行业指数的周期以及跑赢指数的分位数是多少？

前言

本篇是量化系列的第一篇文章。《量化十万个为什么》系列旨在讨论一些自己心中的疑问，并且通过尝试解答这些问题来提升自己对于市场的认知水平。
PS：博主水平很辣鸡，请大家轻喷，多多指教！

一、为什么提这个问题？

前面一篇文章讨论了对于所有个股来说，跑赢指数的分位数大概是多少，接下来我们看一看，对于行业指数来说，分位数是多少，并且对于行业轮动的周期一般又是多少。

二、分析

我们从选取申万一级作为行业指数，时间选取2015年至2020年

# 获取申万一级的所有代码
start_date = '20150101'
end_date = '20201231'
index_dic = index_manager.GetTotalIndexDic()
index_df = index_manager.GetTotalIndexInfo(type='DataFrame')
sw_df = index_df[index_df['IndexClassName'] == '申万一级指数']

# 从网上下载数据
data_dic= {}
for index_code in sw_df['IndexStockName']:
    tmp_code = index_code[0:6]
    index_dic[index_code].PrintMyself()
    df = index_manager.Internet.GetSWIndex(tmp_code,start_date=start_date, end_date=end_date,data_type='Day')
    data_dic.update({index_code:df})
    time.sleep(10)

（PS：这里有一个申万一级命名的小bug，申万一级的休闲服务等同于申万一级的餐饮旅游，代码：801210.SW；申万一级的电子等同于申万一级的电子元器件，代码：801080.SW）

同时还要注意下，申万一级在2016年4月18日和2016年4月19日是没有数据的（原因未知），可以使用tick数据按照当时的分类来计算。

然后来讨论这样子一个问题，假如你开了上帝视角，获得了未来一段时间内所有的一级行业的走势，理论上说，在T+1的规则下，我们应该每天换入涨幅最高的那个行业，但是这个对于现实操作没有任何指导意义（我们研究的目的还是在行业指数和benchmark之间找到某些周期性的规律，或者说找到相对平稳的时间序列）。无论如何，我们先来看一看,之前个股的结论在行业指数上市一个什么效果。

# 从 tushare 上获取 沪深300 数据
benchmark_df = pro.index_daily(ts_code='399300.SZ', start_date=start_date, end_date=end_date)
benchmark_df = benchmark_df.sort_values(by='trade_date').reset_index(drop=True)
benchmark_date_se = pd.to_datetime(benchmark_df['trade_date'].astype(str))
benchmark_date_se.name = 'datetime'
benchmark_df.index = benchmark_date_se

benchmark_price = benchmark_df['close']

test_day_num_lst = [1,2,3,5,10,20,30]
answer_dic = {}
for past_day_num in test_day_num_lst:
    benchmark_price = benchmark_df['close']
    benchmark_return = (benchmark_price - benchmark_price.shift(past_day_num))/benchmark_price.shift(past_day_num)
    total_answer_df = pd.DataFrame(index=benchmark_date_se)
    for stock_name in data_dic.keys():
        stock_df = copy.copy(data_dic[stock_name])
        close_price = stock_df['Close'].astype(float)
        stock_return = (close_price - close_price.shift(past_day_num))/close_price.shift(past_day_num)
        # 把结果合并比较
        tmp_df = pd.DataFrame(columns=['result','stockreturn','bmreturn'],index=benchmark_date_se)
        tmp_df['bmreturn'] = benchmark_return
        tmp_df.loc[stock_return.index,'stockreturn'] = stock_return

        stock_higher_index = tmp_df[tmp_df['stockreturn'] > tmp_df['bmreturn']].index
        stock_lower_index = tmp_df[tmp_df['bmreturn'] > tmp_df['stockreturn']].index
        tmp_df.loc[stock_higher_index,'result'] = 1
        tmp_df.loc[stock_lower_index,'result'] = 0

        total_answer_df[stock_name] = tmp_df['result']
    total_merge_df = copy.copy(total_answer_df).T
    tmp_se = total_merge_df.fillna(0).sum()/(len(total_merge_df) - total_merge_df.isnull().sum())
    answer_dic.update({past_day_num:tmp_se})

结果如下：

持仓周期	均值	方差
1 日	0.493	0.253
2 日	0.49	0.254
3 日	0.488	0.256
5 日	0.485	0.255
10 日	0.472	0.251
20 日	0.458	0.26
30 日	0.444	0.252

30日概率如下图

接着我们来考虑策略，假设我们要尽量减少换仓次数，拉长持仓周期，对于跑赢指数这个目标来说，一般而言有 0.4*28 = 11.2个行业指数可以跑赢沪深300，因此我们假设，对于一定周期的持仓来说，只要return在前10名的，即为优秀，我们看一下优秀行业的持续时间有多少。
我们以过去20天的return取横向取rank，先看看效果怎么样：

past_day_num = 20
total_df = pd.DataFrame(index=benchmark_df.index)
for stock_name in data_dic.keys():
    stock_df = copy.copy(data_dic[stock_name])
    close_price = stock_df['Close'].astype(float)
    stock_return = (close_price - close_price.shift(past_day_num))/close_price.shift(past_day_num)
    total_df[stock_name] = stock_return
rank_df = total_df.rank(axis=1,ascending=False)

我们取两个行业来看看，分别是： 纺织服装（801130.SW）和 银行 （801780.SW）

可以看到，在某些时间段，行业轮动还是非常明显的，例如在2015年前半年，纺织服装就明显地要强于银行。我们把指数画出来看看。

从指数的走势上看，纺织服装确实在2015年非常地强势，到了2017年开始才慢慢变熊。从直观上判断，这种行业周期要持续好几年，但是这个结论显然不是我们想要的，毕竟我们很少做几年的持仓。
为了找出短时间内行业轮动的周期，我们对前面求得的rank_df做傅里叶变换，求出一个大致的行业周期。我们来看一看，计算机和纺织服装的傅里叶变换

我们尝试取最高能量的前3名，做加权平均，求周期

from scipy.fftpack import fft,ifft
period_dic = {}
for stock_name in rank_df.columns:
    se = rank_df[stock_name]
    y = (se.dropna()).values
    #归一化处理
    yf1=abs(fft(y))/((len(y)/2)) 
    #由于对称性，只取一半区间
    yf2 = yf1[range(int(len(y)/2))]  
    xf = np.arange(len(y)) 
    xf2 = xf[range(int(len(y)/2))]
    threshold = np.mean(yf2) + 1*np.std(yf2)
    df = pd.DataFrame({'X':xf2[1:],'Y':yf2[1:]})
    tmp_df = df.sort_values(by='Y',ascending=False).iloc[0:3].reset_index()
    ave_x = np.sum(tmp_df['X']*tmp_df['Y'])/tmp_df['Y'].sum()
    T = len(yf2)/ave_x
    period_dic.update({stock_name:T})

结果如下：

行业名称	行业代码	周期（日）
纺织服装	801130.SW	146.49
公用事业	801160.SW	63.52
国防军工	801740.SW	28.78
综合	801230.SW	35.16
银行	801780.SW	45.38
传媒	801760.SW	56.46
钢铁	801040.SW	66.43
有色金属	801050.SW	47.65
机械设备	801890.SW	61.85
房地产	801180.SW	34.69
建筑装饰	801720.SW	106.87
电气设备	801730.SW	53.4
非银金融	801790.SW	59.16
轻工制造	801140.SW	53.63
建筑材料	801710.SW	72.39
家用电器	801110.SW	53.54
汽车	801880.SW	46.61
食品饮料	801120.SW	49.89
农林牧渔	801010.SW	70.96
商业贸易	801200.SW	110.26
化工	801030.SW	53.01
交通运输	801170.SW	53.66
通信	801770.SW	46.93
医药生物	801150.SW	64.58
采掘	801020.SW	61.08
计算机	801750.SW	37.17
休闲服务	801210.SW	122.88
电子	801080.SW	61.95

总结

由上面的表格可以看出，可以看到，行业轮动的周期，实际上相差还是蛮大的，最快的和最慢的差了有差不多5倍之多。而且从傅里叶变换的图形来看，频域上的图形并没有特别突出的某几根线。因此这个结论是否有实践意义，还有待后面进一步的验证。