根据华福证券-市场情绪指标专题（五），进行了提炼和改写，特此致谢！

$$(NHNL)\%=(count(HHV)-count(LLV))/N$$

个股的顶底强弱比较难以把握，它们的偶然性太强。董事长有可能跑路，个股也可能遇到突发利好（比如竞争对手仓库失火）。在个股的顶底处，情绪占据主导地位，理性退避次席，技术指标出现钝化，进入现状不可描述，一切皆有可能的状态。

但是，行业指数作为多个随机变量的叠加，就会出现一定的规律性（受A4系统性影响的偶然性我们先排除在外，毕竟也不是天天有A4）。这是因子分析和技术分析可以一展身手的地方。

今天要介绍的净新高占比因子，可以用来捕捉行业强弱趋势以及反转，以此因子为基础，我们可以构建指数增强策略。

因子定义

净新高占比指标是指行业指数中，创年度新高与年度新低之差的个股数占全行业个股数的百分比：

$$(NHNL)\%=(count(HHV)-count(LLV))/N$$

因子背后的逻辑

该因子的主要金融原理是锚定效应。行为金融学告诉我们，绝大多数投资者都有很强的锚定效应。投资者始终会以自己买入股票/基金时的价格（即锚定成本）为基准，视自己的账户是处于浮盈还是浮亏状态，来确定自己的操作。

创年度新高的个股，其股票持有者均为浮盈状态，即使其计划卖出，也希望等行情再上涨一段时间，因此其抛压相对较小；而创年度新低的个股，因其股票持有者均为浮亏状态，因此只要行情反弹便有投资者卖出，抛压反而较大。这样就出现了熊市不言底，牛市不言顶的规律，或者说新高之后还有新高，新低之后还有新低的股谚。

基于这一原理，显然，净新高因子能较好地刻画行业指数的强弱。

信号构建

华福证券以中信一级行业指数为例，给出了以下参考指标：

$$NHNL=\{\begin{array}{l}x\ge 30\%贪婪\\ 20\%\le x<30\%乐观\\ -20\%<x<20\%正常区间\\ -30\%<x\le -20\%悲观\\ x\le -30\%恐惧\end{array}$$

为了防止一级行业指数个股数太少引发的过大波动，他们建议当一级行业指数上市超过 1 年的个股数小于 40 时，将阈值放宽为±30%/40%。

建议该指标这样使用（以单边做多为例）：

1. 当NHNL进行乐观区间时，开始建仓，此时是动量策略
2. 当NHNL进入贪婪区间时，注意可能到来的反转。首次从贪婪区间跌回乐观区间时，做空信号出现，下一交易日开盘卖出。
3. 当NHNL进行恐慌区间时，注意可能到来的反转。首次从恐慌区间涨回悲观区间时，下一交易日开盘买入。此时注意设置好止损位，反弹延续才能继续持有。

代码

代码的关键是要获取行业指数及成份股行情，因为计算一年内的新高和新低非常容易。

我们以XtQuant为例进行演示。XtQuant是迅投研发的行情数据及实盘接口，开通量化权限的话，可以免费获得行情数据，因此它是又一个优秀的免费数据源。我们在第24课有详细介绍它的使用。

sectors = set()

for item in get_sector_list():
    for i in range(6, 1, -1):
        key = item[:i]

        if key.startswith("SW1"):
            sectors.add(key)
            break
print(sectors)

# 显示：
'SW1煤炭', 'SW1交通运', 'SW1综合', 'SW1通信' ...

我们大约拿到40个申万一级板块名。接下来我们就需要获取板块内的每支成分股的证券代码:

xt.get_stock_list_in_sector("SW1煤炭")

# 显示：

['600121.SH',
 '600123.SH',
 '600157.SH',
 '600188.SH',
 '600348.SH',
 '600395.SH',
 ...
]

获取个股行情数据的方法在最近的笔记中有详细介绍，这里不再重复。

更多的代码不便一一演示。我们有示例notebook可以提供。最终我们能得到这样一个效果：

Quiz

请说说为什么净新高占比因子不是在[-1,1]区间内均匀分布的。为了得出结论，你用了几秒？

本文由mdnice多平台发布