市場(chǎng)風(fēng)格輪動(dòng)系列：基于相似性算法的風(fēng)格輪動(dòng)策略.pdf

市場(chǎng)風(fēng)格輪動(dòng)系列：基于相似性算法的風(fēng)格輪動(dòng)策略。“

以史為鑒”是資本市場(chǎng)中在量化和主動(dòng)研究中常用的分析手段。本次，我們將 基于相似性算法，討論如何利用歷史相似階段的收益走勢(shì)形成風(fēng)格輪動(dòng)的指標(biāo)信 號(hào)。經(jīng)過(guò)驗(yàn)證，相似性信號(hào)能有效指導(dǎo)大小盤(pán)和成長(zhǎng)價(jià)值輪動(dòng)策略，并且能對(duì)我 們之前提出的基于賠率和勝率的風(fēng)格輪動(dòng)框架形成一定邊際改善。

首先，本文梳理介紹了四種彈性度量算法。其中，DTW 允許時(shí)間序列非線性 對(duì)齊，通過(guò)尋找最優(yōu)彎曲路徑解決時(shí)間軸偏移問(wèn)題，但存在計(jì)算量大和過(guò)度扭 曲的風(fēng)險(xiǎn)；DTW-S 引入 Sakoe-Chiba 帶狀約束，限制路徑在對(duì)角線附近移 動(dòng)，能提升過(guò)度扭曲并提高計(jì)算效率；SBD 算法形狀匹配抗干擾能力強(qiáng)，計(jì) 算效率優(yōu)異，但局部模式識(shí)別能力弱，僅能衡量序列全局輪廓的相似性； MSM 算法操作設(shè)計(jì)直觀，但受到關(guān)鍵參數(shù)的影響較大。

在模型構(gòu)建中，我們對(duì)比了分別基于絕對(duì)收益和相對(duì)收益視角，構(gòu)建相似性 匹配的風(fēng)格輪動(dòng)策略有效性。根據(jù)測(cè)試結(jié)果，相對(duì)收益視角明顯優(yōu)于絕對(duì)收 益視角。原因在于：絕對(duì)收益視角下兩個(gè)風(fēng)格的最相似歷史階段可能不匹 配；而相對(duì)收益視角直接定位風(fēng)格相對(duì)狀態(tài)，避免了在模糊估計(jì)結(jié)果上做精確 比較的過(guò)程。

進(jìn)一步，我們比較了多種相似性算法的有效性，整體來(lái)看 DTW 系列算法整體 表現(xiàn)最為穩(wěn)健，相互間差異不大；MSM 算法在大小盤(pán)策略中相對(duì)偏弱；SBD 算法在成長(zhǎng)價(jià)值策略中表現(xiàn)不佳。結(jié)合主觀邏輯來(lái)說(shuō)，允許當(dāng)日行情在 3 日內(nèi) 完成相似走勢(shì)（DTW-S-2D）比允許在 5 日內(nèi)完成（DTW-S-4D）更為合理。

在閾值方面，我們以近五年樣本數(shù)據(jù)的均值加兩倍標(biāo)準(zhǔn)差作為相似度下限的 篩選標(biāo)準(zhǔn)。經(jīng)過(guò)比較，該閾值受標(biāo)準(zhǔn)差倍數(shù)參數(shù)影響并不敏感。此外，考慮到 時(shí)間維度也是歷史是否重演的影響因素之一，我們引入時(shí)間衰減函數(shù)后，發(fā) 現(xiàn)對(duì)大小盤(pán)輪動(dòng)策略能形成有效性改進(jìn)。

最后，我們將前述相似性信號(hào)納入我們?cè)谕趫?bào)告中提出的賠率勝率框架之 中。根據(jù)結(jié)果，加入相似性指標(biāo)能使大小盤(pán)策略的年化超額收益從 16.76%提 升至 18.13%，信息比率從 1.85 提升至 2.01；能使成長(zhǎng)價(jià)值策略的年化超額 收益從 13.79%提升至 15.27%，信息比率從 1.11 提升至 1.23。