机制转换视角下的资产配置，机器学习能否协助决策.pdfVIP

目录 1. 机制转换（Regime Switching ）视角下的投资5 1.1 资产收益分布：受内外因素影响而呈现混合分布形态5 1.2 从可观测状态到隐藏状态6 1.3 以 HMM 模型识别隐藏状态8 2. “拐点”识别： 基于资产收益率的机制转换 10 2.1 单资产的 “拐点”识别：灵敏度不足 10 2.2 多资产的隐藏状态转换 13 2.3 行业指数中的隐藏状态转换 17 3. 基于宏观数据的机制转换：宏观隐藏状态能否调节资产 配置 20 3.1 单一宏观变量的隐藏状态识别 20 3.2 多变量的状态识别 21 3.3 宏观可观测状态与资产隐藏状态的组合使用 22 4. 小结 24 5. 风险提示 25 2 请务必仔细阅读正文之后的各项信息披露与声明 第 2 页 共 26 页 简单金融成就梦想 权益量化研究 图表目录 图 1 ：沪深300 2017-2018 年日收益率 6 图2 ：沪深300 日涨跌自相关性 7 图 3 ：PMI 月升降自相关性 7 图4 ：机制转换模型示意图8 图 5 ：沪深300 日收益机制转换识别（2009~2020 ） 10 图6 ：沪深300 日收益机制转换识别（2014~2020 ） 10 图7 ：沪深300 日收益率机制转换识别（自回归模型，2017~2018 ） 11 图8 ：沪深300 机制转换择时（正态分布） 12 图9 ：沪深300 机制转换择时（AR 模型） 12 图 10 ：正态假设下的多资产机制转换划分 13