金融工程主题报告：全天候择时的思考及解决方案初探

2024年02月29日 全天候择时的思考及解决方案初探 在投资的过程中进行择时是一个持续的动态过程，因此择时的关键并非仅在于一两次的信号是否正确，而是有一个定量且完备的应对系统，以适应不同的市场环境。 本报告基于周期分析以及温度计模型这两个特色的分析系统，提炼出可以刻画市场状态以及异动变化的指标因子，然后基于多指数共振的方式构建了一个网格化的、买卖规则对称的交易系统，从而有可能实现全天候择时效果。 每日市场波动起伏，如何尽可能剔除择时过程中的噪音是一个极具挑战的工作，我们基于周期分析黑科技和周期温度计指标初步构建了一个剔除买卖噪音，以及应对错误的方案。 周期分析黑科技作为择时系统的核心指标体系，是一个由价格周期波动转化而来的双均线系统，在将这一均线系统因子化之后，可以综合全面的判断趋势以及确认趋势状态。 周期温度计则是一个辅助对市场状态进行分类的工具，与周期分析黑科技的综合因子一起可以很好的应对不同的市场环境以及市场环境的切换。 基于我们初步开发的全天候择时系统，对2012年以来的大盘指数 进行择时，历史买卖次数70次，信号胜率为64.3%，盈亏比为2.97 买入到卖出的平均持有时间为20个交易日，持有时间中位数为15个交易日，持有时间的10%分位点为5个交易日。也就是说，这个择时系统的胜率虽然未超过7成，但是赔率比较高；从持有时间来看，整体可操作性比较强，而一旦发现择时错误，那么是很有可能能够及早认错出局的。 上述回溯结果是假定看多信号出现之后即全仓买入，看空信号出现之后即全部卖出，绝大部分量化择时策略都是基于这一假定来展示回测结果的。但实际操作中，不可能也没有必要做到每次都全仓进出，而是可以基于信号所处的形态位置、不同的资金规模、风险承受能力，以及自身仓位的结构方向等做个性化的调整，甚至可以基于某些合理规则来逐步、分批加减相应仓位。 一旦基于卖出信号卖出之后，有可能担心卖飞的问题，而一旦基于买入信号买入之后，也可能担心买错的问题，这类问题时时刻刻影响着低频择时系统最终的执行效果。这些问题虽然无法完全定量的解决，但一个好的择时系统在指标和逻辑设计过程中，应该尽可能的提供相应的决策辅助信息。对于我们开发的全天候择时系统产生的每个信号，可联系我们团队进一步讨论具体的应对方案。 金融工程主题报告 证券研究报告 杨勇分析师 SAC执业证书编号：S1450518010002 相关报告反弹均衡有力，后来或可居 2024-02-24 上保持乐观或是当下最优选择 2024-02-17 温度计临近冰点 2024-02-04 不平衡的反弹 2024-01-28 静待火花 2024-01-21 yangyong1@essence.com.cn 风险提示：基于历史数据和模型得到的结论可能因为市场环境的变化而失效。 内容目录 1.周期分析模型简介3 1.1.由均线系统到趋势状态监控3 1.2.由趋势状态监控到趋势因子构建4 2.周期温度计指标简介6 3.全天候择时系统构建8 图表目录 图1.基于周期分析黑科技的综合趋势分析示意图4 图2.基于周期分析黑科技的趋势因子打分结果示意图5 图3.基于周期温度计示意图：高位不轻易买，低位不轻易卖6 图4.基于周期温度计示意图：强上行趋势中会钝化，或不应轻易卖7 图5.基于周期温度计示意图：新高过程中出现背离，或需注意风险7 图6.基于周期温度计示意图：弱势反弹末端，或需注意风险8 图7.全天候择时框架：网格化买卖点+多指数共振8 图8.全天候择时框架：噪音信号剔除规则10 图9.全天候择时系统最新信号结果10 图10.全天候择时系统在大盘指数上的回测净值曲线2012.6-2024.111 图11.全天候择时系统在大盘指数上的回测结果统计2012.6-2024.111 在投资的过程中进行择时是一个持续的动态过程，因此择时的关键并非仅在于一两次的信号是否正确，而是有一个定量且完备的应对系统，以适应不同的市场环境。 本报告基于周期分析以及温度计模型这两个特色的分析系统，提炼出可以刻画市场状态以及异动变化的指标因子，然后基于多指数共振的方式构建了一个网格化的、买卖规则对称的交易系统，从而有可能实现全天候择时效果。 下面将先简要介绍一下周期分析模型以及温度计模型的基本要素及特征，然后再介绍如何将这两类指标结合起来构建全天候择时分析系统。 1.周期分析模型简介 周期分析理论认为，资本市场上绝大部分的价格序列波动都可以看成是多个不同周期函数叠加后共同作用的结果，一旦能有效识别出价格序列中若干个重要的周期波动特性，则有可能准确的把握住市场的运行规律。但遗憾的是，传统的识别周期波动特性的算法，比如信号处理领域的方法论，可能难以很好的把握资本市场上日K线甚至周K线级别的周期波动规律。 我们在前期的报告《黑科技原理揭秘之一：周期分析理论》中提出了一套完全独立于信号处理方法论的算法，可以在即使周期不够稳定的情形下都能较好的找出最为重要的周期，从而可以处理不同级别K线的周期波动问题。在此基础上，基于识别出的周期波动特性，将其转化为一套特殊的双均线系统。该双均线系统可以在不引入任何参数以及无需任何特殊处理的情形下，完全避免传统周期分析过程中难以处理的混沌现象的干扰，并且具备十分有效的自适应能力。 1.1.由均线系统到趋势状态监控 首先将基于算法识别出来的某级别K线上的周期波动特征记录下来。举例而言，如果算法测算出来某个标的在日K线图上存在50和25这两个周期波动特征，那么就可以在日线图上画出50和25日均线，并且将这两条均线分别向左平移25和13个交易日，并进一步基于每条均线上最后两个点的取值基于等差序列向右做线性外推，最终得到了一个左移后的均线系统。 至于为什么向左平移25和13个交易日，以及向左平移之后如何通过线性外推的方式解决最新的信息空缺问题，是一个比较复杂的数学问题，对细节感兴趣的可以参考前期的报告。 基于这个左移后均线系统的最后一个交点的状态和性质，可以将该级别周期波动中的趋势状态进行识别和分类。所谓周期波动中的趋势，一般指的是把对应周期波动中的上行部分看成对应级别的上行趋势，把下行部分看成对应级别的下行趋势；基于这个框架，就可以定量的识别以及认定什么叫某个级别的趋势。而所谓趋势状态，指的我们需要有一个合理的规则来判断是否新生成了某个级别的趋势、某个级别的是否尚在健康的运行过程中、某个级别的趋势是否有可能已经进入末端以及某个级别的趋势是否已经基本确认结束了。 基于以上步骤，我们可以通过双均线（含延长线）最后一个交点的性质是金叉还是死叉来判断当前的趋势运行方向，甚至可以通过交点的位置来计算对应趋势潜在的目标位。 若最后看到的均线交点是金叉，意味着当前周期对应的趋势方式是往上，若最后看的均线交点是死叉，则意味着当前周期对应的趋势方向是往下。若最后一个均线交点是金叉，意味着当前趋势为向上，再找到金叉发生的点位，将该点位乘以2，减去前一下降趋势的最低点，则可计算得到当前上行趋势的潜在目标位。 进一步，基于交点处的均线状态，我们可以将对应级别的趋势状态分类成三种情形，并以虚线、实线和带圈虚线的方式来表达。因为预测价格点位实在比较困难，所以在具体应用中，我们主要基于这套体系来刻画趋势状态，并不依赖于对点位的预测。 第一种情形是最后一个交点由两条均线的延长线相交而成，也就是此时的交点既处于短均线的外推延长线上，又处于长均线的外推延长线上。由周期模型的数学性质可知，这很可能意味着此虚拟交点很有可能对应着相应级别的趋势还没有结束，此时我们会以一条虚线来表达对应级别的趋势状态，认为该趋势仍处于正常运行过程中，也就是对应级别的趋势没有结束。 第二种情形是最后一个看到的交点是由两条真实的均线相交而成，根据周期模型的数学性质，或可认为对应级别的对应趋势已经结束，此时会以一条实线来表达。 第三种情形是最后一个看到的交点是由真实的短均线和虚拟的长均线相交而成。在这种情形下，又有两种情况。这里以最后一个外推交点是金叉为例做简要说明。基于最后一个金叉的交点以及前期低点的位置，可以计算出当前上行趋势的潜在目标位。若当下看到的上行趋势方向的最高价高于这一潜在目标位，则意味着该上行趋势已经超过正常情况下的极值，也就是说正常而言相应级别的上行趋势的高点已经出现了，随后有可能进入下行趋势，此时会以一条上行实线来表达对应趋势的状态。若当下看到的上行趋势方向的最高价低于这一潜在目标位，那么说明有可能正常而言当前的上行趋势还未结束；但由于短均线已相交，说明双均线都相交的真实交点很可能快要出现了，这意味着当下的上行趋势或已进入末端，只是有待确认而已，此时会以一条带圈的虚线来刻画对应趋势的状态。 图1给出了一个案例，用来展示我们的周期分析系统在对不同级别K线图上的趋势进行分析之后，综合描述的该标的趋势状态。 图1.基于周期分析黑科技的综合趋势分析示意图 资料来源：国投证券研究中心整理，Wind 该图的上半部分在日K线图上画了五条线，每条线的起点都不同，对应着不同级别的趋势状态（具体的级别信息可参考右上角的图例）。比如，由2023.7.19日开始画出了一条向下的实线，这意味着该标的在日K线图上存在长度为66和121的两个周期波动特征；基于对应的均线系统和上文中讨论的规则，我们可以识别出对应周期波动下的下行趋势或已结束，未来有望生成一个对应级别的向上趋势。 1.2.由趋势状态监控到趋势因子构建 上图中不同线条对应的趋势级别都不太一样，也就是我们有可能在同一张图上尽可能的把该标的月线级别、周线级别、日线级别、2小时线级别、1小时线级别甚至是30分钟线级别的趋势状态给刻画出来。 但上述表达方式不利于设计定量的数字规则来描述趋势状态，基于此，我们尝试将上图中的不同线条或者说不同趋势状态进行定量打分，最终得到两个指标：综合因子和短期因子。 设计综合因子的主要目的是希望用一个简单的数字来综合刻画某个标的整体的趋势状态，一旦这个整体趋势状态因子处于某个取值范围时，就代表着不同的趋势或者说市场环境，从而应该对当下潜在的风险或机会进行不同的取舍判断。 短期因子主要是希望及时捕捉市场的趋势变化，也就是尽可能高效及时的捕捉市场的异动信息。此时，一般主要关注高频周期波动中的趋势变化。 图2给出了某个区间内A股若干主要宽基指数的趋势因子序列图。图中上半部分的蓝色实线代表不同宽基指数综合因子打分的均值序列，黄色实线为对应短期因子的均值序列。图中下半部分的表格则给出了每个标的具体的因子打分细节。 图2.基于周期分析黑科技的趋势因子打分结果示意图 资料来源：国投证券研究中心整理，Wind 具体而言，综合因子打分的基本原则为： 1）级别权重：周线和月线级别为2、日线级别为1、2小时和1小时线级别为0.75、30分钟线级别为0.5； 2）线型权重：实线和虚线权重为1，带圈虚线为0.5； 3）时间权重：最新周期线条的权重因子为1.5，其他为1； 4）多空因子：向上实线为-1，对应顶部因子；向下实线为1，对应底部因子；向上虚线和向上带圈虚线为1，对应向上趋势因子；向下虚线和向下带圈虚线为-1，对应向下趋势因子。 综合因子=加权后的顶部因子+加权后的底部因子 +加权后的向上趋势因子+加权后的向下趋势因子 短期因子的打分基本原则为： 将周期分析模型输出的各类线型组合分类，然后基于最新的周期线条类型来打分： 1）SX1_DN表示最新线条为向下实线，打分倾向于大于等于7，再根据其他线条组合微调； 2）SX1_UP表示最新线条为向上实线，打分倾向于小于等于-7，然后再做类似微调； 3）X1_DN表示最新线条为向下虚线，若最近第一次出现该虚线，打分倾向于小于等于-7； 4）X1_UP表示最新线条为向上虚线，若最近第一次出现该虚线，打分倾向于小于等于7。 基于上述统一规则，我们就可以对几乎所有可投资标的进行趋势状态监控，并将监控结果表达为两个因子：综合因子和短期因子。 2.周