖状态 RS = P_delta_up/P_delta_down
。 rsi = 100 - 100/(1 + RS.abs())

P_delta = stock_price_close - stock_price_close.shift(1)

CMO指标首先计算一段时间内收盘价的涨跌幅，并根据涨跌幅的正负将
其分别加总。然后将正涨跌幅之和减去负涨跌幅之和，得到动量值。最
CMO 震荡
后将动量值与一段时间内的总涨跌幅比较，计算出动量的变化率。CMO
指标是寻找极度超买和极度超卖的条件，逻辑与RSI相似。
注：stock_price_close是日度股票复权收盘价，stock_uadj_xx 代表股票未复权日度开盘/收盘/最高/最低价，stock_volume_d是股票日度成交额，stock_turnover_d是股票日度基于自由流通
股换手率
P_delta_up = P_delta.copy()
P_delta_down = P_delta.copy()
P_delta_up[P_delta < 0] = 0
P_delta_down[P_delta > 0] = 0
P_delta_up_sum = P_delta_up.rolling(window = lag).sum()
P_delta_down_sum = P_delta_down.rolling(window = lag).sum()
cmo = (P_delta_up_sum + P_delta_down_sum)/(P_delta_up_sum - P_delta_down_sum)

资料来源：万得，中银证券

针对一个技术指标，我们分别从指标“当前值”与指标“窗口值”两个方面进行刻画：
指标因子“当前值”：最小颗粒度为季频指标，用计算的最近季度末指标直接作为因子当前值，在指
标的计算上可以选取 22 个交易日、63 个交易日和 252 个交易日等不同周期，使技术指标可以覆盖
当前时点的长短周期。
指标 IC 的“窗口值”：使用季度末的技术指标进行择时，具有一定“偶然性”，计算技术指标季度末
“当前值”和下期预期收益率的相关性，得到各类技术指标的 IC 分布，然后通过回溯 12 季度（3
年），20 季度（5 年）和 32 季度（8 年）的窗口 IC 数据，并取窗口中位数，作为刻画该技术指标
择时能力的 IC“窗口值”。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 7
 （二）技术指标池构建
基本面分析和技术面分析都是重要的股票研究方法，技术指标可以帮助投资者分析股票历史价格走
势，识别市场买入和卖出信号，进而辅助投资者进行择时和风险管理。在实际的交易中，交易员对
单一技术指标使用，需要结合所处的市场环境和宏观环境以及自身经验，对股票和指数进行择时，
虽然胜率不一定高，但技术指标对大部分股票和指数具有一定的“普适”判断意义。
在实际应用中，依靠单一技术指标对目标指数未来收益率进行预测和择时效果不佳。其原因可能在
于备选指数中宽基、主题、风格类指数都存在，单一技术指标很难同时对同一市场环境下不同特征
的指数进行优选，因而我们尝试从技术指标池出发，以技术指标因子为桥梁，构建指数优选策略。

图表 6. 由价格、成交量和换手率等基础数据计算的技术指标池

资料来源：万得，中银证券

我们基于不同技术指标在不同周期下的衍生类型，构建了一共包括 90 个技术指标的“指标池”。通
过测算“指标池”IC 在时间序列上的均值分布，观察到大部分技术指标在季度换仓上面，IC 均值都
为负，都具有一定的“反转”效应，但在年度换仓上面，IC 均值整体右偏。

图表 7. 季度换仓技术指标 IC 均值分布 图表 8. 年度换仓技术指标 IC 均值分布

资料来源：万得，中银证券 资料来源：万得，中银证券

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 8
 三、 因子构建及择时
（一）技术因子构建
我们基于前述经典交易信号构建技术选股因子：根据众多经典的技术分析多空交易信号构建变量因
子。总体来讲，交易信号可分为如下三大类型：趋势信号、反转信号以及多周期共振信号；

图表 9. 技术指标构建的因子类型

资料来源：万得，中银证券

图表 10. 技术指标因子的交易逻辑
类型 技术指标 交易逻辑 指标计算方法与代码
macd短期diff超越dea趋势，呈金叉 Dummy_DIF超过DEA_63_21_10 = (res_stock_diff_21_63_10 > res_stock_dea_21_63_10).astype(int)
MACD 股价与macd_21_63_10的近1个月相关性，反映当前价 macd_21_63_10_price_rho1m = cal_rho(21, mat_stock_price_close, res_stock_macd_21_63_10)
格和价格趋势是否形成共振。 注：上述测算方法同样适用于macd_21_63_10_price与股票收盘价的3个月相关系数测算

AMA 1个月ama与3个月ama呈金叉 Dummy_AMA_金叉_21_63 = (res_ama_21_63>1).astype(int)

VHF 1个月vhf与3个月vhf呈金叉 Dummy_vhf_金叉_21_63 = (res_vhf_21 > res_vhf_63).astype(int)
趋势
ForceIndex 21日ForceIndex较63日ForceIndex呈现金叉走势 Dummy_forceindex金叉_21_63 = (res_forceindex_21 > res_forceindex_63).astype(int)
VR 21日VR指标较63日VR指标呈现金叉走势 Dummy_vr金叉_21_63 = (res_vr_21 > res_vr_63).astype(int)
OBV 21日OBV指标较63日OBV指标呈现金叉走势 Dummy_obv金叉_21_63 = (res_obv_21 > res_obv_63).astype(int)
PSY 21日PSY较63日PSY呈现金叉走势 Dummy_psy金叉_21_63 = (res_psy_21 > res_psy_63).astype(int)
TRIX 短期较长期均价较高，呈现金叉趋势 Dummy_trix_21_63 = (res_trix_21_63 > 0).astype(int)
21日RSI指标较63日RSI指标呈现金叉走势 Dummy_rsi金叉_21_63 = (res_rsi_21 > res_rsi_63).astype(int)

RSI Dummy_rsi超买卖_21 = -(res_rsi_21 < 20).astype(int)

1个月RSI：小于20是超卖看多，大于80超买看跌
1个月KDJ中K中与D值呈金叉
Dummy_rsi超买卖_21[res_rsi_21 > 80] = 1
注：类似Dummy因子同样适用于63日因子构建
Dummy_KDJ_21_K_D金叉 = (res_KDJ_K_21 > res_KDJ_D_21).astype(int)
注：类似Dummy因子同样适用于63日KDG（3个月）K值较D值出现金叉

Dummy_KDJ_K_21 = -(res_KDJ_K_21 < 50).astype(int)

1个月KDJ的K值：小于50是超卖看多，大于50看空 Dummy_KDJ_K_21[res_KDJ_K_21 > 50] = 1
注：类似Dummy因子同样适用于KDJ中的D值和J值，对应区间为21日（1个月）和63日（3个月）

Dummy_KDJ_超买卖_21 = -((res_KDJ_D_21 < 50) & (res_KDJ_K_21 < 50) & (res_KDJ_J_21 < 50)).astype(int)
1个月KDJ的3个值K,D,J是否同时处于超卖（<50）或同
KDJ Dummy_KDJ_超买卖_21[(res_KDJ_D_21 > 50) & (res_KDJ_K_21 > 50) & (res_KDJ_J_21 > 50)] = 1
时处于超买看空（>50)状态
震荡 注：同样交易逻辑因子可基于63日KDJ进行测算

Dummy_KDJ_严重超买卖_21 = -((res_KDJ_D_21 < 20) & (res_KDJ_K_21 < 20) & (res_KDJ_J_21 < 20)).astype(int)
1个月KDJ的3个值K,D,J是否同时处于严重超卖（<20）
Dummy_KDJ_严重超买卖_21[(res_KDJ_D_21 > 80) & (res_KDJ_K_21 > 80) & (res_KDJ_J_21 > 80)] = 1
或同时处于严重超买看空（>80)状态
注：同样交易逻辑因子可基于63日KDJ进行测算

股价与KDJ_K_21的近1个月相关性，反映当前价格和价 KDJ_K_21_price_rho1m = cal_rho(21, mat_stock_price_close, res_KDJ_K_21)

格趋势是否形成共振。 注：上述测算方法同样适用于KDJ的D值，J值与股票收盘价在近1个月或近3个月的相关系数测算

Dummy_bias为正_21 = (res_bias_21 > 0).astype(int)

近一个月BIAS是否向上偏离价格趋势
BIAS 注：类似Dummy因子同样适用于63日因子构建
21日BIAS较63日BIAS呈现金叉走势 Dummy_bias金叉_21_63 = (res_bias_21 > res_bias_63).astype(int)
CMO 21日CMO较63日CMO呈现金叉走势 Dummy_cmo金叉_21_63 = (res_cmo_21> res_cmo_63).astype(int)
RVI 21日rvi较63日rvi呈现金叉走势 Dummy_rvi_金叉_21_63 = (res_rvi_21 > res_rvi_63).astype(int)
注：可基于相似逻辑构建半年度（63个交易日）和年度（252个交易日）相关因子

资料来源：万得，中银证券

计算技术指标池中每个技术指标不同时间区间段的因子值和 IC 值，筛选出 IC 窗口值（IC 时间序列

中位数）的绝对值大于 IC 阈值的“有效技术指标”，然后对样本池指数“有效技术指标”的因子值进
行加权，筛选出 t+1 时期指数预期收益率较高的指数。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 9
 图表 11. 由技术因子预测指数收益率

资料来源：万得，中银证券

（二）技术因子信号触发数量
技术指标在出现极端值时，往往被当作一个反转信号，在市场大幅上涨或者下跌的“单边市”中使用
往往效果更佳，但在震荡行情中，技术指标可能出现一定滞后性，对顶部和底部的判断往往在一定
时期内多次触发信号，使用效果根据行情或者投资者的主观判断而异。
因而在实际应用中，我们不依赖某一特定技术指标的有效性，而是根据技术指标池不同指标在时间
序列上的反转或者动量特性，特定选取在当前时点对下一期收益率预测能力更强的指标，进行综合
加权打分，进而指导指数的优选和配置。
我们选取±0.05，±0.10 和±0.15 作为技术指标 IC 的阈值，当 IC 窗口值的中位数大于正的阈值或者
小于负的阈值后，我们根据筛选出来的因子值大小分别做多 IC 窗口值绝对值大的正向和负向技术
指标，持仓周期可以为一个季度或者一年。考虑到大部分技术指标的 IC 均值分布在-0.1 至 0.1 之间，
阈值较高会降低信号触发数量并存在“过拟合”的可能性，因而以±0.05 为主。

图表 12. IC 阈值±0.05，季度换仓触发信号数量 图表 13. IC 阈值±0.05，年度换仓触发信号数量

资料来源：万得，中银证券 资料来源：万得，中银证券

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 10
 （三）模型构建
图表 14. 指数收益率预测模型构建

资料来源：万得，中银证券

我们分别针对每一个优选技术指标在每个季度末使用近 3 年、5 年和 8 年数据在时间序列上建立择

时模型。在进行指数优选的过程中，自变量为各季度末经过 IC 阈值筛选的各技术指标加权因子值，
因变量为自变量对应下一换仓周期该指数收益率。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 11
 四、 指数优选及回测
（一） 按照技术因子综合得分优选
t 时刻对于超过正的 IC 阈值的技术指标，样本池指数因子值进行 Z-score 处理并优选因子值较高的
指数；对于低于负的 IC 阈值的技术指标，样本池指数因子值取相反数，然后进行 Z-score 处理；在
t 期针对指数组合建立模型后，按照不同的加权方式，我们计算 t 时刻各指数的综合因子值，对未
来 t 时刻至 t+1 时刻各指数的收益率进行预测，优选 1-2 个指数构建组合。

图表 15. 根据指数因子值进行指数优选

方向(正向1， 因子Zscore处理
t期 触发IC阈值 指数1 指数2 指数3 ......... 指数j
负向-1） （考量IC阈值) 每期优选加权
技术指标X1 IC1 1 ZX1j ZX11 * W11 ZX12 * W12 ZX13 * W13 ZX1j * W1j 汇总后因子值
技术指标X2 IC2 -1 ZX2j ZX21 * W21 ZX22 * W22 ZX23 * W23 ZX2j* W2j Si最大的1组
…… 或者2组指数
技术指标Xn ICn 1 ZXnj ZXn1 * Wn1 ZXn2 * Wn2 ZXn3 * Wn3 ZXnj * Wnj 作为优选组合
等权配置
T期指数优选组合：加权因子值求和汇总 𝑆1 𝑆 𝑆 𝑆
注：Ɯ为指数因子值的加权方式，可以为等权、IC加权和ICIR加权等；IC的阈值可取0.05，0.1，0.15三种

𝑖 , 𝑖
𝑆𝑗 = ∑ 𝑖𝑗 𝑖𝑗
𝑖 = 𝑖 , 𝑖≤ 阈值
𝑖=1
0， 其他情况
资料来源：万得，中银证券

（二） 不同加权方式下指数优选策略
通过滚动筛选每期的最优指数组合，可以计算出指数优选组合在不同窗口季度回溯期和 IC 阈值的
表现，得到如下结论：
1） 各种加权方式都能实现较稳定年化超额收益：ICIR 加权、等权和 IC 加权的因子加权方式下，
指数优选组合基本都可以实现 3%-6%的平均年化超额收益率；
2） 在优选 1 个指数的情况下，季度换仓的超额收益高于年度换仓；优选 2 个指数的情况下，不同
换仓周期下超额收益差别不明显。

图表 16. 各因子加权方式和换仓频率下年度超额收益率
因子ICIR加权 因子等权 因子IC加权 因子ICIR优化
优选指数个数 换仓频率 IC阈值 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数
12 20 32 12 20 32 12 20 32 12 20 32
±0.05 6.08% 3.43% 5.56% 5.68% 5.18% 1.85% 7.79% 3.56% 3.88% 2.29% 1.45% 1.62%
季度换仓 ±0.1 6.09% 4.21% 4.30% 6.09% 5.75% 3.62% 7.79% 4.33% 3.55% 1.94% 2.23% 1.11%
±0.15 5.41% 3.21% 5.06% 5.90% 2.40% 5.63% 6.98% 3.12% 4.16% 1.21% 1.38% 0.00%
1
±0.05 2.34% 1.83% 0.42% 2.34% 1.60% 0.87% 2.14% 1.36% 0.69% 4.17% 2.33% 3.66%
年度换仓 ±0.1 2.26% 1.80% 0.40% 2.71% 2.02% 1.59% 2.35% 2.73% 0.47% 3.80% 1.99% 3.66%
±0.15 2.06% 1.82% 0.38% 2.23% 2.49% 0.28% 1.80% 1.27% 0.33% 1.29% 3.58% 3.88%
±0.05 2.63% 2.95% 1.62% 1.83% 1.83% 1.35% 2.85% 3.17% 2.01% 2.76% -0.20% 1.45%
季度换仓 ±0.1 2.41% 2.37% 0.78% 1.20% 1.70% 1.28% 2.70% 2.77% 0.78% 1.73% 0.66% 1.79%
±0.15 3.21% 2.38% 2.18% 2.89% 2.04% 2.18% 2.64% 1.96% 2.21% 2.66% 0.26% 0.93%
2
±0.05 3.06% 2.50% 2.00% 3.42% 2.20% 2.48% 3.23% 2.88% 2.15% 2.86% 2.75% 2.88%
年度换仓 ±0.1 3.20% 2.50% 1.98% 3.39% 2.23% 1.92% 3.54% 2.63% 2.27% 3.09% 2.64% 3.77%
±0.15 3.09% 2.64% 1.65% 3.61% 2.24% 1.34% 3.12% 2.47% 1.75% 1.91% 3.11% 3.41%
注：样本池回测的基准为中证800全收益指数，回测区间为2010.01-2023.07

资料来源：万得，中银证券

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 12
 由于技术指标因子并非传统的 alpha 因子，IC 在时间序列上并不稳定，若我们只考虑将短期 12 个
季度回测的 IC 同中期（20 个季度）和长期（32 个季度）的 IC 方向相同的部分作为信号，保持中
期-短期或者中期-长期 IC 的一致和稳定，剔除掉中期-短期或者中期-长期 IC 不一致的信号，这便
是我们采取的 IC 稳定策略，得到如下结论：
1） 采取该 IC 稳定策略后，不同加权方式下的年化平均超额收益率都有所提高；
2） 采用该 IC 稳定的策略后，其在±0.05 阈值、±0.10 阈值和 12 个季度的窗口回溯期下，都具有较
为稳定的年化超额收益率，在因子 IC 加权情况下，季度换仓下年化超额收益率在 8%-9%，年
度换仓下年化平均超额收益率也可以达到 6.36%。

图表 17. 采取 IC 稳定策略后年度超额收益率
因子ICIR加权 因子等权 因子IC加权 因子ICIR优化
优选指数个数 换仓频率 IC阈值 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数
12 20 32 12 20 32 12 20 32 12 20 32
±0.05 7.40% 7.04% 5.79% 8.17% 8.17% 4.59% 8.94% 6.65% 5.84% 1.39% 3.15% 3.65%
季度换仓 ±0.1 6.44% 5.70% 5.42% 6.45% 6.45% 3.90% 9.08% 6.28% 5.06% 7.56% 4.98% 2.93%
±0.15 7.42% 4.20% 8.43% 6.63% 4.97% 6.63% 8.28% 5.22% 7.43% 7.69% 4.68% 3.54%
1
±0.05 2.39% 2.76% 1.90% 3.57% 4.89% 4.89% 2.53% 2.75% 2.07% 1.43% 2.72% 1.19%
年度换仓 ±0.1 2.02% 2.16% 1.62% 2.15% 2.08% 2.15% 2.31% 2.44% 1.96% 1.01% 3.99% 1.09%
±0.15 1.66% 1.42% 1.13% 1.17% 1.17% 0.50% 1.54% 1.56% 1.28% 1.09% 1.68% 1.28%
±0.05 3.22% 2.83% 4.85% 3.28% 2.45% 3.28% 3.30% 2.89% 5.36% 3.04% 1.84% 3.13%
季度换仓 ±0.1 4.41% 2.79% 4.55% 5.32% 2.64% 5.32% 6.36% 2.93% 5.28% 5.37% 4.89% 3.67%
±0.15 4.76% 3.47% 5.18% 5.66% 2.88% 5.66% 6.14% 2.68% 5.04% 4.95% 4.89% 3.20%
2
±0.05 3.62% 3.81% 2.86% 4.20% 4.20% 3.56% 3.79% 3.93% 2.92% 1.59% 1.74% 1.16%
年度换仓 ±0.1 3.24% 3.97% 2.87% 3.58% 3.58% 2.99% 3.60% 3.60% 2.98% 1.97% 2.00% 1.48%
±0.15 3.18% 3.56% 2.78% 3.46% 3.46% 2.83% 3.37% 3.37% 2.43% 0.87% 1.75% 1.21%
注：样本池回测的基准为中证800全收益指数，回测区间为2010.01-2023.07
资料来源：万得，中银证券

我们以策略年化超额收益率除以策略历史最大回撤作为收益回撤比，来衡量策略的收益稳健性，可
以看到在优选 1 个指数的情况下，季度换仓具有较好的收益回撤比；在优选 2 个指数的情况下，年
度换仓相比季度换仓具有较好的收益回撤比。

图表 18. 各因子加权方式和换仓频率下收益回撤比
因子ICIR加权 因子等权 因子IC加权 因子ICIR优化
优选指数个数 换仓频率 IC阈值 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数
12 20 32 12 20 32 12 20 32 12 20 32
±0.05 36.57% 13.85% 28.04% 33.46% 26.07% 7.97% 44.17% 14.35% 13.80% 8.59% 6.10% 5.87%
季度换仓 ±0.1 36.57% 16.97% 19.01% 31.74% 28.35% 15.97% 44.17% 17.43% 12.63% 5.77% 8.81% 2.74%
±0.15 28.29% 10.14% 22.31% 24.89% 7.58% 28.36% 6.98% 3.12% 4.15% 3.77% 5.84% 0.41%
1
±0.05 6.50% 4.89% 1.13% 6.61% 5.05% 0.23% 5.74% 3.62% 1.91% 6.82% 4.07% 2.83%
年度换仓 ±0.1 6.16% 4.81% 1.09% 7.57% 5.94% 4.76% 6.29% 8.68% 1.23% 6.34% 5.91% 3.74%
±0.15 5.64% 4.88% 1.00% 6.33% 6.78% 0.74% 4.73% 3.34% 0.82% 4.25% 3.68% 3.03%
±0.05 11.27% 12.68% 6.44% 7.27% 6.73% 5.23% 12.22% 13.87% 8.03% 9.83% -0.89% 5.41%
季度换仓 ±0.1 10.20% 10.18% 3.13% 5.15% 6.98% 5.09% 11.60% 12.13% 3.14% 5.90% 2.55% 6.37%
±0.15 13.65% 10.21% 8.72% 12.37% 8.60% 8.93% 11.24% 8.29% 8.83% 16.83% 2.44% 4.63%
2
±0.05 15.02% 9.21% 7.37% 15.70% 8.10% 12.15% 14.06% 10.55% 7.93% 6.08% 3.62% 4.49%
年度换仓 ±0.1 14.94% 9.15% 7.26% 17.60% 8.20% 7.57% 16.13% 9.68% 8.81% 1.38% 2.87% 6.85%
±0.15 13.79% 9.72% 6.41% 15.70% 8.50% 4.77% 13.27% 9.10% 6.78% 3.48% 3.66% 4.96%
注：样本池回测的基准为中证800全收益指数，回测区间为2010.01-2023.07
资料来源：万得，中银证券

采取 IC 稳定策略以后，季度换仓下收益回撤比提升较为显著，年度换仓下收益回撤比提升较为
一般。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 13
 图表 19. 采取 IC 稳定策略后的策略收益回撤比
因子ICIR加权 因子等权 因子IC加权 因子ICIR优化
优选指数个数 换仓频率 IC阈值 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数 窗口回溯季度数
12 20 32 12 20 32 12 20 32 12 20 32
±0.05 44.48% 40.47% 17.98% 48.97% 48.97% 13.29% 44.48% 40.79% 17.98% 4.79% 16.41% 21.54%
季度换仓 ±0.1 38.61% 38.30% 27.30% 37.10% 37.10% 12.61% 38.60% 38.30% 27.30% 50.43% 26.78% 10.31%
±0.15 40.41% 15.47% 90.83% 36.12% 20.79% 36.12% 40.41% 15.47% 90.08% 29.30% 23.45% 16.29%
1
±0.05 5.11% 6.03% 4.02% 8.20% 8.20% 6.24% 6.90% 7.50% 5.56% 4.41% 8.46% 3.43%
年度换仓 ±0.1 4.24% 4.55% 3.46% 4.62% 4.63% 4.63% 6.11% 6.56% 5.44% 2.47% 7.33% 5.41%
±0.15 3.49% 2.97% 2.47% 2.39% 2.39% 1.10% 4.14% 4.20% 3.43% 2.81% 5.02% 3.95%
±0.05 13.76% 11.34% 20.13% 12.87'% 10.46% 12.87% 14.05% 11.66% 22.23% 12.89% 7.22% 13.26%
季度换仓 ±0.1 17.69% 12.01% 18.91% 20.98% 11.33% 20.98% 27.57% 12.64% 21.91% 64.91% 46.10% 14.89%
±0.15 19.43% 15.29% 21.48% 23.64% 12.08% 23.64% 26.07% 11.23% 20.94% 55.44% 30.10% 12.88%
2
±0.05 8.80% 9.63% 7.07% 10.87% 10.87% 8.81% 17.11% 18.34% 12.14% 5.50% 6.92% 4.28%
年度换仓 ±0.1 7.73% 10.11% 7.11% 8.89% 8.89% 6.98% 14.33% 14.15% 12.43% 7.07% 6.38% 5.76%
±0.15 7.84% 9.01% 6.87% 8.91% 8.91% 7.00% 13.44% 13.21% 9.94% 3.00% 6.50% 4.34%
注：样本池回测的基准为中证800全收益指数，回测区间为2010.01-2023.07
资料来源：万得，中银证券

（三） 指数优选超额收益率和净值表现
1） 季度换仓
我们采用 IC 加权法，季度换仓策略在 IC 阈值±0.05，12 个季度的 IC 窗口回溯期下，收益回测区间
（2010-至今）对应年化超额收益 8.94%，季度胜率 68.52%

图表 20. 季度换仓超额收益率分布特点
换仓频率 最大值 75%分位 中位数 25%分位 最小值 胜率 年化超额
季度 21.28% 4.66% 1.28% -0.49% -13% 68.52% 8.94%
资料来源：万得，中银证券

季度换仓情况下，季度超额收益率主要分布在[-0.05, 0.1]这个区间，其中分布在[0,0.05]这个区间的
比例最高，占比为 44.44%。

图表 21. 季度换仓各指数超额收益率分布

资料来源：万得，中银证券

季度换仓情况下，2010-2023 上半年，一共有 5 年超额收益率为负，分别是 2011 年、2012 年、2016

年、2017 年和 2020 年，最近三年超额收益率都为正，其中 2021 年超额收益率为 13.19%，2022 年
超额收益率为 13.14%，截至 2023 年年中，超额收益率为 8.02%。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 14
 图表 22. 季度换仓各年份超额收益率

资料来源：万得，中银证券

图表 23. 季度换仓指数优选组合累计净值和基准净值 图表 24. 季度换仓指数优选组合累计超额净值

资料来源：万得，中银证券 资料来源：万得，中银证券

通 过 模 型 计 算 季 度 换 仓 策 略 近 10 个 季 度 各 备 选 指 数 推 荐 排 序 如 下 表 所 示 ， 最 近 一 次 换 仓
（2023.07.03）看多指数中证 800 全收益。

图表 25. 季度换仓最近 10 个季度指数推荐

指数简称 2021-04 2021-07 2021-10 2022-01 2022-04 2022-07 2022-10 2023-01 2023-04 2023-07
中证800全收益 2 2 5 4 5 3 5 5 2 1
沪深300全收益 1 3 6 7 7 6 6 7 4 2
中证500全收益 5 5 2 2 3 4 4 2 7 3
中证1000全收益 7 7 1 1 2 5 1 1 3 4
中证红利全收益 4 1 3 3 1 1 7 3 1 5
新兴成指全收益 3 4 4 5 6 7 2 4 5 6
中证ESG100全收益 6 6 7 6 4 2 3 6 6 7
注：数字1表示当期最推荐的指数，若当期多个指数均标为1表示多个指数等权配置
资料来源：万得，中银证券

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 15
 2） 年度换仓
我们采用 IC 加权法，年度换仓策略在 IC 阈值±0.05，12 个季度的 IC 窗口回溯期下，收益回测区间
（2010-至今）对应平均年化超额收益 3.79%（四个季度平均），各季度未来一年胜率 66.67%。其
中， 1-4 季度初第一个交易日换仓的年化超额收益分别为：2.52%、6.31%、5.07%、1.27%。
年度换仓策略较中证 800 全收益指数超额收益分布如下图所示，可以看出整体呈右偏分布，年度超
额收益率集中于[0%, 5%]和[5%,10%]区间。

图表 26. 年度换仓超额收益率分布特点

换仓频率 最大值 75%分位 中位数 25%分位 最小值 胜率

年度 26.86% 8.06% 2.75% -1.85% -11.44% 66.67%
资料来源：万得，中银证券

年度换仓情况下，年度超额收益率主要分布在[-0.05, 0.1]这个区间，其中分布在[0,0.05]这个区间的
比例最高，占比为 25.49%。

图表 27. 年度换仓各节点未来一年超额收益率分布

资料来源：万得，中银证券

我们分别测算了于每年各季度初第一个交易日换仓，持有 1 年的情况, 而每年的平均超额收益率计

算方式为 2009 年 Q1-Q4 分别作为换仓节点起始点时，截取 2010 年至 2023 年 Q2 每年超额收益率
的平均值（四个季度平均）。除 2011 年、2012 年、2014 年和 2019 年分别录得-5.18%、-5.26%、-
7.64%和-5.06%的超额收益率外，其他年份平均超额收益率均为正。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 16
 图表 28. 年度换仓各年份平均超额收益率

资料来源：万得，中银证券

图表 29. 年度换仓指数优选组合累计净值和基准净值 图表 30. 年度换仓指数优选组合累计超额净值

资料来源：万得，中银证券 资料来源：万得，中银证券

通 过 模 型 计 算 季 度 换 仓 策 略 近 10 个 季 度 各 备 选 指 数 推 荐 排 序 如 下 表 所 示 ， 最 近 一 次 换 仓
（2023.07.03）看多指数中证红利全收益指数和中证 1000 全收益指数。

图表 31. 年度换仓最近 10 个季度指数推荐

指数简称 2021-04 2021-07 2021-10 2022-01 2022-04 2022-07 2022-10 2023-01 2023-04 2023-07
中证800全收益 7 7 6 7 7 7 7 7 4 5
沪深300全收益 6 6 7 6 6 6 6 6 6 6
中证500全收益 5 5 2 2 4 4 3 3 5 4
中证1000全收益 3 2 1 1 2 2 2 2 2 2
中证红利全收益 1 1 3 4 1 1 1 1 1 1
新兴成指全收益 4 3 5 5 5 5 4 5 7 7
中证ESG100全收益 2 4 4 3 3 3 5 4 3 3
注：数字1表示最推荐的指数，若当期多个指标均为1表示多个指数等权配置
资料来源：万得，中银证券

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 17
 五、 附注
[1] Yao Ma, Baochen Yang, Yunpeng Su(2022), 《 Technical trading index, return predictability and
idiosyncratic volatility》, International Review of Economics and Finance
[2] Qi Lin (2017),《Technical Analysis and Stock Return Predictability: An Aligned Approach 》, Journal
of Financial Markets
[3] Christopher J. Neely, David E. Rapach, Jun Tu, Guofu Zho(2014) ,《Forecasting the Equity Risk
Premium: The Role of Technical Indicators》, Management Science

风险提示：量化模型失效风险；历史业绩不代表未来，投资需谨慎。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 18
 披露声明

本报告准确表述了证券分析师的个人观点。该证券分析师声明，本人未在公司内、外部机构兼任有损本人独立性与客
观性的其他职务，没有担任本报告评论的上市公司的董事、监事或高级管理人员；也不拥有与该上市公司有关的任何
财务权益；本报告评论的上市公司或其它第三方都没有或没有承诺向本人提供与本报告有关的任何补偿或其它利益。
中银国际证券股份有限公司同时声明，将通过公司网站披露本公司授权公众媒体及其他机构刊载或者转发证券研究报
告有关情况。如有投资者于未经授权的公众媒体看到或从其他机构获得本研究报告的，请慎重使用所获得的研究报告，
以防止被误导，中银国际证券股份有限公司不对其报告理解和使用承担任何责任。

评级体系说明

以报告发布日后公司股价/行业指数涨跌幅相对同期相关市场指数的涨跌幅的表现为基准：
公司投资评级：
买 入：预计该公司股价在未来 6-12 个月内超越基准指数 20%以上；
增 持：预计该公司股价在未来 6-12 个月内超越基准指数 10%-20%；
中 性：预计该公司股价在未来 6-12 个月内相对基准指数变动幅度在-10%-10%之间；
减 持：预计该公司股价在未来 6-12 个月内相对基准指数跌幅在 10%以上；
未有评级：因无法获取必要的资料或者其他原因，未能给出明确的投资评级。

行业投资评级：
强于大市：预计该行业指数在未来 6-12 个月内表现强于基准指数；
中 性：预计该行业指数在未来 6-12 个月内表现基本与基准指数持平；
弱于大市：预计该行业指数在未来 6-12 个月内表现弱于基准指数；
未有评级：因无法获取必要的资料或者其他原因，未能给出明确的投资评级。

沪深市场基准指数为沪深 300 指数；新三板市场基准指数为三板成指或三板做市指数；香港市场基准指数为恒生指数

或恒生中国企业指数；美股市场基准指数为纳斯达克综合指数或标普 500 指数。

2023 年 9 月 7 日 基于技术指标的宽基指数配置策略 19
 风险提示及免责声明 中银国际证券股份有限公司
本报告由中银国际证券股份有限公司证券分析师撰写并向特定客户发布。 中国上海浦东
银城中路 200 号
本报告发布的特定客户包括：1) 基金、保险、QFII、QDII 等能够充分理解证券研究报告，
具备专业信息处理能力的中银国际证券股份有限公司的机构客户；2) 中银国际证券股份有
中银大厦 39 楼
限公司的证券投资顾问服务团队，其可参考使用本报告。中银国际证券股份有限公司的证 邮编 200121
券投资顾问服务团队可能以本报告为基础，整合形成证券投资顾问服务建议或产品，提供 电话: (8621) 6860 4866
给接受其证券投资顾问服务的客户。 传真: (8621) 5888 3554
中银国际证券股份有限公司不以任何方式或渠道向除上述特定客户外的公司个人客户提供
本报告。中银国际证券股份有限公司的个人客户从任何外部渠道获得本报告的，亦不应直
接依据所获得的研究报告作出投资决策；需充分咨询证券投资顾问意见，独立作出投资决
策。中银国际证券股份有限公司不承担由此产生的任何责任及损失等。
相关关联机构：
本报告内含保密信息，仅供收件人使用。阁下作为收件人，不得出于任何目的直接或间接
复制、派发或转发此报告全部或部分内容予任何其他人，或将此报告全部或部分内容发表。
如发现本研究报告被私自刊载或转发的，中银国际证券股份有限公司将及时采取维权措施， 中银国际研究有限公司
追究有关媒体或者机构的责任。所有本报告内使用的商标、服务标记及标记均为中银国际 香港花园道一号
证券股份有限公司或其附属及关联公司（统称“中银国际集团”）的商标、服务标记、注册 中银大厦二十楼
商标或注册服务标记。
电话:(852) 3988 6333
本报告及其所载的任何信息、材料或内容只提供给阁下作参考之用，并未考虑到任何特别 致电香港免费电话:
的投资目的、财务状况或特殊需要，不能成为或被视为出售或购买或认购证券或其它金融
中国网通 10 省市客户请拨打：10800 8521065
票据的要约或邀请，亦不构成任何合约或承诺的基础。中银国际证券股份有限公司不能确
保本报告中提及的投资产品适合任何特定投资者。本报告的内容不构成对任何人的投资建 中国电信 21 省市客户请拨打：10800 1521065
议，阁下不会因为收到本报告而成为中银国际集团的客户。阁下收到或阅读本报告须在承 新加坡客户请拨打：800 852 3392
诺购买任何报告中所指之投资产品之前，就该投资产品的适合性，包括阁下的特殊投资目 传真:(852) 2147 9513
的、财务状况及其特别需要寻求阁下相关投资顾问的意见。

尽管本报告所载资料的来源及观点都是中银国际证券股份有限公司及其证券分析师从相信 中银国际证券有限公司
可靠的来源取得或达到，但撰写本报告的证券分析师或中银国际集团的任何成员及其董事、 香港花园道一号
高管、员工或其他任何个人（包括其关联方）都不能保证它们的准确性或完整性。除非法
律或规则规定必须承担的责任外，中银国际集团任何成员不对使用本报告的材料而引致的
中银大厦二十楼
损失负任何责任。本报告对其中所包含的或讨论的信息或意见的准确性、完整性或公平性 电话:(852) 3988 6333
不作任何明示或暗示的声明或保证。阁下不应单纯依靠本报告而取代个人的独立判断。本 传真:(852) 2147 9513
报告仅反映证券分析师在撰写本报告时的设想、见解及分析方法。中银国际集团成员可发
布其它与本报告所载资料不一致及有不同结论的报告，亦有可能采取与本报告观点不同的
投资策略。为免生疑问，本报告所载的观点并不代表中银国际集团成员的立场。
中银国际控股有限公司北京代表处
中国北京市西城区
本报告可能附载其它网站的地址或超级链接。对于本报告可能涉及到中银国际集团本身网
西单北大街 110 号 8 层
站以外的资料，中银国际集团未有参阅有关网站，也不对它们的内容负责。提供这些地址
或超级链接（包括连接到中银国际集团网站的地址及超级链接）的目的，纯粹为了阁下的 邮编:100032
方便及参考，连结网站的内容不构成本报告的任何部份。阁下须承担浏览这些网站的风险。 电话: (8610) 8326 2000
本报告所载的资料、意见及推测仅基于现状，不构成任何保证，可随时更改，毋须提前通 传真: (8610) 8326 2291
知。本报告不构成投资、法律、会计或税务建议或保证任何投资或策略适用于阁下个别情
况。本报告不能作为阁下私人投资的建议。 中银国际(英国)有限公司
过往的表现不能被视作将来表现的指示或保证，也不能代表或对将来表现做出任何明示或 2/F, 1 Lothbury
暗示的保障。本报告所载的资料、意见及预测只是反映证券分析师在本报告所载日期的判 London EC2R 7DB
断，可随时更改。本报告中涉及证券或金融工具的价格、价值及收入可能出现上升或下跌。
United Kingdom
部分投资可能不会轻易变现，可能在出售或变现投资时存在难度。同样，阁下获得有关投 电话: (4420) 3651 8888
资的价值或风险的可靠信息也存在困难。本报告中包含或涉及的投资及服务可能未必适合 传真: (4420) 3651 8877
阁下。如上所述，阁下须在做出任何投资决策之前，包括买卖本报告涉及的任何证券，寻
求阁下相关投资顾问的意见。
中银国际(美国)有限公司
中银国际证券股份有限公司及其附属及关联公司版权所有。保留一切权利。
美国纽约市美国大道 1045 号
7 Bryant Park 15 楼
NY 10018
电话: (1) 212 259 0888
传真: (1) 212 259 0889

中银国际(新加坡)有限公司
注册编号 199303046Z
新加坡百得利路四号
中国银行大厦四楼(049908)
电话: (65) 6692 6829 / 6534 5587
传真: (65) 6534 3996 / 6532 3371