深度报告-2026-06-14-太平洋证券-基于DTW的形态相似度行业轮动策略_30页_1mb

报告摘要

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。

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。

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。

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。