20260311-招商证券-在风格轮动中历史是否会不断重演?_31页_6mb

报告摘要

在风格轮动中历史是否会不断重演？

核心内容概述

本文探讨了在资本市场中如何利用历史相似性算法构建风格轮动信号，以提升大小盘和成长价值策略的收益表现。通过比较不同弹性度量算法、收益视角和时间衰减函数对策略有效性的影响，提出了一个基于相似性信号与赔率胜率框架结合的复合模型，从而对风格轮动策略形成边际改善。

主要观点与关键信息

1. 相似性算法与风格轮动

DTW（动态时间弯曲）：允许时间序列非线性对齐，能有效解决时间轴偏移、伸缩问题，但计算量大，容易出现过度扭曲。
DTW-S（带约束DTW）：引入Sakoe-Chiba带状约束，限制对齐路径范围，提升计算效率并减少过度扭曲，其中DTW-S-2D（允许3日对齐）比DTW-S-4D（允许5日对齐）更为合理。
SBD（形状匹配距离）：基于互相关系数和FFT加速，计算效率高，但对局部模式识别能力较弱，易受异常尖峰干扰。
MSM（移动-拆分-合并）：操作设计直观，对时间轴畸变和数值偏移鲁棒性强，但参数敏感，计算复杂度较高。

2. 收益视角对比

绝对收益视角：计算风格的绝对收益相似性，但存在匹配不一致的问题，且容易在模糊估计上做精确比较。
相对收益视角：通过比较风格之间的相对收益率进行相似性匹配，能更准确地定位风格相对状态，策略表现更优，稳定性更高。

3. 相似性指标构建

相似度计算：基于DTW算法，对每个交易日回溯20日数据，计算与历史阶段的相似度，并根据相似度加权未来5日收益率。
阈值设定：采用过去五年样本数据的均值加两倍标准差作为筛选标准，该阈值对标准差倍数参数不敏感。
时间衰减改进：引入时间衰减函数，对相似阶段的信号进行加权，提升策略的稳定性与有效性，n=20时表现最佳。

4. 与赔率胜率框架融合

赔率：基于估值差的历史分位数，建立线性关系，估计当前风格的相对赔率。
胜率：结合多个指标（如Shibor、市场趋势、波动率、动量、相似度等），通过加权计算得出风格的胜率。
复合模型：将相似性指标作为胜率信号之一，结合赔率进行资产配置。根据凯利公式计算配置得分，最终提升策略表现。

5. 策略效果

大小盘策略：加入相似性指标后，年化超额收益从 $16.76%$ 提升至 $18.13%$，信息比率从1.85提升至2.01。
成长价值策略：加入相似性指标后，年化超额收益从 $13.79%$ 提升至 $15.27%$，信息比率从1.11提升至1.23。

算法比较结果

策略类型	算法	总收益	年化收益	年化波动	最大回撤	夏普比率	收益回撤比
大小盘	DTW	70.61%	6.01%	9.30%	14.07%	0.65	0.43
大小盘	DTW-S-2D	78.91%	6.57%	9.29%	14.54%	0.71	0.45
大小盘	DTW-S-4D	83.71%	6.87%	9.29%	9.83%	0.74	0.70
大小盘	MSM	49.08%	4.46%	9.32%	18.56%	0.48	0.24
大小盘	SBD	79.76%	6.62%	9.29%	11.59%	0.71	0.57

策略类型	算法	总收益	年化收益	年化波动	最大回撤	夏普比率	收益回撤比
成长价值	DTW	184.84%	12.12%	12.50%	12.18%	0.97	0.99
成长价值	DTW-S-2D	182.81%	12.04%	12.50%	22.25%	0.96	0.80
成长价值	DTW-S-4D	182.60%	12.03%	12.50%	22.25%	0.96	0.80
成长价值	MSM	93.28%	7.47%	12.57%	21.32%	0.59	0.51
成长价值	SBD	71.10%	6.05%	12.58%	27.25%	0.63	0.69

阈值与时间衰减函数

阈值设定：采用均值+2倍标准差作为筛选标准，确保相似度高于该值的历史阶段作为参考。
时间衰减：引入半衰期n=20的时间衰减函数，使近期相似阶段的信号权重更高，策略表现更优。

赔率与胜率框架

赔率：基于估值差分位数与历史收益率的线性关系，估计当前风格的相对赔率。
胜率：综合多个指标（如Shibor、市场趋势、波动率、动量、相似度等）计算得分，胜率均值作为配置依据。
复合模型：结合赔率和胜率，通过凯利公式计算配置得分，优化资产配置比例，提升策略收益与风险调整后收益。

结论

本文通过引入相似性算法，有效改善了风格轮动策略的表现。相对收益视角优于绝对收益视角，DTW系列算法在大小盘和成长价值策略中表现稳健。引入时间衰减函数和阈值筛选，进一步提升了策略的稳定性。最终，将相似性指标与赔率胜率框架结合，显著提高了大小盘和成长价值策略的年化超额收益与信息比率，为风格轮动提供了新的分析工具和方法。

展开完整摘要