状态匹配行业轮动月报.docxVIP

金融工程研究报告

金融工程研究报告?证券研究报告

目录

本月市场行情回顾 1

行业轮动模型下月优选行业 2

行业轮动模型历史表现 4

本月行业轮动模型表现 4

今年以来实际跟踪表现 4

模型历史表现 7

风险提示 8

附录：基于状态匹配行业轮动策略建模框架 9

样本区间选择 9

模型回测逻辑及框架 9

模型回测逻辑的几点思考 10

状态特征代理变量的选择 10

特征的标准化 11

上行、下行状态的划分 11

状态序列相似度计算采样窗口长度 11

状态序列相似度计算逻辑 11

附录：隐马尔可夫模型原理及示例 12

隐马尔可夫模型原理 12

隐马尔可夫模型示例 13

插图目录

图1中信一级行业指数近两月收益 1

图2中信一级行业指数月度收益分化程度 2

图3中信一级行业指数月度资金分化程度 2

图4本月各行业预测收益排名与实际收益排名散点图 4

图5今年以来行业轮动模型超额收益 5

图6行业轮动模型今年以来IC 5

图7行业轮动模型今年以来超额收益 5

图8今年以来Top行业下月收益位于全行业平均名次 7

图9今年以来Top行业下月收益位于全行业各名次出现次数 7

图10行业轮动模型历史超额收益 8

图11收盘价概率分布图 10

表格目录

表1行业轮动模型下月各行业预期收益排名及其变化 3

表2今年以来优选行业及其下月收益排名 6

表3各个鱼缸两种颜色鱼的数量 13

本文对首创金工团队所发布报告《模式识别之状态匹配——基于隐马尔可夫模型的行业轮动策略》中所提及的行业轮动策略进行跟踪，以检验该策略未来表现，希望对投资者能有所帮助。

为便于理解以及描述，文中的本月指2024年11月、下月指2024年12月。

本月市场行情回顾

本月中信一级行业指数整体震荡分化（见图1），商贸零售行业涨幅较大，上涨

14.78%；而综合金融行业跌幅相对较大，跌幅超过8%。

从近两月行业收益在截面上的相关性来看，其相关系数为-24.5%，表明近两个月行业间收益率呈现一定的反转效应。即统计上：上月表现较好的行业，本月则表现相对较弱。

图1中信一级行业指数近两月收益

资料来源：万得资讯，

本文用中信一级行业指数月度收益率的标准差、月度日均换手率标准差作为代理变量，分别表示行业间收益、资金的分化程度。

就行业的收益分化程度而言（见图2），本月行业指数月度收益率的标准差为4.24，环比上月下行3.18%，位于最近12个月以来中位数附近。行业资金分化程度方面（见图3），本月行业指数月度日均换手率的标准差为1.97%，环比上月下行0.40%。

整体上看行业间收益、资金的分化程度整体下行，并且前者收益的分化程度下降速度较快。

图2中信一级行业指数月度收益分化程度 图3中信一级行业指数月度资金分化程度

资料来源：万得资讯， 资料来源：万得资讯，

行业轮动模型下月优选行业

基于首创金工团队的状态匹配行业轮动策略，下个月模型所选择的Top行业为：食品饮料、基础化工、商贸零售、电力设备及新能源、电子、机械等六个行业（见表1）。

从必威体育精装版行业轮动组合的换手情况来看，下月推荐的行业中商贸零售、电力设备及新能源、电子、机械等行业为新增行业。此外模型给出的最近两个月行业上涨概率呈显著的正相关性，其相关系数约为30%。

就下月预期收益排名相对于本月预期收益排名的变化而言，银行行业预期收益排名大幅提升，提升22个名次，升至8名；而交通运输行业预期收益排名降低幅度较大，

降低29个名次，降至30名。

表1行业轮动模型下月各行业预期收益排名及其变化

下月预期收益排名

排名相对于本月变化

（正值表示排名提高）

石油石化

23

3

煤炭

26

-5

有色金属

21

-19

电力及公用事业

9

13

钢铁

25

-20

基础化工

2

4

建筑

14

-1

建材

11

0

轻工制造

12

0

机械

6

1

电力设备及新能源

4

6

国防军工

24

0

汽车

22

3

商贸零售

3

5

消费者服务

7

-3

家电

15

0

纺织服装

13

3

医药

18

1

食品饮料

1

2

农林牧渔

10

-1

银行

8

22

非银行金融

29

-1

房地产

28

-1

交通运输

30

-29

电子

5

9

通信

16

4

计算机

17

1

传媒

27

2

综合

20

3

综合金融

19

-2

资料来源：万得资讯，

行业轮动模型历史表现

本章从本月、今年以来、历史以来等三个维度展示基于状态匹配行业轮动模型的详细表现