20221207-东证期货-基本面量化专题报告_基于非线性系统稳定性构建择时模型_20页_1mb

基于非线性系统稳定性构建择时模型总结

核心内容概述

本报告探讨了将非线性系统稳定性理论应用于金融市场的择时模型构建。通过引入李雅普诺夫指数这一非线性系统稳定性分析工具，结合金融市场的复杂系统特性，提出了基于多元资产稳定性指标的择时策略。该模型利用滚动计算的李雅普诺夫指数、均线组合和稳定性指标斜率变化，判断市场的变盘点，从而指导资产的进场与离场。

主要观点

• 非线性系统的稳定性理论可以借鉴应用于金融市场，尤其是复杂系统理论。
• 李雅普诺夫指数是衡量系统混沌特性的关键指标，其计算方法在金融市场中被改进，适用于小数据集。
• 择时模型通过分析多元资产的稳定性指标，判断市场变盘点，用于资产配置和交易决策。
• 不同资产类别在择时模型中的表现存在差异，股指表现优于国债，商品和外汇表现相对稳定。

关键信息

择时模型构建方法

1. 稳定性指标：通过滚动计算各资产的最大李雅普诺夫指数（144个交易日），并求和得出被预测资产的稳定性指标。
2. 斜率变化：滚动计算稳定性指标的斜率（89个交易日），当斜率符号发生变化时，标记为稳定性变化点。
3. 均线辅助：使用12、18、24和30日均线辅助判断趋势方向。
4. 择时点定义：择时点既是上期离场点，也是当期进场点。

实证资产类别

• 股指：包括沪深300、中证1000、上证指数、Wind全A、标普500、欧洲50指数、DAX指数、富时100指数、日经225指数。
• 国债：包括中国1年期国债、10年期国债，美国10年期国债、3个月国债，欧元区、日本10年期国债，以及中国和美债利差。
• 商品：包括Brent原油结算价、LME3个月铜、NYBOT2号棉花、NYBOT11号糖、CRB现货商品指数。
• 外汇：包括美元指数、日元兑美元汇率、美元兑欧元汇率、美元兑英镑汇率。

实证结果

算法特点

• 新算法：Michael T. Rosenstein 提出的新算法适用于小数据集，快速、易于实现，对参数变化具有鲁棒性。
• 稳定性变化点识别：通过计算稳定性指标的斜率变化来识别变盘点，可能为趋势拐点或波动率变化点。
• 模型适用性：模型适用于股指、国债、商品和外汇，但不同资产表现差异较大。

未来展望

• 复杂系统理论在金融市场的应用前景广阔，尤其受到机构投资者关注。
• 未来将继续深入研究复杂系统理论在金融市场中的应用，进一步优化择时模型。

模型构建与测试流程

构建流程

1. 提取多元资产的时间序列。
2. 计算各资产的最大李雅普诺夫指数。
3. 滚动计算稳定性指标的斜率（89个交易日）。
4. 使用均线辅助判断趋势方向。
5. 结合稳定性指标斜率变化和均线，构建择时模型。

测试流程

1. 设定无杠杆交易，使用不同资产作为预测标的。
2. 根据稳定性指标斜率变化标记变盘点。
3. 通过不同均线参数测试模型表现。
4. 对比不同资产的测试胜率和盈亏表现。

结论

基于非线性系统稳定性构建的择时模型在胜率和累计盈亏方面具备实际操作的可行性。测试结果显示，沪深300指数表现最佳，胜率可达65%，而中国十年期国债表现较差，胜率不足50%。CRB现货商品指数和美元指数由于测试样本较长，模型胜率稳定在60%左右。

该模型为金融市场提供了一种新的分析视角，结合了工程学科的理论与金融市场的实践，具有一定的参考价值和应用潜力。