行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

人工智能和机器学习系列研究（4）：基于动量Transformer模型的日内和隔夜交易策略

2025-06-09 - 西部证券绿毛水怪

核心观点：为应对传统截面策略在极端市场环境下的失效问题，本文聚焦宽基指数组合，构建了一类日内和隔夜的时序交易策略，并引入改进的动量Transformer模型来优化资产仓位管理。
模型改进：
- 将动量Transformer模型的损失函数从夏普比率改为信息比率，并增加特征类别（均线、波动率、动量及成交量类技术指标），同时重设训练-验证划分机制为随机抽样，以提升模型在A股市场的适应性和泛化能力。
策略测试与表现：
- 在指数层面测试中，每日调仓三次、不允许做空的时序策略（时序策略1）相对买入持有基准的超额年化收益率为12.48%，且每年均能实现收益增厚；调整仓位范围后（时序策略2）的超额年化收益率提升至14.17%。
- 可做空、需持有底仓的时序策略（时序策略3和4）在单边万1费率下，分别实现年化超额收益率5.00%和6.15%，且每年均能跑赢基准。
- 日内和隔夜策略合并的时序策略（时序策略5）在单边万1费率下，相对买入持有50%基准的超额年化收益率为7.15%，且每年均能实现收益增厚。
策略特征分析：
- 时序策略呈现“上涨β大于1，下跌β小于1”的特征，上涨市中弹性大，下跌市中防御能力强。
- 策略的胜率与盈亏比均衡，单次调仓和日度胜率在50%左右，盈亏比处于1.0-1.3之间。
- 时序策略与传统截面策略的收益来源不一致，两者可以形成有效互补，尤其在截面策略表现不佳时，时序策略能获得更高的正向超额收益，两者日度超额收益率序列的相关性仅为12.18%。
风险提示：存在模型失效风险、市场风格变化风险和数据测算误差风险。