金融工程專題報(bào)告:基于相對(duì)強(qiáng)弱視角下的擴(kuò)散指數(shù)擇時(shí)模型.pdf
- 上傳者:0*****
- 時(shí)間:2025/06/26
- 熱度:77
- 0人點(diǎn)贊
- 舉報(bào)
金融工程專題報(bào)告:基于相對(duì)強(qiáng)弱視角下的擴(kuò)散指數(shù)擇時(shí)模型。
投資要點(diǎn)
本篇報(bào)告的主旨是提出一個(gè)基于指數(shù)成分股內(nèi)進(jìn)行風(fēng)險(xiǎn)因子監(jiān) 控、輪動(dòng)和配置視角的統(tǒng)一框架。原始擴(kuò)散指數(shù)模型基于自身信號(hào)為 出發(fā)點(diǎn),缺乏構(gòu)建對(duì)比指標(biāo)。而本篇報(bào)告強(qiáng)調(diào)相對(duì)強(qiáng)弱視角進(jìn)行擴(kuò)散 指數(shù)統(tǒng)計(jì),可以削弱市場(chǎng)行情對(duì)于模型鈍化的影響。進(jìn)一步,我們拓 展了這種用法,將該模型推廣到進(jìn)行兩兩指數(shù)之間進(jìn)行相對(duì)強(qiáng)弱比 較。同時(shí)進(jìn)行回測(cè),驗(yàn)證模型對(duì)于不同指數(shù)標(biāo)的之間的適用性。結(jié)論 是該模型對(duì)于指數(shù)成分內(nèi)風(fēng)格輪動(dòng)及指數(shù)間輪動(dòng)具有一定擇時(shí)能力。
原始擴(kuò)散指數(shù)模型的缺陷
無論是趨勢(shì)模型和反轉(zhuǎn)模型,我們?cè)跇?gòu)建擴(kuò)散指數(shù)的過程中,更 多利用的是絕對(duì)指標(biāo),例如站上均線的比例或過去 N 天上漲比例等。 而這類模型在大牛市和大熊市來臨的時(shí)候,都容易面臨鈍化的問題, 這背后的原因還是由于市場(chǎng)本身的 beta 屬性決定的。
相對(duì)強(qiáng)弱模型提出
為了消除市場(chǎng) beta 對(duì)于模型的影響,我們提出兩個(gè)模型,第一 個(gè)模型是基于指數(shù)內(nèi)部風(fēng)格判斷的擴(kuò)散指數(shù)模型,用于指數(shù)內(nèi)的風(fēng)格 輪動(dòng)。第二個(gè)模型是基于不同細(xì)分指數(shù)之間的相對(duì)強(qiáng)弱判斷的擴(kuò)散指 數(shù)模型,用于指數(shù)間的輪動(dòng)。
兩個(gè)模型之間的內(nèi)在聯(lián)系
模型一側(cè)重于單一指數(shù)成分內(nèi)刻畫不同因子的擴(kuò)散性結(jié)果。第二 個(gè)模型理論上是第一個(gè)模型的推廣,因?yàn)榈谝粋€(gè)模型局限于特定指數(shù) 內(nèi),具有一定局限性,因此我們考慮將其進(jìn)行一定的推廣,以適用于 不同指數(shù)之間進(jìn)行比較。
歷史回測(cè)及參數(shù)敏感性
考慮到不同因子之間的閾值并不相同,這里在回測(cè)的時(shí)候,統(tǒng)一 采用雙均線法進(jìn)行回測(cè)。雙均線法介紹:短期均線是擴(kuò)散指數(shù) 10 日 MA,長期均線是短期均線 20 日 MA。短期均線站上長期均線則滿倉, 反之則空倉。模型一回測(cè)了滬深 300、中證 500、中證 1000 等指數(shù)成 分股內(nèi)波動(dòng)率因子的雙均線法表現(xiàn)。以中證 1000 指數(shù)為例,展示了 不同回顧期、短期均線、長期均線的參數(shù)敏感性。最優(yōu)回顧期在 20- 25 天左右。這個(gè)結(jié)果整體穩(wěn)定性較好。模型二回測(cè)了中證 1000 和滬 深 300 指數(shù)之間的輪動(dòng)效果、創(chuàng)業(yè)板指和中證 A500 之間的輪動(dòng)效果。 以中證 1000 和滬深 300 輪動(dòng)為例,展示了不同參數(shù)的敏感性。上述 兩個(gè)模型均可以在回顧期 20 天附近取得比較穩(wěn)定的結(jié)果。
免責(zé)聲明:本文 / 資料由用戶個(gè)人上傳,平臺(tái)僅提供信息存儲(chǔ)服務(wù),如有侵權(quán)請(qǐng)聯(lián)系刪除。
- 相關(guān)標(biāo)簽
- 相關(guān)專題
- 全部熱門
- 本年熱門
- 本季熱門
- 用DeepSeek優(yōu)化價(jià)量因子.pdf 401 6積分
- 金工深度研究:博采眾長,分析師預(yù)期類因子初探.pdf 297 6積分
- 金工深度研究:基于趨勢(shì)和拐點(diǎn)的市值因子擇時(shí)模型.pdf 295 6積分
- 招商銀行(徐佳航):招商銀行金融平臺(tái)工程實(shí)踐.pdf 283 10積分
- 金工深度研究:高頻特征參數(shù)化,分鐘級(jí)可解釋因子挖掘框架.pdf 177 4積分
- 第九章 奇異期權(quán).pptx 116 12積分
- 金融工程-遠(yuǎn)期合約.pptx 113 21積分
- 申萬金工因子觀察第5期:OpenClaw能否實(shí)現(xiàn)零代碼基礎(chǔ)構(gòu)建量化策略?.pdf 111 4積分
- 金工實(shí)習(xí)報(bào)告范文.docx 110 5積分
- 金工深度研究:多維擇時(shí)模型的拆解與重構(gòu).pdf 108 3積分
- 金工深度研究:高頻特征參數(shù)化,分鐘級(jí)可解釋因子挖掘框架.pdf 177 4積分
- 申萬金工因子觀察第5期:OpenClaw能否實(shí)現(xiàn)零代碼基礎(chǔ)構(gòu)建量化策略?.pdf 111 4積分
- 金工深度研究:多維擇時(shí)模型的拆解與重構(gòu).pdf 108 3積分
- 宏觀視角下的港股擇時(shí)模型.pdf 91 4積分
- 金融工程指數(shù)量化系列:高值偏離修復(fù)模型(多位點(diǎn)).pdf 85 4積分
- 金融工程專題:熱點(diǎn)產(chǎn)業(yè)+分析師動(dòng)量溢出后排策略.pdf 82 5積分
- 金工深度研究:全球三層次流動(dòng)性風(fēng)險(xiǎn)預(yù)警模型.pdf 80 5積分
- 金融工程丨深度報(bào)告:平臺(tái)突破——時(shí)序選股模型(一).pdf 73 3積分
- 金融工程專題報(bào)告:基于知識(shí)蒸餾的AI選股模型優(yōu)化.pdf 72 3積分
- CJPY:長江金工投研數(shù)據(jù)服務(wù)解決方案.pdf 66 5積分
- 金工深度研究:高頻特征參數(shù)化,分鐘級(jí)可解釋因子挖掘框架.pdf 177 4積分
- 金工深度研究:多維擇時(shí)模型的拆解與重構(gòu).pdf 108 3積分
- 金融工程指數(shù)量化系列:高值偏離修復(fù)模型(多位點(diǎn)).pdf 85 4積分
- 金融工程專題:熱點(diǎn)產(chǎn)業(yè)+分析師動(dòng)量溢出后排策略.pdf 82 5積分
- 金融工程丨深度報(bào)告:平臺(tái)突破——時(shí)序選股模型(一).pdf 73 3積分
- 金融工程專題報(bào)告:基于知識(shí)蒸餾的AI選股模型優(yōu)化.pdf 72 3積分
- CJPY:長江金工投研數(shù)據(jù)服務(wù)解決方案.pdf 66 5積分
- 金融工程:深度學(xué)習(xí)選股訓(xùn)練目標(biāo)的多維優(yōu)化——深度學(xué)習(xí)系列之二.pdf 54 5積分
- 金工財(cái)報(bào)附注系列研究:財(cái)報(bào)附注結(jié)構(gòu)拆解、數(shù)據(jù)提取與財(cái)務(wù)畫像.pdf 37 6積分
