摘要

单向波动差值择时模型信号准确率与成交额关系随着成交额的增加，发出看多信号时预测的准确度进一步提高。看空信号胜率并未显示与成交额的相关性。因而可以考虑将成交额信息加入看多信号的判断对原模型进行改进。

相对成交额过滤转多信号vs成交额共同确认看多信号1）方法一策略收益16.40倍，信号切换胜率0.5231，总交易次数130次。从逻辑上更加符合一次趋势较强上涨的确认过程。更能在收益及风险间取得平衡，且维持更低的交易次数。调参检测结果显示，相对成交额阈值取1.1效果最优。 2）单向波动差值及相对成交额共同确认看多信号的方法相对谨慎，适合只做多头的投资者。策略收益为9.27倍，信号切换胜

摘要

从择时信号发出频率的角度看，择时系统可划分为两类，其中常用的一个是连续性择时系统，即一个系统在任何时刻均会对资产的未来走势作出看涨看跌的判断，如均线择时系统，不过，连续性择时系统胜率不高但盈亏比较高，需要投资者承受较大的心理压力且一旦失效对资产的配置权重影响较大。

不同于连续性择时，事件驱动择时并不要求择时系统在任何时候都发出看涨看跌信号，仅当某一特定事件出现时该指标才有意义，其优点在于该类择时信号出现后对未来市场研判的胜率较高，但信号频率偏低，不能将其作为主择时策略，因此事件驱动择时可用于对资产配置权重在一定幅度内的动态调节。

本文主要从三个维度构建事件驱动策略，包括宏观事

摘要

一维回撤率控制策略原理根据回撤调整引理（DrawdrownModulationLemma）可以构造出一个使用样本内数据，无论在任何股票价格走势下，都能确保最大回撤率维持在容忍度之内的策略。基于以上理论，我们构造出一个不涉及未来数据的回撤率控制策略，后续用实例证明其有效性。

回撤率控制仓位管理策略的沪深300实证沪深300回撤率控制策略，在5%的最大回撤率容忍度设定参数下，基本可以将月度回撤率控制在10%以内。该策略中参数具有以下特点，投资比例分布在0%和100%附近居多且最优γ*往往取得取值范围的最大值。

基于回撤率的指数择时策略将沪深300回撤控制策略退化成简单的择时

摘要

2017年以来，随着市场上量化策略的增多，许多以前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时

摘要

正文

/wiki/static/upload/83/83ccedd5-74ef-4dfe-8e5e-85a7bcb33548.pdf

\

摘 要

人工智能系列之59：强化学习初探与DQN择时

本文介绍强化学习基础概念和经典算法，并构建股指日频择时策略。有别于传统监督学习对真实标签的拟合，强化学习不存在标准答案，而是针对长期目标的试错学习。其核心思想是个体通过与环境交互，从反馈的奖励信号中进行学习，数学上使用马尔可夫决策过程刻画。本文围绕基于价值的方法和基于策略的方法两个方向，依次介绍蒙特卡洛、时序差分、Sarsa、Q学习、DQN、策略梯度、REINFORCE、演员-评委算法。使用DQN构建上证指数择时策略，原始超参数样本外2017年至2022年6月年化超额收益率18.2%，夏普比率1.31，年均调仓42.0次，

摘要

研究风格择时能力的意义在经历了2016年底的风格转换之后，投资者越来越关注基金选择风格的能力。本文就股票仓位较高的两种基金——普通股票型和混合偏股型，讨论哪些基金和基金经理有选择风格的能力，以及这种能力是否有持续性。

通过比较业绩排名的方法研究基金经理风格选择能力以市值为例，对股票市场的风格进行划分，统计每次风格切换时点前后业两个月内绩排名均靠前的基金和基金经理，并分析这些基金和基金经理在未来的风格切换时点前后业绩排名是否还在前列。在10位过去表现好的基金经理中，只有1位基金经理管理的3只基金能够在历次风格转换前后都排名在前40%。说明基金和基金经理没有风格择时能力。如果根据市场

摘要

上一篇报告中重点介绍的HM与TM两大经典的择时能力分析模型在实际使用中实则存在一定的缺陷。本篇报告首先对经典模型的潜在问题进行反思，并给出一些评估基金择时能力的替代方案，以供投资者参考。

经典的HM与TM模型所存在的问题：TM模型假设了基金经理对Beta的调整是如同二次项变化轨迹的“循序渐进模式”，而HM模型假设了基金经理对的调整是“两值控制模式”，两者均与基金经理的实际操作方式之间存在差距。 再者，HM模型和TM模型均是将分析窗口中的全序列数据纳入回归，不同市场环境下的数据之间会互相扰动，从而对Beta的估计产生影响。最后，HM模型和TM模型均是以同期变化为前提来刻画择时行为

摘要

本文依然延续因子剥离系列的前序报告，围绕基金超额收益的来源以及进行探讨与分析，然而不同的是本文切入的是一个新的视角，尝试对基金的内部进行进一步的拆分，思考基金主动管理的从何而来。

基金的Alpha从何而来？Alpha特指基金管理人的投资管理能力，其两个重要的源泉分别为：选股能力和择时能力。选股能力，指基金管理人在众多股票中选择出独立于市场走势的具备超额收益的股票的能力。而择时能力，指的是基金管理人控制基金的Beta的能力。优秀的择时能力体现为：在市场上涨的过程中，主动提高基金的Beta；在市场下跌的过程中，及时降低基金的Beta。

如何判定基金的择时能力？我们介绍了参数分析法

报告摘要

1.市场继续处于下行趋势。当前反弹进入3150—3200附近的强阻力区域，在大格局仍为下行趋势的背景下，突破强阻力区域改变格局为小概率事件。建议谨慎应对，耐心等待下一次入场机会； 2.主动权益基金股票仓位整体保持平稳。其中医药、食品饮料、银行、非银金融、电子等行业的仓位下降，基础化工、机械、电力设备、国防军工、有色金属等行业的仓位提升； 3.净利润断层上周超额基准0.70%，今年以来累计绝对收益-13.12%。

如期止步目标位，调整窗口或将开启

市场整体（wind全A指数）：下行趋势 估值水平（wind全A指数）：中等偏低区域 仓位建议：30%（以wind全

摘要

动量效应是由Jegadeesh和提出的，是指股票的收益率有延续原来的运动方向的趋势，即过去一段时间收益率较高的股票在未来获得的收益率仍会高于过去收益率较低的股票•经济学解释：趋势交易，市场反应不足。

反转效应是由DeBond与提出，与动量效应相对，指过去一段时间收益率较高的股票在未来获得的收益率将会低于过去收益率较低的股票。 经济学解释：行为金融学，流动性。

正文

[/wiki/static/upload/f0/f0a14840-1393-4488-bd6b-de013d42f0b5.pdf](/wiki/static/upload/f0/f0a14840-1393-

摘要

上周周报提示：市场进入底部震荡格局，短期动能较强，建议利用短期均线进行防守，若跌破10日均线，可适当调整结构或降低仓位。最终市场继续沿10日均线上行，wind全A上涨1.76%。市值维度上，上周代表小市值股票的国证2000指数上涨2.02%；中盘股中证500上涨1.22%，沪深300上涨1.65%，上证50上涨1.26%，创业板指上涨3.94%;上周中信一级行业中，农业和家电领涨，农业涨幅4.76%；煤炭与石油石化有所调整，煤炭周下跌。上周成交活跃度上，非银金融资金持续流入明显。

从择时体系来看，我们定义的用来区别市场整体环境的wind全A长期均线（120日）和短期均线（20

摘要

市场继续处于底部震荡模式。市场的风险偏好较难提升，考虑市场短期上升动能仍然存在，建议利用短期均线进行防守，若跌破10日均线，可适当调整结构或降低仓位； 2.权益基金本周提升股票仓位。其中医药、电子、通信、计算机、传媒等行业的仓位下降，基础化工、机械、电力设备、国防军工、有色金属等行业的仓位提升； 3.净利润断层上周超额基准1.77%，今年以来累计绝对收益-5.67%。

市场整体（wind全A指数）：震荡 估值水平（wind全A指数）：中等偏低区域 仓位建议：50%（绝对收益目标） 市场大势：均线距离为-7.85%，均线距离的绝对值继续大于3%的阈值，但核心观察变量的赚钱效应指标

摘要

上周周报提示：长期下行趋势格局仍未扭转。当前反弹进入附近的强阻力区域，在大格局仍为下行趋势的背景下，突破强阻力区域改变格局为小概率事件。综合来看，建议谨慎应对，耐心等待下一次入场机会。但市场继续上行，再次来到3200点附近，wind全A上涨3.08%。市值维度上，上周代表小市值股票的国证2000指数上涨3.21%；中盘股中证500上涨3.03%，沪深300上涨2.21%，上证50上涨0.99%，创业板指上涨上周中信一级行业中，汽车和电子领涨，涨幅均超7%；煤炭与房地产跌幅明显，煤炭周下跌2.74%。上周成交活跃度上，消费者服务和电子资金流入明显。

从择时体系来看，我们定义的用来

报告摘要

库存周期相关指标：工业产成品库存VSPMI库存工业产成品库存是刻画库存周期的核心指标，2000年以来已经经历了5个完整的库存周期，平均每次库存周期37.6个月，目前新一轮库存周期的上行阶段基本结束，开始进入下行阶段。PMI产成品库存事实上是环比指标，不能用来直接作为库存周期的划分，但是平滑后的PMI产成品库存走势和工业产成品库存走势很接近。另外，PMI原材料库存是PMI产成品库存的领先指标，领先期大概4个月。

库存周期的划分：定性划分VS定量划分

理论上来讲，一个完整的库存周期是按照“主动补——被动补——主动去——被动去”进行轮动的。实际中，我们通常采用工业产成品库

报告摘要

在多因子选股的研究及投资实践中，我们发现有些行业（比如钢铁）其个股差异性较小，行业整体相对市场的波动却比较明显，更适合做行业整体的择时；而有些行业（如食品）其个股差异性大，走势同步性不高，行业整体性的机会相对不好把握，更适合做行业内部的选股，两种行业应该区别对待研究。

定量刻画行业择时和选股的适合度

我们定义了行业个股离散度和行业相对波动率两个指标来刻画行业择时和选股的适合度，根据综合指标将中泰细分的78个行业分成21个择时型业和57个选股型行业，择时型行业主要包括：金融地产、强周期和题材等行业。

行业择时：哪些行业适合趋势跟踪

经过研究我们发现择时型行

策略案例

https://bigquant.com/experimentshare/a5ed3eddf32f4e4dad4811a1acc257f0

\

阻力支撑相对强度指标（Resistance Support Relative Strength，简称 RSRS）

光大证券最早提出这一择时方法，并认为阻力和支撑位是变化（动态）的，这也就打破了支撑阻力划线分析的静态方法，研究认为每日最高价high与最低价low能很好满足这个需求。

对high和low价格做线性回归

那么既然要定量化研究，可以直接用一个值来表示强度，比如用今日的H / L，得到一个比率Ratio，但是你会发现噪音格外的高。实际上delta（high）/delta（low）是连接高低价格平面上的两点（low[0],high[0]）与（low[1],

摘要

模型对上证指数取得较好的择时收益

本文采用小波分析加支持向量机的方法构建量化择时模型，并检验了在不同参数条件下预测模型对应交易策略的有效性。最终发现预测模型得到的交易策略对上证指数具有较好择时效果，在训练时间窗为5个交易日的情况下，经过小波分析滤波后得到的预测模型单日预测正确概率可以达到56.01%，交易成功概率达到84.65%，每次交易扣除1%的交易成本后，从2000年2月21日到2011年12月31日，模型共获得84.28倍的收益。

模型对沪深300指数的择时收益尚待改进

本文在使用小波分析和支持向量机的模型对沪深300指数进行建模后，发现无论是指数的日

摘要

上周（2020.07.06-2020.07.10）市场回顾。上周市场大幅上涨，上证50指数上涨6.10%，沪深300指数上涨7.55%，中证500指数上涨10.33%，创业板指上涨12.83%。

目前趋势模型显示市场处于上涨市，Wind全A指数处于20日均线之上。估值上看，全市场PE（TTM）为22.2倍，处于2005年以来的72.2%分位点。宏观因子整体偏多，6月社融、信贷、官方及财新PMI全面超预期；中国经济政策不确定性指数高位回落；海通金工宏观动量月度择时模型7月信号为正向。

日历效应上，2005年以来，沪深300和中证500指数在7月的上涨概率分别为67%和60%，涨

摘要

行业表现强度前五：国防军工、商业贸易、计算机、有色金属、综合

强度后五：采掘、银行、家用电器、公用事业、建筑材料

指数估值↑：上证指数、深证成指、中小板指、创业板指

行业估值相对PE较低：农林牧渔、地产、建筑装饰、建筑材料和采掘

相对PE较高：计算机、通信、休闲服务、有色、食品饮料

新高比例↑：创近60日新高个股数占比从上周的16.7%升至33.1%

新低比例↓：创近60日新低个股数占比从上周的1.4%降至0.8%

均线结构↑：多头排列减空头排列个股数占比从上周31.7%升至52.1%

**基金仓位↓

摘要

A股择时观点：资金情绪乐观，继续看好市场上行

本周市场宽基指数继续大幅上涨，其中创业板指周度上涨12.83%，跑赢其它宽基指数。上证综指、上证50周度上涨7.31%、6.10%。站在当前，我们对下周的市场运行判断较乐观。

1. 从市场情绪来看，本周市场情绪综合指数当前值为76，较上周的69有所上升，市场情绪中性偏谨慎。

2. 从基金仓位来看，偏股型基金仓位总体上调，相比上周上调0.50个百分点。

   \

RSRS模型

全面看多上证综指、上证50、创业板指。本周我们跟踪的三大宽基指数RSRS择时策略均未发出交易信号，维持前序择时观点。日频指标中，三大股指

摘要

行业表现强度前五：电子、银行、休闲服务、非银金融、电气设备

强度后五：建筑装饰、纺服、农林牧渔、医药生物、轻工制造

指数估值↑：上证综指、中小板指、创业板指、上证50、沪深300

行业估值相对PE较低：商贸、建材、地产、建筑装饰、采掘

相对PE较高：计算机、有色、国防军工、通信、食品饮料

新高比例↓：创近60日新高个股数占比从此前3.0%降至上周的2.1%

新低比例↓：创近60日新低个股数占比从此前7.2%降至上周的4.4%

均线结构↑：多头排列减空头排列由此前的-27.0%升至上周的-14.3%

基金仓位↓：普通股票整体仓位由此前的91.2%降至上周的88.0%

摘要

市场回顾（2020年4月13日—2020年4月17日）

行业表现强度前五：电气设备,电子,休闲服务,医药生物,计算机

强度后五：商业贸易,农林牧渔,通信,采掘,国防军工

指数估值↑：上证综指、中小板指、创业板指、上证50、沪深300

行业估值相对PE较低：商贸、建筑材料、地产、建筑装饰、采掘

相对PE较高：计算机、有色、国防军工、通信、食品饮料

新高比例↓：创近60日新高个股数占比从上周3.6%降至本周的2.9%

新低比例↑：创近60日新低个股数占比从上周1.3%升至本周的1.6%

均线结构↑：多头排列减空头排列由此前的-20.6%升至上周的-14.3%

基金仓

摘要

从三个角度应用牛熊指标均能取得不错的效果

本文从指数、行业、个股三个角度对牛熊指标在投资策略中的应用进行了探讨：

1. 对宽基指数设计直接牛熊策略，在上证50和沪深300上都有不错的表现；

2. 在行业层面上开发牛熊变化率轮动策略，策略有显著的超额收益，且与择时策略结合后表现更好；

3. 在个股层面上利用牛熊择时设计指数配置策略，策略在增强年化收益的同时降低了波动率，剩余资金可进行债券市场或货币市场的投资，构造优质的混合类策略。

   \

直接牛熊策略在多个宽基指数上取得优异表现

借鉴双均线策略的思想，我们利用短期牛熊指标和长期牛熊指标的领先滞后性构造了