金融工程视角下的技术择时艺术.pdf

目录 择时逻辑的构思与描述 4 择时逻辑实现：代理指标构造 5 估计择时指标在外推时的有效性 14 总结 19 风险提示 20 图表 图表 1: 技术择时效果较弱 3 图表 2: 不同市场状态下阻力支撑相对强弱的含义 4 图表 3: 牛市中 β 较大往往对应加速上涨（示例） 5 图表4: 熊市中 β 较大往往对应止跌企稳（示例） 5 图表 5: 牛市中 β 较小往往对应见顶（示例） 6 图表 6: 熊市中 β 较小往往对应加速深跌（示例） 6 图表 7: 以 N=20 计算的 β 值分布 6 图表8: 以 N=20 计算的 β 不同取值对应的未来 10 日收益 6 图表9: 沪深 300 指数 QRS 择时模型样本内外净值表现 7 图表 10: 沪深 300 指数 QRS 择时模型样本内外统计数据 8 图表 11: 沪深 300 指数 QRS 择时模型样本内外统计数据 8 图表 12: QRS 指标在不同惩罚系数下沪深 300 择时模型净值对比 9 图表 13: 若不对惩罚性进行量级调整，不同惩罚力度下会对指标值整体量级带来 9 图表 14: 惩罚项量级归一后 QRS 指标在不同惩罚系数下沪深 300 择时模型统计数据 10 图表 15: 对惩罚系数量级进行调整后，择时效果进一步提升 10 图表 16: 精简后的指标在择时模型上的效果弱于原指标 11 图表 17: 精简后的指标在择时模型上的效果弱于原指标 11 图表 18: 原始指标的预测能力整体强于精简指标，分布上呈现倒 U 型 12 图表 19: 不同参数 N 计算下的最高价最低价相关系数的标准差 12 图表 20: 改进前后 QRS 指标择时模型统计数据对比 13 图表 21: 改进前后 QRS 指标择时模型净值对比 13 图表 22: 直接通过指标预测能力挑选参数，能减少在净值计算上造成的路径依赖 15 图表 23: 从“对折”函数中挑选最优交易阈值参数 示例 16 图表 24: 动态参数模型测试设置 17 图表 25: QRS 择时模型在动态参数下的择时效果统计 17 图表 26: QRS 指标在各指数上均展现择时能力 18 图表 27: 金融工程视角下的技术择时指标开发 19 请仔细阅读在本报告尾部的重要法律声明 2 中金公司研究部: 2021 年 1 月 21 日 技术分析，作为不少市场投资者用以判断市场或个股涨跌的方法论，其最直白的运用方 式即是利用量价数据构建技术指标，并基于此进行择时交易获利。均线、MACD、RSI、 KDJ 等都是大家耳熟能详的经典指标。然而大量的实证测试表明，完全机械地按照这些经 典的技术指标构造的择时策略在 A 股市场上并没有带来显著收益。 我们分析造成上述现象的主要原因有以下两点： 1. 很多指标在逻辑上有预设的假设，例如 MACD，均线等趋势策略，都需要市场处于趋 势主导的行情；而一些反转技术指标则只能在震荡行情下有效。然而市场未来是趋势市 还是震荡市，这些指标本身实际上无法提供任何信息。因此想要有效运用这些技术指标， 需要投资者自己对市场格局具有较强的敏感性与经验，并基于主观判断选择是否利用这 些指标的信号。若没有建立有效的场景判断机制，就直接运用量化方法把信号单纯程序 化，效果往往会令人大失所望。 2. 支撑技术分析的有效性的重要假设：价格包含一切信息、以及历史会不断重复。在这 一假设下，技术指标的构建目的是要将量价信息转化成需要表达逻辑的代理指标，然而 很多经典的技术指标对于逻辑的刻画过于依赖参数的选取；而即使市场中有些底层逻辑 的确会令“历史重复”，但市场投资者结构的变化与市场技术的不断提升等因素，也会使 得体现在量价上的一些模式特征或周期产生变化。也就是说历史上合适的参数，未来未 必会继续有效。 图表 1: 技术择时效果较弱 1  主动投资者在利用某一技术指标时