金融工程专题：AI算法研究系列-利用趋势追踪实现行业配置.docxVIP

正文目录

TOC\o1-2\h\z\u研究背景 4

趋势追踪在择时策略中的应用 4

面向资产组合的趋势追踪策略 4

行业指数择时初探 4

基于日频价量的择时模型 4

探究影响趋势追踪的资产内在属性 6

指数趋势追踪模型 9

数据处理及特征提取 9

模型结构及训练方式 10

趋势追踪模型表现 12

趋势追踪模型的择时效果 12

趋势追踪应用于行业配置 14

总结和展望 15

风险提示 16

参考文献 16

图表目录

图1：择时策略在申万一级行业指数上的超额收益及调仓情况 4

图2：价量择时策略收益表现与指数自身波动率的关系 6

图3：价量择时策略超额夏普与指数自身波动率的关系 6

图4：农林牧渔行业指数（801010.SI）历史波动率变化情况 8

图5：计算机行业指数（801750.SI）历史波动率变化情况 8

图6：农林牧渔行业指数2019年以后波动率变化情况 8

图7：计算机行业指数2019年以后波动率变化情况 8

图8：煤炭行业指数2019年以后波动率变化情况 8

图9：轻工制造行业指数2019年以后波动率变化情况 8

图10：趋势追踪模型示意图 11

图11：趋势追踪模型训练及测试区间划分 11

图12：利用趋势追踪模型实现行业配置 14

图13：固定数量行业配置组合累积净值表现 15

图14：灵活数量行业配置组合累积净值表现 15

表1：行业指数择时基线策略表现（2019.01.04至2022.12.30） 5

表2：不同资产类别指数自身收益风险特征对比（2015.01.02至2024.06.30） 7

表3：申万一级行业指数收益风险特征对比（2015.01.02至2024.06.30） 7

表4：预处理后的价量数据特征列表 9

表5：视觉信息特征工程超参数 10

表6：趋势追踪模型及回测中的超参数列表 10

表7：趋势追踪模型在申万一级行业指数上的择时效果（2017.01.02至2024.06.30） 12

表8：最近一期截面行业择时观点（更新至2024.08.02） 13

表9：不同的行业数量控制配置组合表现（2017.01.02–2024.06.28） 14

表10：不同行业组合调整方式超额收益逐年对比（2017.01.02–2024.06.28） 14

研究背景

趋势追踪在择时策略中的应用

时序动量策略由来已久，又被称为趋势追踪策略。在管理期货策略及投资组合管理中，趋势追踪是策略的主要构成部分。基础形式是根据过去一段时间的收益率来判断是否持有或卖出资产，在此基础上也有不少投资者使用调整后的技术指标代替收益率作为动量的判断依据。

在应用动量模型时，我们经常会观察到不同的趋势和均值反转，可将其视为在多个时间尺度上同时出现的短期趋势集合。在此基础上，市场规则的变化更加大了多种交易信号融合的难度。深度动量网络（DMN）应运而生，即，引入深度神经网络来提升时序动量模型的风险调整收益。

面向资产组合的趋势追踪策略

在投资组合管理中，趋势策略在大类资产配置和行业配置两个场景下有不同的应用。传统方法下，由于大类资产间的价格相关性较低，依据各资产自身的时序动量生成的择时信号可直接得到配置组合；而对于行业配置场景，往往采用截面动量比较的方法来选取行业指数组合，即选取相同的指标和标准化方法对各个资产进行趋势预测从而选择优势资产。在进行截面比较过程中，不同行业间的信号可比性一直是量化策略要解决的关键问题。

行业指数择时初探

基于日频价量的择时模型

在前期研究中，我们利用日频价量数据和端到端模型构建择时信号，使用申万一级行业指数的历史数据进行训练，对模型的择时效果和泛化能力有以下收获：

1、价量择时在大部分行业上有效：申万一级行业中，26/31个行业上的择时策略相较于买入持有基准的年化超额在+3.5%以上，11/31个行业上年化超额收益在11%以上。食品饮料、商贸零售、建筑装饰、交通运输行业择时策略夏普比率在1.0以上（见表1）。

2、价量择时策略对周期、消费、医药相关行业适应性差：择时收益排名靠后的行业集中在周期(煤炭、石油石化、有色金属)、消费(轻工制造、社会服务、家用电器)和医药行业。

3、多空仓位调整的平均周期在1-2周左右，不同行业间差距较小；整体上来看，择时收益高的行业换手率略高于平均水平（见图1）.

图1：择时策略在申万一级行业指数上的超额收益及调仓情况

20%

15%

10%

5%

0%

-5%

电农商通食计交综房电建纺美银机国环非建汽基传公钢