> **来源：[研报客](https://pc.yanbaoke.cn)** # 基于DTW的形态相似度行业轮动策略总结 ## 核心内容 本报告提出了一种基于动态时间规整算法（DTW）的形态相似度行业轮动策略，旨在通过识别历史行业走强前的形态特征，提前捕捉行业上涨信号，实现超额收益。该策略通过构建历史行业超额收益序列的模板库，利用DTW算法计算当前行业走势与历史模板的相似度，选择相似度最高的行业进行配置。 ## 主要观点 - **形态匹配的重要性**：行业在走强前夕常表现出特定的形态特征，这些特征在不同时间和行业间重复出现，通过形态匹配可以识别这些“左侧信号”。 - **DTW算法的优势**：DTW能够对齐不同长度、节奏的序列，识别形态相似但时间不一致的走势，相比欧氏距离，对噪声和波动更鲁棒。 - **策略构建流程**： - 构建形态模板库：从历史行情中提取“过去K日超额收益序列 $\rightarrow$ 未来M日超额收益达到阈值”的形态片段。 - 计算相似度：对每个调仓日，用DTW计算各行业走势与模板库中模板的相似度，并进行Z-Score处理。 - 生成配置信号：选取相似度最高的前N个行业进行等权配置。 - **策略回测表现**： - 周频调仓策略年化收益 $20.6\%$，超额收益 $16.8\%$，信息比率 $2.88$，最大回撤 $4.9\%$。 - 双周频调仓策略年化收益 $16\%$，超额收益 $10.4\%$，信息比率 $1.51$。 - **参数影响**： - 不同阈值、滚动窗口、持仓数量和调仓频率对策略表现有显著影响。 - 最佳参数组合为：K=20, threshold=0.1, Y=5, f=3, N=5。 - 周频调仓表现最优，双周次之，月频效果衰减明显。 - **优化方向**： - 引入胜率跟踪与动态筛选机制。 - 探索与波动率、拥挤度等因子的复合使用。 - 加入成交量相似性，提升形态识别的可靠性。 - 在不同市场环境下测试策略表现，优化信号触发条件。 ## 关键信息 - **样本区间**：2009年1月6日至2026年5月28日，共28个中信一级行业（剔除综合、综合金融）。 - **相似度计算方式**：相似度 = $1 / (1 + \text{最小DTW距离})$，再进行Z-Score标准化处理。 - **调仓频率**： - 周频调仓：年化收益 $20.6\%$，最大回撤 $-34.0\%$，信息比率 $2.88$。 - 双周频调仓：年化收益 $16\%$，最大回撤 $-36.9\%$，信息比率 $1.51$。 - **模板库维护**： - 模板更新频率为每f日扫描全行业。 - 滚动窗口使用最近Y年的数据，自动截断N年前的历史片段。 - 最少模板数量为5个，以保证统计可靠性。 ## 风险提示 - 本报告结果基于历史数据，不代表未来表现。 - 样本数据有限，可能存在误差，无法代表市场整体风险。 - 历史规律及模型存在失效可能。 - 策略表现受市场环境影响，需持续优化信号触发条件。 ## 投资评级说明 - **行业评级**： - 看好：预计未来6个月内行业回报高于沪深300指数5%以上。 - 中性：预计未来6个月内行业回报介于沪深300指数-5%与5%之间。 - 看淡：预计未来6个月内行业回报低于沪深300指数5%以下。 - **公司评级**： - 买入：预计未来6个月内个股相对沪深300指数涨幅在15%以上。 - 增持：预计未来6个月内个股相对沪深300指数涨幅介于5%与15%之间。 - 持有：预计未来6个月内个股相对沪深300指数涨幅介于-5%与5%之间。 - 减持：预计未来6个月内个股相对沪深300指数涨幅介于-5%与-15%之间。 - 卖出：预计未来6个月内个股相对沪深300指数涨幅低于-15%以下。 ## 总结与展望 本策略通过形态匹配识别行业走强信号，具有较强的前瞻性，且在周频调仓下表现优异。未来可通过引入更多因子、优化模板筛选机制及适应不同市场环境进一步提升策略的稳定性和收益潜力。