结合马尔科夫链的行业轮动策略：Black-Litterman模型研究系列-华西证券-20210815

由small_q创建，最终由small_q更新于2022-10-09 06:15 被浏览 28 用户

摘要

在马尔科夫链（MarkovChain）模型中，每一个时间区间内的数据都有自己独特的统计特性，例如不同的均值和方差。我们可以用状态变量来描述在相邻区间交替的数据变化，现在状态的走势仅取决于前一状态的走势。

资产涨跌幅的时间序列数据是有关联性的数据，并且在不同的时间段会体现出不同的规律，因此我们可以用马尔科夫链模型对过去数据进行分析拟合，判断此刻资产涨跌幅的状态。

对于某一特定时间区间，我们用马尔科夫链拟合出资产条件均值及条件方差，这实际上是对于此刻所处阶段资产涨跌幅走势状态的预测。我们可以将通过马尔科夫链拟合得出的资产条件均值作为BL模型的主观观点，计算BL模型后验权重，作为本阶段的行业选择方案。

我们用过去三个月的行业指数涨跌幅数据根据马尔科夫链进行拟合，用拟合结果生成BL观点，得出BL后验权重，每次选取BL后验权重最高的三个行业。

为了验证BL模型的有效性，作为对比，我们根据马尔科夫链拟合得出的资产条件均值，直接选择排名最靠前的三个行业，并将其设置为等权，形成直接马尔科夫链行业组合。

同时，我们也将BL-马尔科夫链组合与等权加权、市值加权组合进行了对比。

模型回测时，行业选择范围为全部28个申万一级行业，调仓频率为季频，回测区间为2010年至2021年7月。

回测区间内，BL-马尔科夫链组合上涨322.69%，直接马尔科夫链组合上涨213.75%，同期中证全指上涨47.75%。BL-马尔科夫链组合累计超额收益为274.94%、且优于直接马尔科夫链组合。同时，BL后验权重加权也比等权加权、市值加权更为有效。

风险提示：量化报告的结论基于历史统计规律，当历史规律发生改变时，报告中的模型和结论可能失效。