• 相对k线形态识别：采用中证全指为基准，结合开盘价和收盘价，计算简化的相对k线实体，使用滚动窗口局部极值法识别连续下跌反转形态样本，有效解决实际k线时空分布聚集问题 [page::1][page::2].

• 样本及收益特征分析 [page::3][page::4]：

- 相对k线样本在时间上分布更均匀，打破传统实际k线熊市集中聚集。
- 行业分布以机械、基础化工、医药为主，波动率整体偏低，市值无明显规律。



- 相对k线样本短期平均累计净值峰值在20日左右，且胜率更高，收益率分布集中且均值优于实际k线样本。

• 反转形态特征与收益关系 [page::4][page::5]：

- 下跌段数对累计收益影响不显著，较多下跌段数（6段）样本中长期表现较优。
- 累计跌幅越大，平均累计收益及胜率随之提升，短期胜率明显高于长期。
- 下跌时长越短，累计收益越高，但胜率无明显单调变化。
| 下跌段数 | 0-5d 累计收益 | 0-60d 累计收益 | 0-5d 胜率 | 0-60d 胜率 |
|---|---|---|---|---|
| 3 | 0.86% | 4.81% | 54.14% | 51.65% |
| 4 | 0.91% | 4.33% | 54.41% | 51.18% |
| 5 | 0.89% | 3.64% | 57.18% | 51.08% |
| 6 | 1.00% | 8.00% | 55.96% | 62.50% |
- 与此类似，累计跌幅越大，收益越好，胜率短期高于长期。

• 组合构建与回测框架 [page::5][page::6]：

- 利用事件类选股回测，持有期固定20日，买入费用0.3%，卖出费用0.4%。
- 全市场样本组合年化收益10.17%，夏普比率0.413，最大回撤49.14%，周度换手率12.33%。

| 指标 | 策略 | 中证全指 |
|---|---|---|
| 年化收益率 | 10.17% | 11.43% |
| 夏普比率 | 0.413 | 0.395 |
| 最大回撤 | 49.14% | 71.48% |
| 周度换手率 | 12.33% | - |
| 交易胜率 | 55.42% | - |
| 盈亏比 | 1.300 | - |

• 中证500成分股范围优化 [page::6][page::7]：

- 限制在中证500内选股，组合年化收益7.60%，最大回撤13.69%，夏普比率0.443，周度换手率大幅降低至4.54%。

- 累计跌幅门槛放宽至20%，年化收益提升至9.76%，夏普上升至0.557，最大回撤16.19%，周度换手率6.41%，交易次数和胜率仍保持较好平衡。

| 累计跌幅 | 年化收益率 | 夏普比率 | 最大回撤 | 换手率 | 交易次数 | 盈亏比 | 胜率 | 样本平均收益 |
|---|---|---|---|---|---|---|---|---|
| -30% | 7.60% | 0.443 | 13.69% | 4.54% | 1574 | 1.382 | 60.61% | 3.51% |
| -25% | 8.38% | 0.467 | 16.50% | 5.66% | 1952 | 1.369 | 59.27% | 3.14% |
| -20% | 9.76% | 0.557 | 16.19% | 6.41% | 2215 | 1.355 | 58.87% | 2.95% |
| -15% | 8.68% | 0.460 | 18.89% | 6.77% | 2336 | 1.347 | 58.82% | 2.88% |
| -10% | 8.63% | 0.454 | 20.21% | 6.87% | 2371 | 1.347 | 59.00% | 2.91% |

• 组合分年表现（累计跌幅20%样本） [page::7][page::8]：

| 年份 | 收益率 | 波动率 | 最大回撤 | 收益回撤比 |
|-----|--------|--------|----------|------------|
| 2007 | 24.3% | 14.6% | 6.9% | 3.522 |
| 2008 | 7.0% | 16.5% | 12.6% | 0.556 |
| 2009 | 15.9% | 9.5% | 8.1% | 1.963 |
| 2010 | -0.8% | 8.9% | 9.7% | -0.082 |
| 2011 | -6.7% | 11.4% | 13.7% | -0.489 |
| 2012 | 22.5% | 13.9% | 8.0% | 2.813 |
| 2013 | 9.4% | 10.8% | 9.8% | 0.959 |
| 2014 | 6.3% | 5.8% | 4.0% | 1.575 |
| 2015 | 31.9% | 12.7% | 7.9% | 4.038 |
| 2016 | 5.6% | 5.6% | 3.6% | 1.556 |
| 2017 | 0.5% | 7.6% | 7.6% | 0.066 |
| 2018 | 2.7% | 12.2% | 11.9% | 0.227 |
| 2019H1 | 8.8% | 8.9% | 4.7% | 1.872 |
| 累计 | 9.8% | 11.1% | 16.2% | 0.605 |

• 反转形态与纯跌幅筛选及仓位择时的独立贡献 [page::8]：

- 相对连续跌幅20%的组合显著优于同期跌幅最大样本替代组合，年化超额收益6.82%，最大回撤减小6.42%。

- 同等仓位基准组合对比，策略组合产生年化4.63%超额收益，且最大回撤更优。

• 基准指数影响分析 [page::9]：

| 形态基准 | 年化收益率 | 夏普比率 | 最大回撤 | 换手率 | 交易次数 | 盈亏比 | 交易胜率 | 样本平均收益 |
|---------|--------|--------|--------|--------|--------|-------|---------|------------|
| 中证全指 | 9.76% | 0.557 | 16.19% | 6.41% | 2215 | 1.355 | 58.87% | 2.95% |
| 中信行业 | 7.11% | 0.299 | 27.29% | 7.14% | 2460 | 1.251 | 55.73% | 2.34% |
| 市值分组 | 5.16% | 0.159 | 51.11% | 10.75% | 3691 | 1.144 | 54.94% | 1.66% |
| 中证500 | 3.44% | 0.032 | 44.37% | 7.46% | 2565 | 1.143 | 54.78% | 1.62% |

• 参数敏感性分析总结 [page::9][page::10]：

- 单段跌幅与累计跌幅正相关，且随跌幅增加，样本收益率和胜率呈递增趋势。
- 企稳等待参数d1影响样本数量和收益表现，d1取5较优，d2影响无明显一致性。
- 窗口大小对样本量和下跌时长影响显著，窗口较小时收益最好，其他大多数参数下收益无明显变化。

【建投金工丁鲁明团队】《基于相对k线波段划分的反转形态选股》报告详尽分析

---

1. 元数据与报告概览

• 报告标题：《技术形态选股研究之二：基于相对k线波段划分的反转形态选股》

- 作者：丁鲁明及团队

• 发布机构：中信建投证券股份有限公司研究发展部

- 发布日期：2019年12月2日

• 主题与对象：以A股市场为研究背景，聚焦技术形态的相对k线反转形态识别及其在选股和投资组合构建中的应用。分析基于中证全指和中证500成分股，探讨由相对k线识别的连续下跌反转形态的投资价值与表现。

核心信息：

本报告指出实际k线形态分布不均且收益特征有限，提出采用“相对k线”构造方法，基于滚动窗口极值法识别连续下跌反转形态，并基于这些形态构建投资组合。结果表明，相对k线选股样本的时间分布更平均，短期收益更集中，投资组合呈现较好的风险调整收益，特别是在中证500范围内选股组合更为稳定，且经过参数调整可实现更优夏普比率和年化收益率。报告强调了基准指数的选择、形态参数的敏感性及对交易策略的影响，验证了基于相对k线的形态识别优于单纯跌幅筛选的效果。[page::0,1]

---

2. 逐节深度解读

2.1 基于相对k线的反转形态

关键论点：

• 实际k线形态分布在时间上高度聚集，常见于牛熊市极端阶段，导致信号稀疏且收益不稳定。

- 提高k线频率（由日线升至30/60分钟）是改善方法之一，报告重点介绍第二种方法——使用相对k线（股票价格相对基准指数的表现）。

• 相对k线计算需基准指数、基准日及高频数据，报告采用简化版，即只计算实体部分（开盘、收盘价相对基准指数指标），实现了计算简便且效果相近的信号识别。

技术细节解读：

• 用于计算相对k线的基准指数是中证全指。

- 通过滚动窗口极值法识别局部高点和低点，筛选出连续下跌段，并保证个别下跌段跌幅大于阈值，累计跌幅超过标准。

• 反转形态筛选要求至少三段连续显著下跌，走势符合波浪理论中递降的特征。

图表解读：

• 图1与图2对比广联达股票实际k线与相对k线。可以看出，相对k线的关键高低点时间滞后，体现了相对价格与实际价格的动态差异。

- 这种时间点的差异直接影响形态识别，因为关键转折点出现的前后顺序不同意味着形态信号不一致。

这样的分析逻辑说明，通过相对k线识别反转形态，能够避免实际k线在时间和收益分布的剧烈聚集性。[page::1,2]

2.2 相对反转样本的特征分析

重点内容：

• 相对k线筛选样本的时间分布更加均匀，避免实际k线集中在几次重大股市调整期的缺陷。

- 行业分布显示，机械、基础化工和医药业相对集中，银行、餐饮旅游等波动较小。

• 市值分布呈现无明显规律，而样本波动率整体偏低，与实际k线样本中高波动率特征不同。

关键数据与趋势：

• 图3显示2006年以来实际k线连跌样本在2008年、2012年出现明显峰值，明显熊市聚集效应，对比下相对k线样本较为均匀。

- 图4揭示样本行业分布，体现了形态在不同行业的异质性。

• 图5与图6箱线图分别体现样本的市值和波动率分位数变化，确认了样本波动率处于中低水平，更可能代表较为稳定的反转机会。

短期收益与胜率：

• 使用相对k线的连跌样本被选后20交易日胜率显著高于实盘k线（约58%-60%左右），且收益率集中度更高（更低波动）。

- 图7平均累计净值显示相对k线短期持续上升且维持高位，实线较实际k线更稳定。

• 图8通过收益率分布验证了相对k线收益表现的优越性。

形态特征对收益的影响：

• 下跌段数对累计收益无明显影响，唯下跌6段略优。

- 下跌时长呈负相关，时间越短累计收益越高，但胜率短期更优长期减弱。

• 累计跌幅越大，收益越高，但单调性较弱，有一定权衡关系。

数据表支持这些结论，如表1-6详细展示了不同下跌段数、时长、跌幅对应的累计收益与胜率。

总结，短期的连续快速下跌更利于反转获得正收益，且相对k线形态筛选的样本体现较好的选股效力。[page::3,4,5]

2.3 基于相对反转样本的投资组合构建

投资组合框架：

• 运用事件类选股模型，设立50个资金通道，固定持有期20个交易日，买入条件严格（无闲置通道且非涨停停牌）。

- 真实交易费用计入，买卖分别为3‰和4‰。

• 不做资金每日等权再平衡，避免理论与实际偏差。

组合表现：

• 图9显示策略净值稳定，但牛熊市场表现不对称：牛市增速缓慢，熊市跌幅较小，且多次熊市反弹优于指数。

- 周度换手率12.33%，交易4200余次，胜率55%，盈亏比1.3，样本平均收益2.35%，略低于整体样本2.62%，受通道限制影响调仓顺序。

中证500成分股组合策略优化（2.2小节）：

• 限定中证500范围后，组合表现更平稳，年化7.6%，最大回撤13.69%，夏普0.443，显著优于该区间基准。

- 换手率大幅下降到4.54%，降低频繁交易风险。

• 通过放宽累计跌幅阈值（从30%放宽到10%），换手率和交易次数升高，但收益和盈亏比略有下降，最佳交易策略为跌幅20%阈值，对应年化9.76%、夏普0.557，最大回撤16.19%。

- 表8与图10-11展示了不同参数组合的量化绩效与持仓行为，突显了权衡换手率与收益的必要性。

分年度表现（表9）显示，组合长期稳定盈利，只有2010、2011两年负收益，回撤控制良好，仓位平均64.67%。

2.4 反转形态的独立有效性验证（2.3小节）

• 与纯跌幅指标筛选相比，反转形态组合超额收益率达6.82%且回撤较少，

- 与等仓位基准组合相比，年化超额收益4.63%，最大回撤改善显著，

• 用图12、图13清晰展示了基于形态筛选选股的附加选股能力。

2.5 基准指数对相对k线影响（2.4小节）

• 以中证全指构造相对k线，组合表现最好。

- 依次递减的是中信行业指数、市值分组指数和中证500指数。

• 表10显示基准选取对形态识别的股价表现影响极大，这表明较广义的市场基准更适合形成有效反转信号。

2.6 参数敏感性分析

• 单段跌幅f1与累计跌幅正相关，跌幅阈值越大，收益及胜率均相应提升（表11）。

- 企稳等待参数d1（距离低点后延迟时间）越长，样本稳定性越好，越能过滤短期虚假信号，最佳d1约5天，d2（窗口大小）对样本数量影响显著，但对收益和胜率规律无定式（表12）。

• 窗口大小对样本数量及下跌时间影响大，尤其窗口较大时，样本数量缩减，持续时间增加，累计跌幅下滑，但对收益率和胜率影响不大（表13）。

总结参数设定需权衡样本稳定性与信号灵敏度，对于反转形态的识别效果至关重要，合理参数调整可优化组合性能。[page::9,10]

---

3. 图表深度解读

• 图1、图2：展示同一股票（广联达）实际k线与相对k线对比，揭示相对k线高低点时序与实际k线不同，从而形成了不同的形态识别基础。

- 图3：时间分布显示实际k线样本2017年以前集中于几次大的市场调整期，相对k线样本较为平滑，年际间分布均衡，说明相对k线在时序均匀性上更优。

• 图4：行业分布直观展现相对k线样本行业分布的集中和稀疏制，机械、基础化工和医药为样本密集区。

- 图5、图6：采用箱线图方法，揭示样本市值和波动率分布多样性与系统性差异，特别波动率较实际k线样本偏低，为低风险反转策略提供逻辑支持。

• 图7、图8：累计净值曲线及收益分布频率展示短期内的胜率优势和收益均值差异，验证了相对k线选股优于实际k线在短期表现上的统计显著性。

- 图9：策略净值及持股通道数量显示策略稳健，波动对比指数，有明显抗跌能力。

• 图10、11：以中证500成分股为对象，调整累计跌幅阈值后的组合净值变化和持有通道数量，展示了放宽参数带来的换手率及收益波动权衡。

- 图12、13：对比形态筛选组合与填补跌幅不同股票组合，及等仓位基准组合，直观显示形态筛选的超额收益及风险调整优势。

表格涵盖详细统计，各项指标如样本数量、下跌时间、累计跌幅、短期及长期收益率、胜率，横跨不同分类和不同参数设置，数据详实，支持报告结论。[page::2,3,4,5,6,7,8,9,10]

---

4. 估值分析

本报告未涉及传统财务估值方法（如DCF、市盈率倍数法等），核心关注点是量化技术形态驱动的事件类选股和投资组合构建，强调基于形态信号驱动的资产配置和交易策略效用评估，主要关注收益率、夏普比率、回撤、换手率等交易性能指标。

---

5. 风险因素评估

• 市场环境风险：报告指出，组合在市场整体下行和风格差异显著时期会出现较大回撤，尤其是组合未受控的小市值暴露会带来系统性风险。

- 风格暴露风险：行业及市值分布变化可能引入风格风险，报告为降低此风险选择了更均匀的中证500成分股范围。

• 策略参数灵敏度：参数选择直接影响样本数量、收益表现及胜率，错误参数可能导致信号失真。

- 交易执行风险：真实交易费用、停牌、涨跌停限制对策略实施造成压力，报告专门模拟约束条件，提升回测现实意义。

• 仓位与换手制约：资金通道限制导致无法完全调入所有样本，可能错失部分超额收益，且换手率提升对应交易成本上升。

- 基准指数选择风险：基准指数不同导致形态识别差异，非最优基准会降低反转信号效用。

• 样本分布不均风险：尽管相对k线改善了时间聚集问题，但仍存在特定年份及行业的样本聚焦，可能影响策略稳定性。

报告虽然识别了上述风险，但对具体缓解策略的描述相对有限，变化多依赖参数调整和选股范围限定。[page::0,6,9]

---

6. 批判性视角与细微差别

• 报告强调相对k线的优越性，但对高频数据另一种改进方案（使用更高频级别k线）缺乏充分实证对比，存在技术路径选择偏好。

- 样本选取规则基于经验参数，超参数的选取敏感性大，实际操作中可能导致不同结果，报告虽有参数敏感性分析，但未深入探讨最优参数背后的经济原理。

• 资金通道限制及固定持有期使组合表现存在一定的体制性约束，未考虑动态资金再平衡可能带来的潜在优化。

- 报告中关于组合收益解释较为侧重于统计结果，缺少系统性理论支撑和经济逻辑验证，尤其是为何相对k线反转信号较实际k线优越的内生机制未展开。

• 非结构化风险因素如黑天鹅事件带来的突发市场冲击未被体系化讨论。

- 组合风险调整收益虽优于基准，但最大回撤仍存在显著规模，提醒策略实际风险控制需关注。

---

7. 结论性综合

本报告系统构建了基于相对k线技术的连续下跌反转形态识别方法，较利用传统实际k线的反转形态识别，显著改善了样本在时间上的均匀分布和选股的短期盈利能力。形态样本波动率较低，且在整体市场风格和个股特征上显示较均衡表现。

通过事件类选股模型构建投资组合，回测结果表明在全市场范围内，组合收益率较指数略低但风险明显降低，换手率适中，回撤控制良好。进一步将选股限制在中证500成分股内，组合绩效表现最优，实现年化9.76%、夏普0.557、最大回撤16.19%，显示了精选市场中较优响应的反转信号价值。组合通过参数调节可以在收益和换手率之间取得平衡，且相对k线反转形态的筛选明显优于仅机械选取跌幅榜股票及等仓位基准组合，具备实证意义的超额收益能力。

基准指数的选取显著影响相对k线效能，中证全指作为基准下的形态识别效果最佳，强调了市场整体环境对反转信号的决定作用。参数敏感性分析建议合理设置单段跌幅、累积跌幅、企稳等待天数和窗口大小，以优化样本稳定性和信号品质。

尽管如此，组合仍面临市场风格暴露及交易执行风险，且持仓限制和交易限制可能影响最优调仓路径，策略需结合实际交易环境及风险管理框架进一步优化。

总结：

• 相比传统实际k线形态识别，基于相对k线构建的连续下跌反转选股在样本分布均匀性和短期收益质量上均有优势。

- 构建的基于相对k线的投资组合表现稳健且存在显著超额收益，尤其限定在中证500指数范围内。

• 形态识别的基准指数选择、形态形成的参数设置均对策略表现影响重大。

- 本研究成果为技术形态选股方法在量化策略中提供新的优化方向，兼顾收益与风险。

总体来看，报告结构严谨，数据详实，结论具有较强的实用参考价值。各重要图表和数据表均充分支持作者论点，体现了较高的研究深度和严谨性。[page::0-10]

---

参考图表展示

图1：广联达与中证全指k线对比（2012.2.1-2013.1.8）



图2：广联达的相对k线（2012.2.1-2013.1.8）



图3：同参数下相对k线与实际k线的连跌样本分布对比



图4：相对k线连跌样本的行业分布



图5：相对k线连跌样本的市值分布箱体图



图6：相对k线连跌样本的波动率分布箱体图



图7：实际k线与相对k线连跌样本被选后的平均累计净值



图8：连续下跌样本20日后收益率频数及正态分布拟合



图9：根据连续下跌样本构造的投资组合净值及持股情况



图10：中证500成分内，相对连跌30%的样本组合收益情况



图11：中证500成分内，相对连跌20%的样本组合收益情况



图12：中证500成分相对连跌20%的组合与跌幅最大替代组合对比



图13：中证500成分相对连跌20%的组合与等仓位基准组合对比



---

结语

本报告围绕相对k线和传统k线的形态信号差异，从形态识别、样本分布、收益表现至量化组合构建，到交易策略及风险分析，形成了系统且深入的研究体系。通过丰富的数据支撑和严谨的回测框架，有力证明了基于相对k线的反转形态选股在A股市场的适用性和有效性，为量化投资实践提供了创新工具与思路，值得专业机构投资者的关注与研究。[page::0-10]

---

（全文结束）

报告