20260522-华泰证券-华泰_金工_多维择时模型的拆解与重构_21页_4mb

华泰 | 金工：多维择时模型的拆解与重构总结

核心内容

本文对A股多维择时体系进行了系统性拆解与重构，重点分析了不同因子在不同择时路径下的收益表现，并构建了三种多维打分模型（A₁、A₂、B），通过回测验证其在不同市场场景下的实战能力。研究发现，路径优选模型B在拐点识别和趋势跟踪方面表现最优，但需警惕过拟合风险。

主要观点

1. 因子收益来源不均衡：

   • 不同因子在不同路径（追高、抄底、追空、逃顶）上的收益表现差异显著。
   • 量价指标擅长追高，期权隐波擅长抄底，估值因子在四类场景中均有正收益，资金类因子更偏向右侧入场和左侧离场。

2. 模型构建方式：

   • 模型A₁采用分层合成方式，先对子维度进行聚类再等权合成，日频夏普比为1.48。
   • 模型A₂跳过维度聚类，直接对12个子维度等权均值，日频夏普比提升至1.50，年度正收益概率达100%。
   • 模型B引入路径优选机制，仅选取夏普比前8的子维度，日频夏普比达1.72，年度正收益概率100%。

3. 模型表现差异：

   • 模型B在中期拐点和长期趋势的识别上表现优于A₁和A₂。
   • 在极端行情中，A₂和B模型表现相近，均在60%左右。
   • 降频后，模型夏普比显著下降，周频和半月频衰减至0.9-1.3，月频则降至0.5-1.2。

关键信息

择时指标体系

本文构建了涵盖估值、情绪、资金、技术四大类的26个底层因子，并通过投票法合成12个子维度，每个子维度的信号输出为±1/0。

子维度收益拆解

• 估值：在四种场景下均有正收益，追空场景相对较弱。
• 情绪：抄底能力较好，逃顶效果不佳。
• 资金：在追高场景最佳，其次为逃顶，抄底和追空能力不佳。
• 技术：量、价、趋势指标适用于追高，异动类指标可用于抄底，期权隐波在除逃顶外的场景均有不错表现。

各场景适用的择时因子

多维打分模型A₁

• A₁模型采用分层架构，将子维度信号合成大类维度信号，再进行等权合成。
• 不同权重映射方案对模型绩效影响显著：
  • 阈值0（满仓）：年化收益27.04%，夏普比1.18。
  • 阈值0.33：年化收益24.28%，夏普比1.34。
  • 五档方案：年化收益17.47%，夏普比1.48，年度正收益概率94.12%。

模型性能对比

总结

• 多维择时模型B在拐点识别和趋势跟踪方面表现最优，但需关注过拟合风险。
• 不同因子在不同路径下的表现差异显著，需根据具体场景选择适用因子。
• 模型A₁和A₂在日频下表现良好，但降频后夏普比显著下降。
• 信号映射为分档仓位有助于降低交易磨损，提升模型稳定性。