20260708-广发证券-_广发金工_神经网络ETF绝对收益策略今年以来收益26.42_6页_812kb
报告摘要
广发金工神经网络ETF绝对收益策略总结
核心内容概述
广发证券金工团队提出了一种基于神经网络的ETF绝对收益策略,结合了择时信号与截面轮动信号,旨在实现稳定收益并控制风险。该策略通过量化模型对历史数据进行训练和回测,利用AGRU模型分别生成择时与截面信号,并在择时信号判断需持仓时,等权买入截面信号所推荐的多头组ETF,从而形成具有Alpha收益的绝对收益策略。
主要观点
-
策略构建方式
- 神经网络择时策略:使用AGRU模型进行大盘择时,通过定义TSRankIC和偏离度指标评估信号准确性。
- 神经网络截面ETF轮动策略:基于个股Alpha因子,通过指数成分股权重聚合生成指数层面因子值,并筛选符合条件的ETF构建轮动策略。
- 叠加策略:将择时与截面信号融合,当择时信号判断需持仓时,买入截面信号推荐的多头ETF组合,以实现绝对收益。
-
策略表现
- 择时策略:近一个月收益率为4.38%,最大回撤-2.14%;今年以来收益率为18.71%,最大回撤-6.58%。
- 轮动策略:近一个月收益率为7.14%,最大回撤-4.09%;今年以来收益率为24.25%,最大回撤-16.94%。
- 叠加策略:近一个月收益率为8.14%,最大回撤-2.11%;今年以来收益率达26.42%,最大回撤-11.01%;2020年以来总收益率为545.15%。
-
评价指标
- 时序IC:反映信号在时序上的预测能力,数值越高说明预测越准确。
- 偏离度:衡量信号与实际收益之间的偏差,数值越小说明信号越准确。
- 超额收益率:策略相对于基准的收益表现,用于评估策略的相对优势。
关键信息
一、神经网络择时策略
- 信号生成:采用AGRU模型训练择时信号,评估指标为时序IC与偏离度。
- ETF池筛选:策略默认买入中证全指(000985.CSI)。
- 近期表现:
- 近一个月:收益率4.38%,最大回撤-2.14%,时序IC 37.78%,偏离度均值29.64%。
- 近半年:收益率19.84%,最大回撤-6.58%,时序IC 21.99%,偏离度均值23.41%。
- 2020年以来:收益率193.62%,最大回撤-11.85%,时序IC 14.74%,偏离度均值23.68%。
二、神经网络截面ETF轮动策略
- 信号生成:基于个股Alpha因子,通过指数成分股权重聚合至ETF层面。
- ETF池筛选:仅保留规模最大的ETF,且近20日日均成交额大于2000万。
- 策略执行:每期等权买入得分最高的前10只ETF。
- 近期表现:
- 近一个月:收益率7.14%,最大回撤-4.09%,超额收益率5.58%,超额最大回撤-5.36%,IC均值4.97%。
- 近半年:收益率27.38%,最大回撤-16.94%,超额收益率17.70%,超额最大回撤-12.06%,IC均值2.93%。
- 2020年以来:收益率473.51%,最大回撤-28.48%,超额收益率323.29%,超额最大回撤-15.39%,IC均值5.89%。
三、择时与截面叠加的ETF绝对收益策略
- 策略逻辑:在择时信号判断需持仓时,买入截面轮动信号推荐的多头ETF组合。
- 近期表现:
- 近一个月:收益率8.14%,最大回撤-2.11%。
- 近半年:收益率27.96%,最大回撤-11.01%。
- 今年以来:收益率26.42%,最大回撤-11.01%。
- 2020年以来:收益率545.15%,最大回撤-11.01%。
风险提示
- 模型风险:文中所述算法与模型基于历史数据进行统计、建模与测算,存在因市场政策或环境变化而失效的风险。
- 预测风险:模型结论无法完全准确反映现实情况,亦不能准确预测未来市场走势。
- 策略假设风险:策略基于一定假设与历史回测结果,若交易成本上升或市场结构、交易行为发生变化,可能导致策略失效,收益下降甚至亏损。
结论
该策略通过融合神经网络择时与截面轮动信号,实现了较高的收益水平,特别是在2020年以来表现尤为突出。然而,其表现依赖于历史数据和模型假设,需谨慎对待市场变化带来的潜在风险。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载