市場風(fēng)格輪動系列:基于相似性算法的風(fēng)格輪動策略.pdf
- 上傳者:風(fēng)****
- 時間:2026/03/11
- 熱度:96
- 0人點(diǎn)贊
- 舉報
市場風(fēng)格輪動系列:基于相似性算法的風(fēng)格輪動策略。“
以史為鑒”是資本市場中在量化和主動研究中常用的分析手段。本次,我們將 基于相似性算法,討論如何利用歷史相似階段的收益走勢形成風(fēng)格輪動的指標(biāo)信 號。經(jīng)過驗(yàn)證,相似性信號能有效指導(dǎo)大小盤和成長價值輪動策略,并且能對我 們之前提出的基于賠率和勝率的風(fēng)格輪動框架形成一定邊際改善。
首先,本文梳理介紹了四種彈性度量算法。其中,DTW 允許時間序列非線性 對齊,通過尋找最優(yōu)彎曲路徑解決時間軸偏移問題,但存在計算量大和過度扭 曲的風(fēng)險;DTW-S 引入 Sakoe-Chiba 帶狀約束,限制路徑在對角線附近移 動,能提升過度扭曲并提高計算效率;SBD 算法形狀匹配抗干擾能力強(qiáng),計 算效率優(yōu)異,但局部模式識別能力弱,僅能衡量序列全局輪廓的相似性; MSM 算法操作設(shè)計直觀,但受到關(guān)鍵參數(shù)的影響較大。
在模型構(gòu)建中,我們對比了分別基于絕對收益和相對收益視角,構(gòu)建相似性 匹配的風(fēng)格輪動策略有效性。根據(jù)測試結(jié)果,相對收益視角明顯優(yōu)于絕對收 益視角。原因在于:絕對收益視角下兩個風(fēng)格的最相似歷史階段可能不匹 配;而相對收益視角直接定位風(fēng)格相對狀態(tài),避免了在模糊估計結(jié)果上做精確 比較的過程。
進(jìn)一步,我們比較了多種相似性算法的有效性,整體來看 DTW 系列算法整體 表現(xiàn)最為穩(wěn)健,相互間差異不大;MSM 算法在大小盤策略中相對偏弱;SBD 算法在成長價值策略中表現(xiàn)不佳。結(jié)合主觀邏輯來說,允許當(dāng)日行情在 3 日內(nèi) 完成相似走勢(DTW-S-2D)比允許在 5 日內(nèi)完成(DTW-S-4D)更為合理。
在閾值方面,我們以近五年樣本數(shù)據(jù)的均值加兩倍標(biāo)準(zhǔn)差作為相似度下限的 篩選標(biāo)準(zhǔn)。經(jīng)過比較,該閾值受標(biāo)準(zhǔn)差倍數(shù)參數(shù)影響并不敏感。此外,考慮到 時間維度也是歷史是否重演的影響因素之一,我們引入時間衰減函數(shù)后,發(fā) 現(xiàn)對大小盤輪動策略能形成有效性改進(jìn)。
最后,我們將前述相似性信號納入我們在往期報告中提出的賠率勝率框架之 中。根據(jù)結(jié)果,加入相似性指標(biāo)能使大小盤策略的年化超額收益從 16.76%提 升至 18.13%,信息比率從 1.85 提升至 2.01;能使成長價值策略的年化超額 收益從 13.79%提升至 15.27%,信息比率從 1.11 提升至 1.23。
免責(zé)聲明:本文 / 資料由用戶個人上傳,平臺僅提供信息存儲服務(wù),如有侵權(quán)請聯(lián)系刪除。
- 相關(guān)標(biāo)簽
- 相關(guān)專題
- 全部熱門
- 本年熱門
- 本季熱門
- 公募量化固收+:策略分類與代表產(chǎn)品——基金選品系列研究之七.pdf 179 5積分
- 基于股票型ETF的自適應(yīng)雙模態(tài)策略:把握趨勢,捕捉震蕩.pdf 159 6積分
- 量化資產(chǎn)配置系列報告:基于收益率曲線的國債久期輪動策略.pdf 156 6積分
- 大盤為主,先成長后價值———A股流動性與風(fēng)格跟蹤月報(202512).pdf 151 6積分
- 量化研究系列報告之二十五:高彈性Alpha的量化掘金,從盲區(qū)識別到策略構(gòu)建.pdf 142 6積分
- 量化大類資產(chǎn)跟蹤:貴金屬與中小微風(fēng)格權(quán)益持續(xù)領(lǐng)漲.pdf 140 5積分
- 基于BLACK_LITTERMAN模型融合資產(chǎn)擇時與風(fēng)格輪動的資產(chǎn)配置研究.pdf 138 5積分
- 主動量化組合跟蹤:近期量化指增策略的回調(diào)復(fù)盤與歸因分析.pdf 136 5積分
- A股流動性與風(fēng)格跟蹤月報:成長占優(yōu),大小盤表現(xiàn)差異收斂.pdf 127 4積分
- 開源量化評論(117):分域多策略研究,以偏股基金指數(shù)為例.pdf 115 4積分
- 公募量化固收+:策略分類與代表產(chǎn)品——基金選品系列研究之七.pdf 179 5積分
- 基于股票型ETF的自適應(yīng)雙模態(tài)策略:把握趨勢,捕捉震蕩.pdf 159 6積分
- 量化資產(chǎn)配置系列報告:基于收益率曲線的國債久期輪動策略.pdf 156 6積分
- 大盤為主,先成長后價值———A股流動性與風(fēng)格跟蹤月報(202512).pdf 151 6積分
- 量化研究系列報告之二十五:高彈性Alpha的量化掘金,從盲區(qū)識別到策略構(gòu)建.pdf 142 6積分
- 量化大類資產(chǎn)跟蹤:貴金屬與中小微風(fēng)格權(quán)益持續(xù)領(lǐng)漲.pdf 140 5積分
- 基于BLACK_LITTERMAN模型融合資產(chǎn)擇時與風(fēng)格輪動的資產(chǎn)配置研究.pdf 138 5積分
- 主動量化組合跟蹤:近期量化指增策略的回調(diào)復(fù)盤與歸因分析.pdf 136 5積分
- A股流動性與風(fēng)格跟蹤月報:成長占優(yōu),大小盤表現(xiàn)差異收斂.pdf 127 4積分
- 開源量化評論(117):分域多策略研究,以偏股基金指數(shù)為例.pdf 115 4積分
- AI研究系列之一:漲停板背后的Alpha,首板回調(diào)策略的系統(tǒng)化探索與實(shí)證.pdf 107 5積分
- 原油基本面量化擇時策略:全球大類資產(chǎn)配置與A股相對收益.pdf 73 4積分
- 量化專題報告:“錨定擴(kuò)散”的分域增強(qiáng),構(gòu)建高銳度多策略FOF組合.pdf 70 3積分
- 量化基本面系列之四:如何識別宏觀觸底與微觀領(lǐng)漲.pdf 70 6積分
- 量化資產(chǎn)配置系列報告之十二:引入季節(jié)性、擁擠度的大小盤風(fēng)格輪動策略.pdf 60 4積分
- ETF策略系列:宏觀信息驅(qū)動的寬基ETF風(fēng)格輪動策略.pdf 53 5積分
- OpenClaw+本地大模型量化策略開發(fā)——人工智能投研應(yīng)用系列之三.pdf 46 3積分
- 如何捕捉創(chuàng)業(yè)板風(fēng)格切換時點(diǎn)——基于擁擠度的創(chuàng)業(yè)板與紅利低波風(fēng)格輪動研究.pdf 30 7積分
