20240329-山西证券-量化选股_基于卡尔曼滤波的仓位预测选股策略_40页_8mb

山西证券金工团队2024年3月29日发布的报告，焦点是卡尔曼滤波模型在基金仓位预测和选股策略中的应用。报告分析了基于卡尔曼滤波的动态系统模型，该模型能有效过滤噪音并进行状态估计，优势在于其灵活性和在股票层面的适用性，回测显示模型效果稳定。

选股策略包括两种情景（不分行业和分行业），以及三种子策略：拟合数值策略、次数策略和个数比例策略。回测结果显示，个数比例策略表现最为突出，提供稳定的超额收益，平均年化超额收益率可达94%，尤其是在组合型基金上，年化收益提升明显。不同策略的市值分布和换手率也有所差异，个数比例策略偏向小盘股和高换手率。

报告讨论了各类型基金（如普通股票型、偏股混合型、灵活配置型、指数型）的回测效果，策略在分行业情景下收益更优，但存在依赖历史数据的风险，可能导致模型失效。

总体而言，研究结论显示卡尔曼滤波方法能提升选股策略的alpha收益，但需谨慎参考，因其无法预测未来市场表现。风险提示强调了数据依赖性和潜在失效可能性。