> **来源：[研报客](https://pc.yanbaoke.cn)** # 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。 | 大类 | 子维度 | 底层因子 | 说明 | 信号规则 | |------------|----------------|----------------------------------------|------------------------------|--------------| | 估值 | erp | erp_pe、erp_div | 股权风险溢价，衡量股市吸引力 | 布林带/动量 | | 情绪 | 期权偏度 | 上证50ETF 120/80、110/90、105/95 偏度 | 市场情绪，侧重短期反转 | 反向布林带 | | 情绪 | 期权沽购比 | 上证50ETF 成交量PCR 倒数、成交额PCR 倒数、持仓量PCR | 期权市场看多/看空力量对比 | 反向布林带 | | 情绪 | 期货会员持仓 | 上证50/沪深300/中证500 会员持单比 | 期货专业机构持仓方向 | 动量 | | 情绪 | 期权持仓沽购比 | 上证50/沪300/沪500 ETF 持仓量PCR | 期权持仓力量对比 | 同比动量 | | 资金 | 杠杆资金 | 融资买入额 | 杠杆资金参与情况 | 布林带 | | 资金 | 主力资金 | 净主动买入额_机构 | 机构投资者主动买入行为 | 分位数 | | 技术 | 价格 | 布林带、20日价格乖离率 | 价格趋势信号 | 布林带/动量 | | 技术 | 量能 | 20日换手率乖离率、60日换手率乖离率 | 成交量趋势性变化 | 布林带 | | 技术 | 异动 | 涨停股占比、60日换手率波动 | 微观个股和量能波动信号 | 动量/布林带 | | 技术 | 趋势强度 | 20日ADX、20日创新高占比 | 趋势延续性与强度 | 布林带 | | 技术 | 期权隐波 | 上证50ETF90IV、上证50ETF110IV | 市场隐含波动定价 | 布林带 | ### 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 | 路径 | 入选子维度（按路径夏普排名） | |------------|------------------------------| | s1 追高 | 量能、杠杆资金、期货会员持仓、期权偏度、期权持仓沽购比、期权隐波、价格、趋势 | | s2 抄底 | 期权偏度、异动、期权沽购比、期权隐波、期货会员持仓、期权持仓沽购比、erp、量能 | | s3 追空 | 期权沽购比、期权隐波、期权偏度、异动、期权持仓沽购比、期货会员持仓、价格、erp | | s4 逃顶 | 杠杆资金、期权隐波、期权偏度、期权持仓沽购比、erp、趋势、主力资金、期货会员持仓 | ### 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 | 模型 | 年化收益 | 年化波动 | 最大回撤 | 夏普比 | Calmar比 | 年度正收益概率 | |------|----------|----------|----------|--------|----------|----------------| | A₁ | 17.47% | 11.78% | -15.58% | 1.48 | 1.12 | 94.12% | | A₂ | 年化收益未明确 | 年化波动未明确 | 最大回撤未明确 | 夏普比1.50 | Calmar比未明确 | 100% | | B | 年化收益未明确 | 年化波动未明确 | 最大回撤未明确 | 夏普比1.72 | Calmar比未明确 | 100% | ## 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。