|
|
本报告导读：
本文我们试图利用相似匹配原理构建行业轮动策略，以打败最好的行业。事实上，该策略是个普适模型，也适用于选股与择时。10 月份，模型建议信息服务配置78%，其它行业各1%，节后第一周，
模型建议信息服务90%，农林牧渔10%。
摘要：
[T abl本e_S文um，m我ary们] 试图找到一种行业配置的思想以打败最好的行业。我们主要利用机器学习的相似匹配原理，去搜寻行业整
体历史上相似的时点作为备选集，然后对备选集进行权重优化，得到的最优权重作为下一阶段行业的配置比例。
该模型在不考虑交易成本的情况下，自2006 年至今能跑出189 倍的收益，远远跑赢沪深300，也远远跑赢表现最好的医药生物。
即便考虑交易成本，不论日频、周频，该模型均有优异的表现，显示了模型较强的适用性。2013 年是特别适合相似匹配的行情，年初至今，模型的周策略跑出了50%的累积超额收益，信息比率接近3，最大回撤6%；月策略跑出了36%的累积超额收益，最大回撤2%。
该模型是个普适模型，不仅适用于配置，还适用于择时与选股。从技术角度来看，择时的处理要远比配置简单，因为不用考虑内部相关性，当然实际效果就须另当别论了。
任何量化模型都有它的风险点，该模型也不例外。其最大风险在于它的前提假设，即历史是可以重复的，这就要求在运用该模型时，历史数据一定要足够多，而且股市结构要相对稳定。
事实上，并不是所有的股票池或行业池都适合我们的模型，该模型更适用于数量多、波动较大、同质性差的标的池。
模型最关键的核心点有两个：1、如何定义相似；2、如何进行权重优化。两个核心点处理的好坏直接决定了最终业绩的优劣。
10 月份，模型建议信息服务配置78%，其它行业各1%；节后第一周，模型建议信息服务90%，农林牧渔10%。
|
|
