指数化配置系列研究(2)：行业动量策略的CTA思维

金工量化专题报告 行业动量策略的CTA思维 指数化配置系列研究（2） 核心结论 分析师 证券研究报告 2025年02月11日 本文提供了一个全新的行业轮动研究视角，将行业视为交易品种，根据历史 价格变化，构建时间序列上的趋势跟踪策略。该策略没有规定具体的调仓周期和持仓数量，仅根据买入卖出信号调整组合。201501202410，策略年化收益率1951，年化波动率和最大撤分别为1838和1713，夏普比率106，各方面显著优于市指数。 【报告亮点】 1将行业视为交易品种，根据历史价格变化，构建时间序列上的趋势跟踪策略，不规定具体的调仓周期和持仓数量。 2行业优选策略的年化收益率为1951，年化波动率和最大撤分别为 1838和1713。 3策略具备“仓位自动管理和低胜率高盈亏比”两大显著特点。 【主要逻辑】 主要逻辑一、利用通道突破原理捕捉行业趋势。 核心是利用行业指数的历史价格数据，构建价格波动的通道，并根据当前价格和通道的位置关系预判未来走势。具体，当价格突破通道上轨时，可能预示指数将走强，此时便可买入建仓；反之，当价格突破通道下轨时，可能预示指数将走弱，此时则可卖出平仓。 主要逻辑二、基于通道突破构建的行业优选策略业绩表现优异。 2015年以来，行业优选策略的年化收益率为1951，年化波动率和最大撤分别为1838和1713；夏普比率和Calmar比率分别为106和114年化CAPMalpha为1694（007242），t值为420；年度收益率大于0的占比虽然只有60（610），但录得负收益的4个年份的最大跌幅仅321（2022年），展现出较强的绝对收益属性。 主要逻辑三、依据指数的信号来交易对应的ETF。 从ETF标的指数与行业指数的相似度、ETF规模、和成立时间三个维度筛选行业ETF，构建ETF轮动组合，买入卖出信号源自对应指数。采用目标波动率下的波动率倒数加权，假设交易成本为单边万一，但不设置调仓阈值2015年以来，ETF轮动组合累计收益率为41218，年化收益率为1800年化波动率为1677。 风险提示：本报告使用历史数据测算完成，存模失效风险；本报告涉及基金仅作为测算样例，不构成投资建议；本报告根据客观数据统计分析，不作为对未来走势的判断和投资建议。 冯佳睿S0800524040008 13564917688 fengjiaruiresearchxbmailcomcn郑玲玲S080052406000115600710022 zhenglinglingresearchxbmailcomcn 相关研究 投资A股的美ETF净流入368亿美元ETF市扫描与策略跟踪（20250209）20250209 指数突破平台，黄金历史新高技术分析洞察 （2025020320250207）20250209 节后首周，主动量化收益开门红量化基金业绩跟踪周报（2025020520250207）20250208 被动基金持仓大幅提升，风险偏好有所分化公募FOF基金2024年4季报分析20250206 Barra（CNE6）长期投资风险模的复现及应用（下）风险模及组合优化系列（2）20250128 另类ETF交易策略：日内动量指数化配置系列研究（1）20240809 索引 内容目录 一、行业趋势跟踪策略介绍4 11买入卖出规则：通道突破原理5 12权重分配：波动率倒数加权6 二、A股的行业趋势跟踪策略7 21原始策略在A股上的应用7 22A股行业趋势策略的改进7 三、换手率和交易成本的影响12 四、行业趋势跟踪策略的两大特点14 41仓位的自动管理14 42低胜率、高盈亏比15 五、基于行业趋势跟踪策略的ETF轮动组合16 六、参数稳健性与过拟合19 61稳健性：滚动窗口分析19 62过拟合：推进分析20 七、总结22 八、风险提示23 参考文献24 图表目录 图1：美股行业趋势跟踪策略的累计净值（192607202403）4 图2：通道突破原理示意5 图3：行业趋势跟踪组合（原文参数）vsWind全A的净值走势（2014123120241031）7 图4：行业趋势跟踪组合（原文参数）vsWind全A分年度业绩表现（2015010120241031） 7 图5：参数示意图7 图6：通道上轨取不同的k和n时，策略的夏普比率（2015010120241031）8 图7：通道下轨取不同的k和n时，策略的夏普比率（2015010120241031）8 图8：行业趋势跟踪策略累计净值（全局最优参数，2014123120241031）8 图9：行业趋势跟踪策略分年度收益风险特征（全局最优参数，2014123120241031）8 图10：策略在各个行业上的表现（2014123120241031）9 图11：石油石化行业的更优参数vs全局最优参数的择时效果（2014123120241031）9 图12：食品饮料行业的更优参数vs全局最优参数的择时效果（2014123120241031）9 图13：行业优选策略的各行业最优参数及择时收益（2014123120241031）10 图14：行业优选策略分年度收益率（2015010120241031）11 图15：行业优选策略的累计净值（2014123120241031）12 图16：行业优选策略的相对净值（2014123120241031）12 图17：行业优选组合的年化双边换手率（倍年，2015010120241031）12 图18：单日双边换手率分布（2015010120241031）12 图19：不同调仓门槛下组合的收益及交易情况（2015010120241031）13 图20：不同交易成本假设下，行业优选策略的年化收益率（2014123120241031）13 图21：不同交易成本假设下，行业优选策略的年化交易成本（2014123120241031）13 图22：不同交易成本和调仓阈值假设下，行业优选策略的年化收益率（2014123120241031） 14 图23：不同交易成本和调仓阈值假设下，行业优选策略的年化交易成本 （2014123120241031）14 图24：行业趋势跟踪策略的仓位变化vsWind全A累计净值（2014123120241031）14图25：行业趋势跟踪策略与Wind全A月收益率散点图（2015010120241031）14 图26：各行业单次持仓的胜率与平均收益率（2014123120241031）16 图27：ETF轮动组合的累计净值（相似度筛选，2014123120241031）17 图28：ETF轮动组合的相对净值（相似度筛选，2014123120241031）17 图29：ETF轮动组合分年度收益风险特征（相似度筛选，2015010120241031）17 图30：ETF轮动组合的累计净值（相似度规模流动性筛选，2014123120241031）18图31：ETF轮动组合的相对净值（相似度规模流动性筛选，2014123120241031）18图32：各行业最优参数月度滚动3年夏普比率在全部参数中的排名分位点特征 （2014123120241031）19 图33：推进分析示意图20 图34：各行业通道突破策略的年化超额收益率（推进分析，2021010120241031）21 图35：推进分析组合的累计净值（2020123120241031）21 图36：推进分析组合的相对净值（2020123120241031）21 表1：美股行业趋势跟踪策略的收益风险特征（192607202403）4 表2：行业优选策略的收益风险特征（2015010120241031）11 表3：各行业持仓次数与平均持有天数（2014123120241031）15 表4：行业趋势跟踪策略的ETF样本池16 表5：2024年9月ETF样本池18 表6：ETF轮动组合的分年度收益率（相似度规模流动性筛选，2015010120241031） 19 表7：推进分析组合的收益风险特征（2015010120241031）22 一、行业趋势跟踪策略介绍 当前，业内主流的行业轮动策略多为截面模型。即，固定调仓周期，截面排序后优选n个行业进行配置。我们认为，这类策略可能存在一些问题。例如，当市场下跌的时候，更明智的操作是空仓，而非强行持有固定数量的行业。 和截面策略不同，Zarattini与Antonacci（2024）在《ACenturyofProfitableIndustryTrends》中，提供了一个全新的行业轮动研究视角。作者将行业视为交易品种，根据历史价格变化，构建时间序列上的趋势跟踪策略。该策略没有规定具体的调仓周期和持仓数量，仅根据买入卖出信号调整组合。根据作者的回测，在接近100年的时间内，策略的业绩表现稳健且优异。192707202403，区间年化收益率182，年化波动率126，夏普比率高达139，各方面均显著优于市场指数。 图1：美股行业趋势跟踪策略的累计净值（192607202403） 资料来源：CarloZarattiniGaryAntonacci2024ACenturyofProfitableIndustryTrends，西部证券研发中心注：黑线为文献回测的行业趋势跟踪策略（包含美股的48个行业）的累计净值，红线为市场指数的累计净值。 表1：美股行业趋势跟踪策略的收益风险特征（192607202403） Strategy TimingInd Market Assets 48 1 IRR 1820 970 Volatility 1260 1710 SharpeRatio 139 063 SortinoRatio 166 078 HitRatiodaily 59 55 HitRatiomonthly 56 63 HitRatioyearly 82 76 Skewnessdaily 090 020 Skewnessmonthly 070 010 Skewnessyearly 110 050 MDD 33 84 Alpha 1090 Alphatstat 1130 Beta 050 Betatstat 13500 WorstReturn 1200 1740 WorstDay 1955926 19871119 BestReturn 540 1580 BestDay 1940117 1933415 资料来源：CarloZarattiniGaryAntonacci2024ACenturyofProfitableIndustryTrends，西部证券研发中心注：IRR为年化收益率，MDD为最大回撤，Alpha和Beta为CAPM模型回归的截距项和斜率。 11买入卖出规则：通道突破原理 该趋势跟踪策略的本质是通道突破原理。核心是利用行业指数的历史价格数据，构建价格波动的通道，并根据当前价格和通道的位置关系预判未来走势。具体地，当价格突破通道上轨时，可能预示指数将走强，此时便可买入建仓；反之，当价格突破通道下轨时，可能预示指数将走弱，此时则可卖出平仓。其中，通道的构建则结合了技术分析中经典的肯特纳通道（KeltnerChannels）和唐奇安通道（DonchianChannels）原理。 图2：通道突破原理示意 资料来源：CarloZarattiniGaryAntonacci2024ACenturyofProfitableIndustryTrends，西部证券研发中心 肯特纳通道（KeltnerChannels） t日行业j的肯特纳通道上轨： t日行业j的肯特纳通道下轨： 其中， 1）为通道中轴，是指数价格的移动平均线，定义为过去n天中间价1均值。即，11。其中， 1中间价为最高价、最低价和收盘价三者的平均。 。、、分别为指数收盘价、最高价、最低价； 2）通道的宽度由和k共同决定。定义为指数过去n天最高价和最低价之差的均值。即，11。其中，。k为参数，原文取值为2； 3）回看天数n为另一个参数。原文中