基于时序动量的单资产择时策略 [page::3][page::4]

• 长期反转择时与短期动量择时策略均能提升沪深300收益和收益风险比。

- 结合长期反转与短期动量，以中介速度权衡信号，提高策略稳定性和表现。

• 不同中介速度参数调整策略风险收益特征，权重在0~1之间实现收益与保护的平衡。

多维状态下单资产择时及收益表现 [page::5][page::6]

• 将长期与短期动量分解为上行、反弹、调整、下行四状态，根据不同状态调整仓位。

- 上行、反弹、下行满仓，调整期空仓策略表现最优，且显著跑赢沪深300基准。

• 表1数据显示不同状态组合中，策略年化收益率最高达7.34%，收益风险比提升明显。

基于分层聚类的多资产截面动量策略构建及表现 [page::7][page::8][page::9]

• 多资产以中证系列指数为样本，筛选106只符合条件的指数，主要为权益类。

- 以3年收益相关性分层聚类，设置聚类组数为10组测试长期动量、短期反转及组合策略。

• 聚类组合策略在年化收益率和收益风险比方面显著优于单资产最大动量指数和多资产均值。

- 表3显示，分层聚类等权的长期动量组合年化收益率8.23%，收益波动比0.42，回撤44.91%。

聚类层数对策略绩效的影响 [page::9][page::10]

| 聚类组数 (N) | 年化收益率 | 年化波动率 | 年化收益波动比 | 最大回撤 |
|--------------|------------|------------|----------------|----------|
| 3 | 8.09% | 18.03% | 0.45 | 41.77% |
| 5 | 10.62% | 19.03% | 0.56 | 48.44% |
| 7 | 8.32% | 19.55% | 0.43 | 46.55% |
| 10 | 8.23% | 19.50% | 0.42 | 44.91% |

• 以5组聚类时长期动量与短期反转综合策略表现最佳，年化收益和风险调整收益显著领先。

- 不同聚类组数对收益和风险的权衡有明显影响，优化组数提升组合稳健性。

基于时序动量分位数的多资产聚类测试 [page::11][page::12]

• 采用长期动量、短期反转动量分位数作为指标，结合聚类构建组合策略。

- 动量分位数组合策略收益提升仍显著，但整体不及基于截面动量的聚类策略。

• 表7显示长期短期动量分位数组合的年化收益率约6.71%，最大回撤43.85%。

结合时序与截面动量的多资产轮动策略——基于中介速度 [page::12][page::13][page::14]

| 指标类型 | 分层聚类最优组合 | 单资产最大综合指数 | 多资产样本均值 | 可比分层聚类等权 | 可比固收+基准(含权益) |
|---------|-------------------|--------------------|----------------|------------------|------------------------|
| 年化收益率 | 11.59% | 7.20% | 5.07% | 8.74% | 1.92% |
| 年化波动率 | 20.85% | 31.46% | 20.72% | 19.52% | 2.52% |
| 年化收益风险比 | 0.56 | 0.23 | 0.24 | 0.45 | 0.76 |
| 最大回撤 | 43.52% | 64.43% | 46.80% | 42.43% | 6.09% |

• 基于中介速度指标与分层聚类结合，实现多资产高低配策略，显著提升收益和风险调整后的表现。

- 策略表现优于不聚类的单资产动量策略及多资产均值，表现稳健。

• 5组聚类下结果类似，收益略有下降，最大回撤和波动率改善。

结合时序与截面动量的多资产轮动策略——基于多维状态 [page::14][page::15][page::16]

| 指标类型 | 分层聚类最优组合 | 单资产最大综合指数 | 多资产样本均值 | 可比分层聚类等权 | 可比固收+基准(含权益) |
|---------|-------------------|--------------------|----------------|------------------|------------------------|
| 年化收益率 | 8.51% | -2.38% | 5.07% | 7.66% | 1.92% |
| 年化波动率 | 19.46% | 34.71% | 20.72% | 19.54% | 2.52% |
| 年化收益风险比 | 0.44 | -0.07 | 0.24 | 0.39 | 0.76 |
| 最大回撤 | 42.30% | 78.35% | 46.80% | 43.21% | 6.09% |

• 多维状态择时信号结合分层聚类实现多资产高低配方案，表现优于多个基准与对比策略。

- 5组分层聚类时，收益和风险指标略优于10组聚类时的择时策略。

• 高低配策略在聚类数较少时，性能略逊于等权配置组合，稳定性及性价比值得关注。

重要风险提示 [page::16]

• 本报告基于历史数据和模型假设，未必能完全准确预测未来市场走势。

- 策略表现可能因市场结构及交易行为变化而失效。

• 投资决策需考虑多方面风险，不宜完全依赖量化模型。

报告分析：金融工程——基于分层聚类与多维动态动量的资产配置策略

---

一、元数据与报告概览

报告标题：《金融工程：基于分层聚类与多维动态动量的资产配置策略》
系列：量化资产配置研究之二十四
发布机构：广发证券发展研究中心
分析师：罗军、安宁宁、季燕妮等
发布日期：2024年6月（数据截止至2024年6月）
研究主题：本报告聚焦于基于动量策略的资产配置，采用时序动量和截面动量指标，通过分层聚类和多维动态动量手段，提升多资产投资组合的收益与风险控制效率。

核心论点：

• 利用时序动量指标（短期动量与长期反转信号）和中介速度，实现单资产（以沪深300指数为例）的择时策略，提升收益及风险调整表现。

- 通过分层聚类将资产划分为多组，基于截面动量构建多资产组合，优化资产轮动，降低组合波动与回撤。

• 探索中介速度及多维状态信号下的多资产择时策略，实现收益与风险比的进一步提升。

- 风险提示强调历史数据与模型局限，策略在市场结构变迁时可能失效。

整体上报告认为，结合分层聚类与动态动量信号的多资产策略，可以显著提升策略效率，带来更优的收益表现与风险控制[page::0].

---

二、逐节深度解读

1. 基于时序动量的单资产择时

（一）中介速度在长短期动量中的应用

报告定义沪深300指数近1个月收益代表短期动量，前12个月至1个月收益代表长期动量（长期反转信号）。单独使用长期反转择时策略或短期动量择时均能带来收益或夏普比率提升。
结合两者，采用中介速度参数a作为权重调节短期（权重a）和长期（权重1-a）信号的合成，形成复合择时策略。其中：

• a=1退化为长期反转策略，主要用于捕捉趋势平稳期的缓冲，净值曲线较为平滑；

- a=0退化为短期动量策略，反应更敏捷，对大跌有保护作用；

• a在0和1之间时结合两类策略优势，净值表现介于两者之间。

图1与图2分别展示长期反转择时和短期动量择时的净值表现，均优于沪深300指数；图3展示不同中介速度条件下的择时动态，呈现净值变化特征。图4相关收益率、收益风险比、波动率与最大回撤表现表明，中介速度在0.4-0.6区间时策略收益和风险调整表现更优，回撤下降，说明动态调节带来策略的稳定性提升。
总结：中介速度作为信号合成桥梁，为单资产择时提供了可灵活调节的工具[page::3] [page::4].

（二）多维状态下单资产择时

将指数的长期和短期表现划分为四种状态组合（长期正负×短期正负）：

• 上行（长期正、短期正）

- 反弹（长期负、短期正）

• 调整（长期正、短期负）

- 下行（长期负、短期负）

针对这些状态不同设定全仓或空仓策略，实现择时调仓。

• 以沪深300指数为例，"上行、反弹、下行满仓，调整全卖"的策略在2009-2024年带来3.11%年化超额收益。

- 不同组合状态下的策略表现差异明显，图5和图6展示两个特别策略的净值突破，图7配合表1详细展示不同状态组合策略的年化收益率、波动率、回撤等指标。

• 表1数据表明，"上行、反弹、下行满仓，调整清仓"策略获得7.34%年化收益、0.37夏普比，且最大回撤降低至37.32%，明显优于基准指数。

结论：多维状态划分下的择时可以有效提升收益风险特性，且不同状态组合策略表现迥异，合理筛选组合至关重要[page::5] [page::6].

---

2. 基于截面动量的多资产聚类

（一）分层聚类下的多资产组合

• 报告筛选了106只中证系列指数，主多为权益类（101只），少量固定收益类（利率债5只），根据指数收益3年历史数据的相关性做分层聚类。

- 聚类目标为10组时，基于长期动量、短期反转及其6:4加权组合的策略表现均好于单指标轮动效果。

• 分层聚类等权组合在整体年化收益及风险调整收益（收益风险比）指标显著优于单资产最大动量指数及多资产样本均值。

- 图8、图9、图10展示长期动量、短期反转、及组合策略的净值演变，分层聚类组合表现最优且波动较低。

• 表3则明确量化数据：

- 长期动量策略：分层聚类等权组合年化收益8.23%，波动率19.50%，收益风险比0.42，最大回撤44.91%；单资产最大动量负收益-1.84%，极大波动和高回撤。
- 短期动量策略表现类似，分层聚类组合回报稳定且风险较低。
- 长短期组合表现最佳，年化收益8.89%，夏普比0.46。

（二）聚类层数对策略影响

• 通过测试不同聚类数量（3、5、7、9、10、11、13、15组），发现5组的设置在年化收益率和收益风险比上表现最优，超过10组等其他设定。

- 表4表5详细列出10组和5组聚类中指数类型分布，利率债指数作为独立一组存在，转债指标与规模类指数归类。

（三）时序动量分位数的应用

• 采用指数分层聚类的时序动量分位数进行综合比较，分位数策略年化收益及收益风险比优于单指标轮动但不如截面动量策略。

- 图11-图13展示其净值演化趋势，表7给出定量指标，分层聚类下等权组合收益回撤表现中规中矩。

总结：分层聚类基于截面动量构建组合，有效提升了多资产的风险调整收益；聚类组数为5时策略性价比最高，时序分位数策略表现稍逊于截面动量[page::7] [page::8] [page::9] [page::10] [page::11] [page::12].

---

3. 结合时序与截面动量的多资产动量策略

（一）基于中介速度

采用分层聚类先区分资产组，筛选各指数3年内的最优中介速度，根据最优速度合成择时信号，实现高低配组合优化。

• 对比单资产最大复合动量指数、多资产样本均值，以及可比分层聚类等权组合和固定收益+权益混合基准(如10%或20%权益)。

- 图14（10组聚类）及图15（5组聚类）显示，优选组合净值连续增长优于对比组。

• 表8和表9进一步量化风险收益：

- 10组聚类下，优选组合年化收益率11.59%，波动率20.85%，夏普比0.56，最大回撤43.52%，超过单资产最大综合指数(7.20%收益，31.46%波动，64.43%回撤)及多资产样本均值。
- 5组聚类下略有下降但仍表现优良。

结论：分层聚类+中介速度结合多资产选股与择时，构建的轮动组合优于单一资产及简单等权策略[page::12] [page::13] [page::14].

（二）基于多维状态

类似方法选取最优多维状态信号合成组合权重，结合分层聚类筛选优选资产。

• 图16（10组）和图17（5组）展示表现，均优于单资产最大综合指数和多资产均值。

- 表10与表11给出年化收益率和风险收益比指标，10组聚类下收益8.51%，5组聚类下9.78%，回撤控制较好，且均超越基准。

• 但在组数较少时，高低配组合不如等权布局收益表现，显示低维聚类结构中等权配置更具性价比。

综上，多维状态结合分层聚类对多资产择时，同样带来显著收益和风险效益提升[page::14] [page::15] [page::16].

---

4. 风险提示

• 本文分析及策略基于历史数据及合理假设，可能无法完全映射未来市场环境。

- 策略存在结构性失效风险，尤其面对市场行为或结构显著变化时。

• 所有量化结果均需结合实际运用时的交易成本、流动性及模型调整考虑[page::16].

---

三、图表深度解读

• 图1-图2 (沪深300单资产长期反转与短期动量净值表现)： 显示长期反转策略与短期动量策略均跑赢基准，体现单变量动量择时的基础有效性。

- 图3-图4 (中介速度不同权重下净值及绩效指标)： 净值曲线随a从0到1平滑过渡，收益风险比在a=0.4-0.6较优，最大回撤较基准显著缩减，展示信号加权的策略优势。

• 图5-图7 (多维状态下不同组合策略净值对比)： 以不同状态组合实施投资，净值曲线表现分化明显，映射出择时细化模型的操作效益。

- 表1（不同状态排列的收益指标）： 清晰量化不同组合条件下年化收益率及风险调整后表现，支持选定优策略建议。

• 图8-图10及表3 (多资产聚类组合表现)： 分层聚类组合持续优于单资产及简单均值组合，表3定量展示收益率、波动率和最大回撤三方面指标，有效解析组合绩效来源。

- 表4-表5（聚类分布）： 说明资产类别在各组聚类中的分布，验证聚类充分捕捉资产相关性结构。

• 表6（不同聚类组数策略效果比较）： 明确指出5组聚类在收益、波动和回撤控制上的平衡优势。

- 图11-图13及表7（时序动量分位数策略表现）： 反映该策略优于单变量，但落后于截面动量策略，启示进一步策略优化空间。

• 图14-图15及表8-表9（中介速度多资产组合表现与风险收益）： 展示分层聚类+中介速度策略相较于传统指标组合表现的提升，尤其收益与风险收益比的提升显著。

- 图16-图17及表10-表11（多维状态多资产组合表现）： 多维状态结合聚类也能有效提升组合收益表现，但组数较低时优配组合不及等权，反映策略设计的复杂权衡。

这些图表和表格构成了全报告核心的量化实证支撑，且均来源Wind及广发研究中心，确保数据专业性和权威性。

---

四、估值分析

本报告侧重于量化资产配置策略的设计与绩效验证，未涉及传统财务估值模型（如市盈率、DCF等），而是基于动量信号和聚类算法进行资产选择与权重优化，故无估值分析部分。

---

五、风险因素评估

报告重点风险包括：

• 历史数据局限性： 策略及相关结论均基于历史表现，不排除未来市场变革导致策略失效可能。

- 模型假设风险： 现实市场结构和行为可能与模型设定不符，影响策略有效性。

• 市场结构及交易行为变化： 如监管政策改变、交易机制调整、流动性变化均可能对策略收益产生重大影响。

报告未提供具体风险缓解方案，提醒投资人应谨慎看待模型应用效果，并持续动态调整[page::0] [page::16].

---

六、批判性视角与细微差别

• 策略实证局限： 本报告战略均基于过去十余年数据，但报告未充分讨论执行成本、市场冲击及滑点可能带来的策略削弱风险。

- 聚类层数选择： 虽提出5组聚类表现最佳，但实际中资产数量和市场环境动态变化或使理想聚类层数不稳定，需动态调整。

• 对极端市场表现关注不足： 最大回撤指标虽纳入，但对极端行情（如2020年疫情冲击）的策略表现与风险应进一步细化分析。

- 等权组合与优配比较： 多维状态策略中，聚类组数较少时优配不及等权，提示复杂策略设计需权衡收益提升与配置简便性的平衡。

• 信号权重与动态调整复杂度： 中介速度和多维状态虽提供灵活信号融合，但对模型调参和信号稳定性要求较高，实际应用或面临挑战。

- 策略失效风险强调较弱： 虽有风险提示，但未深入探讨模型在交易行为突变或市场极端事件中的适应性与策略稳健性。

整体报告结构严密数据详实，但建议实际应用时注重风险控制、交易成本与动态环境适配。

---

七、结论性综合

本报告深入探讨了基于动量信号的资产配置方法，将单资产的时序动量择时策略与多资产的截面动量轮动结合，采用分层聚类作为资产划分工具，利用中介速度与多维状态丰富选择信号，构建多维度、动态的量化资产配置策略体系。

• 单资产择时层面： 运用长期反转与短期动量及其结合信号（中介速度、状态划分），显著提升沪深300收益与风险调整表现，提供了洁净灵活的择时工具。
• 多资产层面： 通过分层聚类减少资产相关性影响，分别测试不同聚类层数，发现5组聚类在收益率和风险控制上达到均衡最优；基于截面动量构建组合显著优于传统单资产最大动量和简单均值组合。
• 信号综合优化： 结合中介速度和多维状态信号，进一步优化多资产的权重配置，实现收益和夏普比的双重提升，降低最大回撤，改善组合的风险收益特性。
• 图表验证： 多个图表直观体现不同策略净值走势与风险指标的横向对比，验证了量化策略的有效性和分层聚类的作用。
• 风险警示： 报告明确指出策略基于历史数据和模型预测，存在失效风险，建议投资者审慎应用。

综上，报告提供了具备实操指导意义的动量结合分层聚类资产配置技术框架，展示明显的收益和风险管理优势，对量化投资策略的设计与改进有重要参考价值[page::0] [page::3] [page::6] [page::8] [page::12] [page::15] [page::16].

---

附图示例

分层聚类下优选中介速度组合 (N=10) 净值表现图说明：该图展示2014年9月至2024年6月期间，不同组合方式下的累计净值走势。蓝色线条代表基于优化中介速度信号的分层聚类组合净值，红色线为单资产最大综合指标，绿色线表示多资产样本均值，紫色为可比聚类等权组合，浅蓝为固定收益+权益基准10%权重。图中蓝色组合净值明显领先，表明利用中介速度加权后的分层聚类策略有效提升组合回报。[page::0]



---

总结： 本报告逻辑严谨，数据充分，切实验证了基于动量与聚类的多维动态资产配置在国内指数及资产范围内的有效性，提升收益及控制风险表现明显。策略设计既考虑长期趋势亦兼顾短期波动，充分挖掘了多资产配置的协同增益，是一份具备较高实际应用价值的量化投资研究报告。

报告