华泰基本面轮动系列之七：行业配置策略，趋势追踪视角-20200831-华泰证券-54页_1mb

金工研究：趋势追踪策略构建与实证分析

核心内容概述

本文是华泰基本面轮动系列报告的第七篇，聚焦于趋势追踪策略在资产配置和行业轮动中的应用。通过系统梳理趋势追踪指标，结合蒙特卡洛模拟、趋势签名图和过拟合检验等方法，深入探讨了趋势追踪策略与底层资产风险收益特性之间的关系，并提出了一个更稳健的趋势追踪策略构建框架。最终在大类资产和行业指数层面进行了实证分析，验证了策略的有效性。

主要观点

1. 趋势追踪策略的基本原理与特性

• 核心理念：认为资产价格具有趋势性，过去上涨的资产在未来可能继续上涨。
• 策略优点：换仓频率较低、受手续费影响小、收益性较好、易于程序化实现。
• 指标共性：所有趋势追踪指标均具有“追涨杀跌”的特性，区别在于对历史价格的加权方式。

2. 趋势追踪指标分类与构建逻辑

• 分类依据：基础数据选取（收益率或收盘价）、滤波方式（MA、EMA、WMA等）、均线计算次数、信号生成方式（与0比较、快慢线比较、正负收益比较）。
• 指标数量：共整理了41个趋势追踪指标，涵盖多种构建方式。
• 信号生成方式：
  • 与0比较：判断信号是否大于零。
  • 快慢线比较：短期均线高于长期均线为买入信号。
  • 正负收益比较：正收益天数占比或总和。

3. 资产风险收益特性对趋势追踪策略的影响

• 关键因素：收益率、波动率、自相关系数。
• 影响表现：
  • 高收益率、低波动率的资产更适合趋势追踪策略，可提升夏普比率。
  • 波动率越高，策略波动率也越高，但收益率对策略表现影响更大。
  • 自相关性对策略收益和波动率影响较小，但对最大回撤有一定改善作用。

4. 大类资产与行业配置策略差异

• 大类资产配置：更适合使用时序动量策略，因资产间相关性较低，价格独立性强。
• 行业指数配置：更适合使用截面动量策略，因行业指数间相关性高，收益率差异小。
• 指标匹配：策略表现取决于指标与所选资产风险收益特性的匹配程度。

5. 实证策略表现

• 大类资产配置策略：
  • 最佳策略从2006年至今回测夏普比率为1.99，月度胜率为74.29%。
• 行业配置策略：
  • 最佳策略从2010年至今年化超额收益率为11.20%，相对基准胜率为60.63%。

关键信息

1. 趋势追踪指标的构建方式

• 时间窗口参数：对策略表现有显著影响，需合理设置。
• 参数设定：
  • 单参数：20、40、60、120日。
  • 双参数：短窗口+长窗口、短窗口+阈值。
  • 三参数：短窗口+长窗口+短窗口。
  • 四参数：多窗口组合（如20、40、60、120日）。

2. 虚拟价格序列生成方法

• 单资产模型：基于一阶自回归模型 AR(1)，设定收益率、波动率、自相关系数。
• 多资产模型：基于几何布朗运动模型，设定不同资产相关系数。

3. 趋势签名图的作用

• 图表4：展示了MA和EMA趋势签名图，显示EMA对近期价格权重更高。
• 图表5-6：不同滤波和移动平均方式下趋势签名图对比，揭示指标间的差异。

4. 策略参数优化与过拟合控制

• 优化方法：
  • 选择与目标资产风险收益匹配的指标。
  • 构建虚拟序列以提高策略的泛化能力。
  • 引入过拟合检验方法，筛选出稳健的指标组合。

5. 策略构建框架

• CSCV框架：用于筛选和构建趋势追踪策略。
• 复合指标：通过指标组合提高策略稳定性。

实证结果

1. 策略表现与资产风险收益特性

• 收益：资产收益率越高，策略年化收益率越高；波动率越低，策略波动率越低。
• 夏普比率：高收益低波动资产策略夏普比率更高，但波动收益比越低，过拟合风险越大。
• 最大回撤：高收益低波动资产最大回撤更小；自相关性越低，回撤越小。

2. 策略对比

• 时序策略与截面策略表现差异显著。
• 图表37-41：展示了两种策略在不同指标下的表现对比，部分指标在两种策略中表现优异。

3. 夏普比率最高的指标

• 图表27-29：展示了以沪深300、中债-国债总财富、布伦特原油期货为底层资产时，夏普比率最高的趋势追踪指标。

风险提示

• 模型风险：基于历史规律总结，历史规律可能失效。
• 市场波动：可能出现超预期波动，导致策略拥挤交易。
• 投资建议：报告中提到的具体资产不构成投资意见，需谨慎理性判断。

总结

本文通过系统研究趋势追踪策略，揭示了其与底层资产风险收益特性的紧密联系。提出了一个稳健的趋势追踪策略构建框架，并在大类资产和行业指数层面进行了实证分析。策略表现显著依赖于资产特性，因此在实际应用中需注重资产选择与参数匹配。同时，通过蒙特卡洛模拟和过拟合检验，提高了策略的适应性和可靠性。