金融工程专题：AI算法研究系列-利用趋势追踪实现行业配置-240814-浙商证券-17页.pdfVIP

证券研究报告|金融工程专题

金融工程专题报告日期：2024年08月14日

利用趋势追踪实现行业配置

——AI算法研究系列

核心观点分析师：陈奥林

执业证书号：S1230523040002

本文构建了单资产趋势追踪模型，应用于行业指数来构建行业配置组合。从趋势追踪chenaolin@

视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了

相关报告

模型训练方式。利用行业指数趋势预测信号，实现了相较于行业等权年化超额20%的

1《真空期：日本加息回摆，

行业配置策略。

美联储降息未落》2024.08.11

❑如何利用资产自身波动属性提升趋势预测模型的表现：2《美股套息交易测算及后市

趋势追踪信号很大程度上受到底层资产价格趋势性的影响，对趋势追踪策略的优展望》2024.08.09

化过程就是和底层资产风险收益特征匹配的过程。我们分析了指数自身的波动属

3《外需预期有望修复》

性对趋势预测效果的潜在影响，并针对性地调整了预测模型的输入特征。当回看

窗口中出现相同价量形态时，波动率水平一定程度上代表了资产的内生动能，能2024.08.07

为模型提供额外信息来判断未来价格走势。由于计算区间划分时点的问题，会出

现短期波动率下降、中期波动率上升，或短期波动率上升而中期波动率下降的情

况。如果是近期行情快速切换带来的波动率变化，短期和中期波动率同向变化。

而当中短期波动率出现异步变化，并且其中一个快速上升或下降时，变化较为缓

慢的波动率变化更接近真实的波动率变化。作为趋势预测模型的输入，长期波动

率相当于静态变量表征资产类别，中短期波动率共同表征其内部波动率变化。

❑优化后的行业指数趋势追踪模型择时效果如何：

我们从特征构建和模型训练方式2方面对趋势追踪模型进行调整。在数据预处理

方面，我们保留了前期行业配置模型中的特色，并对特征进行补充和模型更新方

法上的调整。对价量数据进行时序标准化不变，我们增加资产的波动特征作为模

型输入，包含短期、中期和长期(内在)波动率属性，其中短期波动率包括收益率

波动和换手率波动。另一方面，交易策略模型的训练属于小样本学习场景，我们

受现阶段大语言模型在细分领域应用方案的启发，在训练趋势预测模型过程中采

取预训练与微调结合的方式。

优化后的行业指数趋势预测模型在2017至2024.6在任一行业上的择时年化收益

在6%以上，相较于基线模型有明显提升，且换手率下降，波动和回撤均降低。

❑利用趋势追踪信号构建行业配置组合表现如何：

利用趋势追踪模型，可以灵活调整行业配置组合中的标的数，得到风险收益表现

更优的投资组合。市场长时间下行调整时，趋势模型对行业评估整体偏看淡，看

好的行业数量相对较少，因此对配置组合中的标的数不做要求时，能通过配置较

少数量的行业降低回撤，保证收益。市场震荡上涨且不同赛道间交替有上升行情

时，灵活数量的行业配置组合对更多数量的行业进行等权配置，相对分散的持仓

带来更低的超额波动和更高的累积收益。

总体上，利用趋势预测信号灵活构建行业配置组合效果更好，在2017至2024.6相

较于行业等权基准能实现20%以上的年化超额收益，对比此前基于价量的行业配

置模型表现有明显提升。

❑风险提示

本报告