接着系列二，我们今天说说比较基准和具体建模过程。
上次我们选了一个叫统A的比较基准，我们来看看他和其他宽基指数的比较：
从2009年12月到2019年12月，整10年的数据对比。十年间这几个宽基指数大多收益不佳，沪深300年化收益1.37%，中证500年化收益1.62%，上证50 年化收益1.84%，中小板1.65%。只有创业板的收益不错有6.94%，但是创业板指数是2010年6月才开始编制的，而等权统A的年化收益是7.25%。
其实从图上我们直观的就可以看出这几年A股的风格变化分为这几段：
1、2009到2012泥沙俱下，没有赢家
2、2013到2015是创业板的狂欢，小市值的盛宴。
3、2016到2018是蓝筹白马行情，这个不太直观，但是从等权的统A表现优于创业板也能判断出，是上证50、和沪深300这样的权重在抬升指数。
4、2019至今的风格似乎有所回转
所以目前等权重是能最好的反应A股的实际情况。这个也好理解，比如一个班里几十个学生，等权重就是绝对平均的民zhu，每人一票。而加权就是根据体重大小给与不同的投票权。那么问题来了，如果体重200斤的孩子给8票，体重正常的孩子1票，那么一旦有事投票，反应的就不可能是全体班里孩子的平均意愿，而是超重的孩子们的意愿。
every coin has two sides。因为我们的超重孩子都是虚胖——那些巨无霸都不太给力，所以我们的指数这10年没动。而美国那边巨无霸不仅胖还是十佳青年，所以一直涨不停，指数就涨上天了，他们那边加权的结果肯定会优于等权的。如果我们未来也往这个模式发展，有一天等权指数也不会再有最好看的收益率了。
既然目前最好的是等权统A，那我们就对标他。接下来，我们能通过对于私募仓位的调整获得超额的收益吗？为了回答这个问题。第三步，煎炒烹炸来了。
一上来，我们尝试一个简单的小炒：
比如2010年1月10号左右，我们得到2009年12月的私募仓位数据，我们已经来不及在一月整个月调仓了，我们就在下个月2月调仓。
怎么调呢？很简单设定一个及格线的低仓位和一个高标准的高仓位，比如：分别是60%和90%吧。
当前一个月的私募仓位是50%时，低于及格线60%这时空仓；
如果前一个月的私募仓位是70%，介于60%和90%之间，不调仓维持半仓；如果前一个月的私募仓位是95%，高于高标准90%，这时满仓。
好了，模型就按照这种机制运行，最终只看收益率高低决定好坏，不考虑其他指标。其实，仓位的状态就三种情况，我们分别用三个系数来表示：空仓是0，半仓是0.5，满仓是1。根据每个月月末和月初的指数能到到一个收益率。用这个系数乘以指数收益率，就能得到我们的调仓收益率。但是低仓位和高仓位分别是两个变量，比如（低仓位30%，高仓位60%）和（低仓位50%，高仓位90%）就是两种不同的情况，其实模型的寻优就是找到使收益率最优的结果。
这里我们不讨论严格的数学过程，只说结论：在低仓位30%和高仓位为80%时有最优解是年化7.76%，略优于7.25%的等权统A收益。但是这就是最优结果了吗？我们观察数据会发现其实历史上私募仓位一直都大于30%，很少高于80%。所以实际上，是没有空仓，很少满仓，经常半仓得到了最优的结论。
那么如果反向操作呢？就是在私募低仓位时，满仓；私募高仓位时空仓，其余时候继续半仓，会怎样呢？结果很惊人：年化达到了9.06%：
所以说拿私募仓位当作反向指标会更好？这个似乎有点和常识不太符合啊。问题出在哪里？有可能是我们的操作太滞后了。所以改变方法，上煎炸炖煮焖：
这次，我们将每个月的收益率分成两段，一段是得到私募仓位前的半个月，另一段是得到私募仓位后的半个月。然后再引入两个变量：前半月的涨幅限制和前半月的跌幅限制。
举例：
还是有空仓系数为0，半仓系数为0.5，满仓系数为1三种状态；
低仓位，高仓位，前半月涨幅限制，前半月跌幅限制，四个变量；
后半个月的收益率乘以当月得到的仓位系数，前半月的收益率乘以上一个月的仓位系数；
比如四个参数分别设为30%，80%，10%，-5%
那么2010年1月得到了2009年12月的私募仓位为55.5%，得到数据的这个前半个月指数涨了6.32%，那么我们按照一般的正向思路操作下来：
首先比较55.5%和高低仓位，正好介于30%和80%之间所以保持半仓，不调仓。如果这个仓位是大于80%的，本来计划要满仓的，但是再比较这个前半个月的涨跌幅6.32%与涨幅限制10%的大小，现在是小于10%，就调整为满仓。如果大于10%，就不调仓了，因为虽然高于高仓位，但是已经涨了，所以继续保持半仓。同理如果小于30%，就要比较跌幅是否小于跌幅限制，如果小于，就不空仓。反之则按计划调整为空仓。这里的思路有点绕，需要读者朋友们自己多捋顺几遍。不愿意烧脑的朋友们也可以跳过直接看结论：
最优结果是可以得到12.37%的年化收益，大大高于等权统A的7.25%，超额收益达到5.12%。当然我也试验了高于高仓位减为空仓，低于低仓位加满仓的反向做法，结果并没有正向操作来的好。
结果最优时的低仓位参数为40%，高仓位参数为75%，最大涨幅限制参数为10%，最大跌幅限制参数为-5%。这些参数有什么实际意义呢？我分别拆解每个参数发现，除了低仓位参数是在均值2个标准差以下达到最优，其他3个参数都是在均值1倍标准差附近达到最优。用白话翻译最优结果实际上是要求：不能出现空仓，常常半仓，偶尔满仓。
最后，我总结一下。针对这些私募大佬的平均仓位变化，我们滞后较短的时间调仓（滞后10天到1个月左右），可以得到超额收益。证明这些私募大佬的平均仓位里含有有效的市场信息。
另外不要空仓。这是重要的一点，在不用杠杆，买指数的情况下，踏空永远比被套的风险更大。
当然，这里有个现实的问题，等权的统A指数是普通投资者摸不到看不着的，我们如何能在实战中利用这个优势呢？这个是非常有趣的问题，我也在思考中。也欢迎大家集思广益，一起发散思维。
点在看、点转发、点关注、点星标。点点点点点！
欢迎关注“宏观数据种草”，希望抛砖引玉，启发思考。
