低频量化策略的胜负博弈 华泰证券-20220624
由small_q创建，最终由small_q 被浏览 60 用户
摘要
量化策略都在捕捉市场规律，低频策略应当重视收益来源和逻辑支撑
所有量化模型都在试图捕捉市场的规律，在训练模型的过程中，不可避免需要去拟合样本内的一些场景。规律是金融市场客观存在的，还是从样本数据挖掘所得到的，是所有量化模型都需要直面的问题。高频策略和低频策略的不同特征使得策略评价层面存在差异，低频策略的有效性评判所需时间更长、难度也更大，甚至每一次投资决策的结果都可能是胜负的关键。因此低频策略的收益来源和逻辑支撑显得尤为重要。常见的低频择时策略可能在匹配资产背后的特定频谱，或存在大级别行情贡献了短期收益。
高频与低频策略的天然差异导致策略有效性评判层面有不同的考量
交易频率不同会带来换手率、持仓时间、策略容量的不同。高频策略依赖于即时的市场信息或情绪的套利机会，交易频繁，持仓期短，能够快速响应市场的短期变化，因此，对于波动和回撤的容忍度通常较小，计算策略交易的胜率对于验证高频策略的有效性也是有意义的。与之相对，中低频策略主要交易市场价值，追求的是企业的长期盈利和资本市场错误定价带来的投资机会，其本身不具备短期交易特性，可能需要承受一定的回撤，且验证策略有效或者失效所需的时间通常较长。
高频策略博弈胜率，低频策略博弈胜负
高频策略博弈的是胜率，需要数据、算法、算力三个方面的合力,大量的数据是高频策略的基础，算法的升级使策略逻辑持续创新，算力的支持保证策略正常运维。低频策略博弈的重心是胜负，在同等胜率的情况下，能够有效捕捉大幅上涨或是避开大幅回撤都会明显提升策略业绩，避开大幅回撤对夏普比率和Calmar比率的提升有显著作用，因此每一次投资决策的胜负都可能是致胜的关键。
低频策略的收益可能主要来源于对大级别行情的捕捉和对资产周期的把握应用经验模态分解方法提取全球主要股票指数的本征模态函数分量，每一种分量包含了资产不同的幅值和频率特征。测试低频择时策略在剔除了不同分量后的业绩表现，结果表明：
- 低频择时策略的收益可能主要来源于对股指序列内在周期特征的追踪；
- 对大级别冲击的捕捉能帮助低频策略有效追涨止跌，获得超额收益；
- 提升数据的信噪比，有助于低频策略更准确捕捉资产的周期特征以及大级别行情。
市场在不断进化，策略逻辑也需要不断进化
基于低频策略的持仓与收益特征，在低频策略的运作过程中，策略的逻辑支撑显得尤为重要。如果仅从样本内数据中挖掘一些规律，而缺乏有力的逻辑支撑，那么样本外的所有波动和回撤都只能归结为市场的动荡，较难合理去评价策略的运作情况。如果低频策略背后有足够的逻辑支撑而不是仅依赖于样本内规律的重演，那么策略的运维会更为科学。市场在进化，通过挖掘市场规律所形成的策略也应该不断进化。金融市场促使投资者持续学习和进步，而不断进步的市场参与者使得金融市场更有活力。
风险提示
本文策略基于华泰金工周期系列研究对全球各类经济金融指标长达百年样本的实证结果确定周期长度，然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法预测具体长度，且历史规律存在失效风险。策略无法保证未来获得预期收益，对依据或使用该规律所造成的后果由投资者自行承担。
正文
/wiki/static/upload/c6/c6bb4634-e14c-4b39-b35f-03a041d92207.pdf
\