单向波动差值择时模型概述及原模型表现 [page::4][page::5]

• 模型区分上下行波动，以波动差值预测指数走势，结合移动均值窗口（RPS）调整持仓。

- 原模型2004-2018年收益15.53倍，信号切换胜率0.5192，总交易416次，震荡市交易频繁影响收益。

成交额对看多信号胜率的影响分析 [page::6]

| 成交额区间 | 看多信号数量 | 看空信号数量 | 看多信号胜率 | 看空信号胜率 |
|------------|--------------|--------------|--------------|--------------|
| 0.19-0.60 | 13 | 290 | 0.46 | 0.47 |
| 0.60-0.69 | 54 | 249 | 0.50 | 0.48 |
| 0.69-0.77 | 81 | 222 | 0.52 | 0.54 |
| 0.77-0.85 | 113 | 190 | 0.58 | 0.50 |
| 0.85-0.94 | 141 | 162 | 0.51 | 0.48 |
| 0.94-1.04 | 183 | 120 | 0.54 | 0.53 |
| 1.04-1.18 | 212 | 91 | 0.55 | 0.64 |
| 1.08-1.37 | 230 | 73 | 0.58 | 0.47 |
| 1.37-1.68 | 259 | 42 | 0.63 | 0.50 |
| 1.68-4.77 | 299 | 8 | 0.61 | 0.62 |

• 结论：成交额越高，看多信号越多且胜率更高，看空信号无明显规律。

改进策略一：相对成交额过滤转多信号 [page::7][page::8][page::9]

• 策略逻辑：仅确认相对成交额超过1.1的转多信号，避免震荡小幅波动误判。

- 策略收益16.40倍，信号胜率0.5231，交易130次，交易频次显著下降，震荡市表现优异。

• 风控改进明显，最大年回撤24.68%（2013年），低于原模型34.81%。

| 年份 | 指数收益(%) | 策略收益(%) | 交易次数 | 最大回撤率 | 多头胜率 | 空头胜率 |
|-------|-------------|-------------|----------|------------|----------|----------|
| 2006 | 79.32 | 62.12 | 6 | 9.79% | 0.64 | 0.63 |
| 2007 | 161.55 | 133.80 | 3 | 20.08% | 0.70 | 0.56 |
| 2008 | -65.95 | -0.93 | 7 | 15.18% | 0.51 | 0.43 |
| ... | ... | ... | ... | ... | ... | ... |

改进策略二：单向波动差值及相对成交额共同确认看多信号 [page::11][page::12][page::13]

• 策略逻辑：看多信号和相对成交额均需满足阈值，信号更为谨慎，适合保守多头投资者。

- 策略收益9.27倍，信号胜率0.4653，交易358次，亏损年份及回撤率均缩小，风险控制更优秀。

• 交易次数较策略一更多，信号切换更频繁，但提高了多头准确率。

| 年份 | 指数收益(%) | 策略收益(%) | 交易次数 | 最大回撤率 | 多头胜率 | 空头胜率 |
|-------|-------------|-------------|----------|------------|----------|----------|
| 2006 | 79.32 | 54.91 | 12 | 13.11% | 0.64 | 0.63 |
| 2007 | 161.55 | 97.81 | 29 | 16.83% | 0.58 | 0.46 |
| 2008 | -65.95 | 7.58 | 18 | 9.58% | 0.52 | 0.43 |
| ... | ... | ... | ... | ... | ... | ... |

参数调节与策略表现比较 [page::9][page::13][page::14][page::15]

• 以相对成交额阈值1.0、1.1、1.2为例，阈值过高策略收益下降，过低则交易频繁，1.1为最佳权衡点。

- 叠加涨跌幅过滤后，策略收益进一步提高至18.68倍，信号切换胜率0.5545，交易次数降至110次，震荡市表现更优。

• 叠加顺序先成交额过滤再幅度过滤效果优于反向顺序。

改进策略普适性检验及指数覆盖 [page::18][page::19]

• 在上证50、中证500、上证综指、深证成指、中小板、创业板等多指数均测试，改进方法普适有效。

- 改进策略普遍减少交易次数，提升信号胜率，多数指数策略表现优于原模型。

• 创业板回测表现提升有限，可能因指数特性差异所致。

总结 [page::19]

• 成交额过滤显著降低震荡行情交易频率，提升趋势信号胜率，风险得到有效控制。

- 叠加幅度过滤实现信号稳定性增强，二者存在正叠加效应。

• 可根据风险偏好和标的指数特性调整阈值，实现个性化择时策略优化。

国信证券金融工程专题研究报告分析——《单向波动差值择时之六：成交额过滤转多信号的改进方法》

---

一、元数据与报告概览

• 报告标题：《单向波动差值择时之六：成交额过滤转多信号的改进方法》

- 作者：黄志文

• 发布机构：国信证券经济研究所

- 日期：2018年12月10日

• 研究主题：基于单向波动差值择时模型，重点研究成交额信息的引入对模型转多信号的优化及改进方法，旨在降低交易频率、提升信号准确率，实现更加稳健和高效的指数择时。

- 核心论点：
- 利用成交额过滤对原单向波动差值择时模型中的“转多信号”进行改进，可以显著提升看多信号的准确性和策略整体表现。
- 通过两种主要改进方法——相对成交额过滤和成交额共同确认看多信号——实现交易次数降低、策略收益提升。
- 将成交额过滤与之前提出的幅度过滤方法叠加，可进一步降低交易次数，增强震荡市中的信号稳定性，表现出正叠加效应。
- 优化方法具有良好的适用性，在沪深300及其他多个主流指数上均有效。

综上，报告传达“成交额作为额外维度信息，与单向波动差值模型结合，可以优化择时效果，降低实盘交易成本和风险。”这一核心结论。[page::0,4]

---

二、逐节深度解读

1. 前言及研究背景

• 单向波动差值模型分别计算指数开盘价上方（上行）与下方（下行）的波动，用二者差值体现买卖双方力量的强弱，进而预测指数走势。

- 在历史样本外测试中，此模型表现优越，但震荡行情中信号频繁切换导致交易次数多，提升成本，同时部分看多信号的准确率与成交额相关，呈现随成交额增加看多信号胜率提高的规律。

• 因此，报告主要目标为：引入成交额过滤，减少频繁交易，提升看多信号准确率；叠加此前提出的幅度过滤方法，进一步优化效果。

此节还回顾了原模型和幅度过滤方法的基本逻辑。幅度过滤的核心是：仅当信号切换期间指数涨跌幅超过某一阈值时，才接受信号切换，从而避免信号因小幅波动频繁转换。[page::4]

2. 原模型表现及成交额对信号影响分析

• 从2004年4月至2018年10月，原模型累计收益15.53倍，显著优于同期沪深300的2.77倍，但交易次数高达416次，信号切换频率过高，尤其在震荡市场导致胜率及收益波动较大。

- 成交额与信号准确率的关系：
- 表2将相对成交额按十档划分，统计看多信号和看空信号的数量及胜率。
- 结论：随着成交额档位上升，看多信号数量增加，看空信号数量减少；看多信号胜率随成交额增大而提升；看空信号胜率无明显关联。[page::5,6]

3. 改进方法设计与测试

• 方法一：相对成交额过滤转多信号——只有成交额超过阈值时，原本空转多的信号才确认转多，否则维持空仓。

- 方法二：成交额与单向波动差值共同确认看多信号——仅当成交额超过阈值时，且单向波动差值模型本身发出看多信号时才做多。此方法更为谨慎。

• 评价指标包括策略净值、年度收益、交易次数、信号切换胜率、最大回撤及多空信号日胜率等。

4. 方法一测试与表现

• 阈值设在1.1时（最优参数）：

- 策略收益达16.40倍，交易次数降低至130次，信号切换胜率提升至0.5231，峰值年交易次数27次以下，交易负担大幅减轻。
- 相比原模型，在震荡市（如2011、2013年）的亏损幅度明显减少，最大回撤率由34.81%降至24.68%，风险控制更佳。
- 该方法虽更保守，可能错过某些强势市场后期缩量反弹的短期机会，但整体收益 / 风险比优化明显。[page::7,8,9]

• 降低阈值至1.0，交易次数增加、收益提升（3.71倍），但震荡市亏损加剧（如2008年）。

- 增加阈值至1.2，收益和胜率减弱（13.44倍收益，0.4811胜率），交易次数减少（106次），但部分年份回撤未明显改善，整体收益下滑。[page::9,10]

5. 方法二测试与表现

• 阈值1.1，策略收益9.27倍，交易次数358次，胜率0.4653。

- 优势是亏损年份减少且幅度小，最大回撤16.83%，交易次数更均匀分布。

• 缺点是错过牛市后期上涨机会较多，交易次数比方法一多，信号切换胜率受损（估计与多次空仓导致信号转换频繁有关）。[page::11,12]
• 阈值调整趋势与方法一相似，阈值1.0释放更多信号增加收益但提升风险，阈值1.2限制信号导致收益下滑显著。[page::13,14,15]

6. 成交额过滤与幅度过滤叠加分析

• 两种过滤方法均能降低交易次数，且针对不同维度优化信号稳定性和准确性，在震荡市中均表现良好。

- 将成交额过滤“转多信号”放在前，幅度过滤之后的叠加策略效果最佳（收益18.68倍，信号切换胜率0.5545，交易次数110次）。

• 叠加顺序反转（先幅度过滤后成交额过滤）效果较差（收益14.85倍，胜率0.5278，交易次数108），说明信号质量提升应优先于交易频率限制。

- 图24-27和相关数据清晰展示了叠加策略收益和交易频率的优势和顺序效应。[page::16,17]

7. 适用性检验

• 在上证50、中证500、上证综指、深证成指、中小板、创业板等主要指数进行了测试，改进策略均显著减少交易次数，提高信号切换胜率，且大多数指数收益提升。

- 创业板等新兴市场指数表现提升有限，与指数特性差异有关。

• 相关净值和指标图（图28-31、表9）说明改进方法具有良好的推广适用性。[page::18,19]

---

三、图表深度解读

1. 原模型表现

• 图1：原模型与沪深300指数净值对比。原模型净值稳步上升，且买入信号环绕净值峰值位置，体现较好的择时能力。

- 图2：超额收益逐步累积，尤其在2008、2010、2015年波动幅度较大。

• 图3：交易次数与年度收益对比，牛市年份交易次数较少且收益高，震荡年如2011、2013交易次数大幅上升但收益无明显提升。

- 表1：细节呈现实测年化收益与回撤，反映模型在牛熊转换期表现不均衡。[page::5]

2. 成交额过滤转多信号策略

• 图4-7：以阈值1.1为例，过滤策略净值曲线持续领先沪深300，但略低于原模型（图5），交易次数明显降低（图7），且年度收益（图6）震荡年份表现稳定。

- 表3：详细数据展示多数年份策略收益优于指数，交易次数显著降低，且空多信号胜率均有改善。

• 阈值1.2和1.0时对应图8-13、表4、表5表现，见上文分析。阈值不同决定了风险收益权衡点。[page::7-10]

3. 成交额共同确认看多信号策略

• 图14-22，表6-8：策略净值高于指数但低于方法一，交易次数维持高位。不同阈值设置下均呈现类似趋势，反映策略严格性对收益和交易的影响。

- 图23：沪深300净值的走势与相对成交额趋势对比，强调大成交额时市场趋势更强，进一步支持了成交额过滤的合理性。[page::11-15]

4. 叠加过滤策略

• 图24：不同叠加策略净值比较，转多过滤+幅度过滤效果最好。

- 图25-27：不同方法交易次数和收益的对比，验证次序效应的影响。

• 整体图表表现一致，强化了叠加方法的效果和实践意义。[page::16-17]

5. 各指数测试成果

• 图28-31、表9：原模型与改进模型净值对比，改进模型在大部分指数中稳健超越原模型，且交易次数显著减少，信号质量提升。

- 创业板表现有限反映了模型对高波动市场适应度仍有限。[page::18-19]

---

四、估值分析

报告属于策略研究及模型改进领域，未涉及传统意义上的公司估值内容，因此无估值方法和目标价分析。主要聚焦模型策略的效果验证，通过历史回测数据衡量策略表现。

---

五、风险因素评估

尽管报告努力降低了震荡市中的信号切换频率，提升看多信号的准确率，但仍存在下列风险：

• 模型可能错失部分短期上涨机会，尤其是在强劲牛市末期出现的缩量反弹阶段，过于严苛的成交额阈值可能延迟进场。

- 阈值设定的主观性与市场适应性：不同市场、行业与指数的特性不同，导致参数（成交额阈值、幅度过滤阈值）需调整，否则策略效果有限或受损。

• 成本因素：报告假定最小成本为0.05%，若实盘费用高或流动性不足，策略优越性可能降低。

- 市场结构变化风险：未来市场结构和价格-成交额关系可能发生变化，影响模型的有效性。

• 信号胜率仍有限，多数情况下为偏胜率（约50%以上），不能完全避免亏损周期。

报告指出，投资者应根据各自风险偏好及市场情况，选择合适的阈值设定，且需配合成本和风险控制进行综合评估。[page::4,9,12,13,15]

---

六、批判性视角与细微差别

• 报告对成交额在提升转多信号准确率方面持较强肯定态度，体现一定的积极偏向，但数据充分支持其逻辑基础与应用有效性，观点合理。

- 不同阈值选取对收益、风险和交易次数呈现明显权衡关系，报告未深入探讨阈值优化的系统性路径，后续研究可考虑引入机器学习或优化算法。

• 叠加策略中，顺序效应说明信号筛选逻辑极为重要，提示实务操作中需谨慎设计模型流程。

- 创业板指数表现较弱，暗示模型在高波动、成长性强的市场中可能存在适用局限，报告指出但未展开深入分析。

• 报告强调降低交易频率和成本，但未具体讨论滑点、市场冲击成本等更复杂实盘因素的影响。

整体来看，报告稳健围绕数据展开，逻辑严谨，未见明显内部矛盾，细节处理专业，但对于不同市场环境的适应调整及实盘执行难点讨论较少。[page::15,18]

---

七、结论性综合

本报告系统分析了单向波动差值择时模型中，加入成交额信息作为过滤条件的改进策略，主要结论如下：

• 成交额与看多信号准确率正相关，借此设计的相对成交额过滤转多信号策略（阈值1.1最佳）显著提升模型表现，较大幅度降低震荡市场中的交易次数（约从416次降至130次），同时稳步提升信号切换胜率和策略收益（16.40倍，超沪深300指数近六倍），风险指标如最大回撤有所改善。

- 相对成交额与单向波动差值共同确认看多信号策略更为谨慎，交易次数较多但亏损年份和幅度减少，适合保守投资者。

• 成交额过滤与幅度过滤策略叠加带来正向叠加效应，进一步优化交易次数和收益表现。叠加顺序先成交额过滤后幅度过滤效果最佳。

- 改进方法具备普适性，在上证50、中证500、上证综指、深证成指、中小板及创业板等多个指数均验证有效，绝大多数指数表现优于原模型。

• 报告通过丰富的年度收益对比图表和统计表格，全面呈现策略优劣，支持报告结论的客观性和实用性。

- 投资者可结合自身风险偏好，在1.0至1.1相对成交额阈值之间选择适合的参数，设计个性化择时模型。

总体来看，报告实现了“用成交额信息过滤转多信号，降低交易频率，同时提升信号质量”的既定目标，为指数择时策略的优化提供了有效路径和实证支持，特别适合追求收益稳定、控制交易成本的量化策略开发者和投资机构。[page::0,4,5–20]

---

图表示例（Markdown格式）

• 图1：原模型策略和沪深300净值

• 图24：转多过滤 $^{+}$ 幅度过滤策略及指数净值

• 图28：上证 50 指数原模型及改进模型净值

• 图23：沪深 300 净值与相对成交额关系

---

总结

报告全面深入地展示了单向波动差值择时模型通过引入成交额过滤信号的新优化技术，兼顾收益、风险与交易成本，具有较强的逻辑合理性和实际应用潜力。细致地统计数据和丰富的图形展示为投资者提供了决策依据，并且考虑了多市场的适用性，为未来策略设计与研究拓宽了思路。

报告