Beta猎手系列之十三：多种类、多周期事件化的开放式择时框架-250910.pdfVIP

摘要

传统基于事件驱动构建的择时策略较容易出现过拟合问题，且普遍存在稳健性较弱的问题，底层信号一旦衰减将明显

影响整个策略的表现。因此本次报告提出了一种全自动化的择时策略生成框架，底层基于事件驱动思路生成信号。该

框架可以在任意指标集的基础上挖掘出其中有效的信号，并构建对任意标的资产的择时信号。

整个构建流程中尽量控制了数据挖掘的可能，采用滚动更新的机制避免过拟合情况发生；确保流程符合逻辑性、可解

释性等要求，能输出流程中所有的中间信息；框架也具有较好的泛化性，无需调整即可对不同标的进行测试，也因此

计算速度较快；除了直接构建策略外，该择时框架也可以帮助我们初步探索未知的数据集，寻找其中具有择时价值的

指标与事件。

我们在各宽基指数与行业指数上进行了回测测试，指标集选择了指数自身量价、宏观、期权、融资融券与成分股的基

本面、资金流数据。以中证A500指数为例，各数据集都能获得超过中证A500指数的收益表现，其中基于基本面、宏

观数据得到的信号质量显著较好，区间内年化收益分别达到8.21%和8.02%，年化超额收益分别为7.80%和7.45%。而

在信号胜率方面，资金流指标表现较突出，看多胜率达到61.11%。最终合成择时策略年化收益率10.61%，Sharpe比

率0.813，各项指标相对基础信号都有一定提升。在其他宽基上，也均有较明显的超额收益表现。而在行业指数上，

各行业的择时策略表现各有优劣，主要原因在于部分行业的涨跌更依赖于特定的数据指标，因此统一的数据集无法起

到稳定有效的判断效果，需要添加有针对性的指标集并对无效的指标集进行整体剔除，才能提升最终择时效果。

风险提示

以上结果通过历史数据统计、建模和测算完成，历史规律未来可能存在失效的风险。各类事件因子可能会受到政策、

市场环境发生变化的影响，出现阶段性失效的风险。市场可能出现超出模型预期的变化，导致策略出现超出模型估计

的波动和回撤。

敬请参阅最后一页特别声明1

扫码获取更多服务

金融工程专题报告

内容目录

一、择时策略框架构建4

1.1传统择时策略的构建流程4

1.2全自动择时框架结构介绍4

二、全流程择时框架结构5

2.1择时框架第一层：数据选择5

2.2择时框架第二层：指标预处理+用法判断5

2.3择时框架第三层：事件化处理7

三、择时框架测试8

3.1择时框架效果测试——以中证A500指数为例8

3.2各宽基指数上测试效果11

3.3行业指数上的回测效果16

总结16

风险提示17

附录17

图表目录

图表1：事件驱动型择时策略的一般构建流程4

图表2：回测指标集情况5

图表3：择时框架第一层流程5

图表4：数据格式变动类型6

图表5：择时框架第二层流程6

图表6：事件化列表与参数7

图表7：各层级信号合成流程8

图表8：择时框架第三层流程8

图表9：各指标集在A500上的回测净值9

图表10：各指标集在A500上的回测表现9

图表11：宏观指标集各指标的初步筛选与判断结果9

图表12：中证A500合成择时策略净值10

图表13：中证A500合成择时策略回测表现10

图表14：中证A500合成择时策略分年度收益11

图表15：沪深300合成择时策略净值11

敬请参阅最后一页特别声明2

扫码获取更多服务

金融工程专题报告

图表16：沪深300合成择时策略回测表现11

图表17：沪深300合成择时策略分年度收益12