20260823-太平洋-金融工程点评_形态相似度行业轮动策略动态跟踪_8页_461kb

报告摘要

本报告介绍了一种基于动态时间规整算法（DTW）的形态相似度行业轮动策略，旨在通过识别行业走势与历史走强前形态的相似性，捕捉行业轮动的早期信号，从而实现超额收益。

价格形态作为信号源
行业在走强前的超额收益序列常具有重复出现的结构特征，价格形态能反映市场对行业的预期，是捕捉轮动信号的有效工具。
DTW 算法的应用
DTW 算法通过弯曲时间轴对齐波峰波谷，能够识别时间不完全对齐但结构相似的走势，提高形态匹配的准确性。
对数超额收益率的处理
对数处理使涨跌权重对称，压缩极端值干扰，缓解不同时间段波动幅度的差异，从而更专注于涨跌节奏的识别。
策略框架与回测表现
该策略通过构建形态模板库，计算当前行业走势与模板的相似度，选取匹配度最高的行业进行等权配置。回测结果显示，周频调仓策略年化收益为 20.6%，信息比率为 2.88，最大回撤为 4.9%；双周频调仓策略年化收益为 16%，信息比率为 1.51。
配置信号与组合构建
每调仓日选取相似度因子值最高的前 N 个行业进行等权配置，周频调仓以实现动态跟踪。

模板库构建
- 样本范围：2009 年 1 月 6 日至 2026 年 5 月 28 日
- 行业选择：中信一级行业，剔除综合、综合金融，共 28 个行业
- 超额收益序列：以行业相对行业等权组合的对数超额收益率序列作为输入
- 有效形态模板：若未来 M 日累计对数超额收益率 > 阈值，则收录为有效模板
- 模板更新频率：每 f 日扫描全行业，确保不引入未来信息
- 滚动窗口：使用最近 Y 年的模板，自动截断 N 年前的历史片段
- 最少模板数量：模板数量达到下限（如 5 个）后方可启用因子
形态相似度计算
- DTW 匹配：每个调仓日计算各行业与模板库中所有模板的 DTW 距离，取最小距离
- 相似度转换：相似度 = $1 / (1 + \text{最小DTW距离})$，并对全行业相似度进行 Z-Score 处理
组合构建
每调仓日选取相似度因子值最高的前 N 个行业进行等权配置，周频调仓以实现动态跟踪。