社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

国泰海通|金工:七维共振-深度学习加持的周度行业轮动策略和ETF组合——ETF配置系列(十)

国泰海通证券研究 • 1 周前 • 75 次点击  

报告导读:本文在之前研究基础上,使用深度学习(GRU、TCN、检索增强时序预测RAFT)、超预期、分析师、动量、大单、估值相关等多维度打分模型构建周度行业轮动策略和ETF组合。策略2历史回测年化收益20.2%,相对中证800年化超额19.1%,相对等权基准年化超额17.6%,双边周度换手83.7%。2026年收益15.1% ,相对等权基准的超额22.8%。考虑双边千二费用,收益都要减少4%。

行业轮动多因子研究框架。行业轮动多因子研究框架包括基础数据处理、行业因子合成、行业单因子测试、行业复合因子合成、ETF组合落地等步骤。在之前的行业配置研究系列中,研究了景气度、超预期、分析师、动量、北向资金、基金持仓、拥挤度等因子在月度行业轮动上的效果,以及ETF组合落地方法。

行业轮动因子周度效果测试。选取7类因子,深度学习(GRU、时序卷积TCN)、超预期、分析师、大单、估值均为股票因子自由流通市值加权得到行业因子,检索增强时序预测RAFT、动量由行业指数直接计算。按照超额收益和IC表现,选取每类效果较高的因子。第二天收盘价交易,GRU、TCN因子的年化超额( 14.7%)最高,分析师因子年化超额(9.7%)也较好,其他因子年化超额5-6%。

行业轮动因子的超额收益每年波动较大,没有哪类因子可以持续跑赢基准,需要多类因子合成构建行业轮动策略。对照A股市场风格,历史上看,自2013年以来,价值成长风格2-3年切换一次,或对行业因子表现有一定影响。2019-2020年是成长风格占优,估值因子显著跑输,成长类(超预期和分析师)因子收益较高;21-24年中,价值风格占优,成长因子效果不佳;2024年924行情-2026年6月,成长风格强势,成长因子表现较好。成长风格已经占优两年,未来两年更看好价值风格,估值类因子的配置不可或缺。

大类因子加权。由于深度学习(GRU、TCN )因子效果较好,我们展示两种方式,加权方式1是7类因子等权加权,对应策略1;加权方式2是给深度学习2倍权重,其他因子都是1倍权重,对应策略2。第二天收盘价交易,每周选前五行业,2014年以来,策略2年化收益23.26%,相对中证800的年化超额为17.89%;相对中信行业指数等权基准,年化超额为15.81%,跟踪误差10.68%,超额最大回撤-16.16%;周度双边换手率 93.85%。策略1年化收益21.37%,相对中证800年化超额15.99%;相对等权基准年化超额为13.91%,跟踪误差11.05%,超额最大回撤-17.54%;换手91.92%。

行业轮动周度ETF组合。“收益率匹配+跟踪误差优化”法实现ETF组合落地。ETF第二天均价成交,回测发现,2018年以来,策略 2年化收益为20.22%,相对中证800年化超额19.08%,超额最大回撤-15.55%。相对中信行业指数等权基准的年化超额17.60%,超额最大回撤-15.35%,双边周度换手83.73%。2026年收益15.13%,相对中证800指数的超额收益为15.98%,相对等权基准的超额收益为22.76%。策略1年化收益16.40%,相对中证800年化超额 15.27%,相对等权基准年化超额13.78%。考虑双边千二费用,费后收益都要扣减4%左右(83.73%*0.1%*48次)。

风险提示:量化模型基于历史数据构建,存在过拟合风险。样本内历史回测得到的结果,样本外可能失效。市场环境不断变化,历史规律存在失效风险,量化模型可能表现不佳或失效。

报告来源

以上内容节选自国泰海通证券已发布的证券研究报告。

报告名称:七维共振-深度学习加持的周度行业轮动策略和ETF组合;报告日期:2026.10.29 报告作者:

郑雅斌(分析师),登记编号:S0880525040105

张雪杰(分析师),登记编号:S0880522040001

朱惠东(分析师),登记编号:S0880525070025



重要提醒


本订阅号所载内容仅面向国泰海通证券研究服务签约客户。因本资料暂时无法设置访问限制,根据《证券期货投资者适当性管理办法》的要求,若您并非国泰海通证券研究服务签约客户,为保证服务质量、控制投资风险,还请取消关注,请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的不便表示诚挚歉意,非常感谢您的理解与配合!如有任何疑问,敬请按照文末联系方式与我们联系。



法律声明


本公众订阅号(微信号: GTHT RESEARCH )为国泰海通证券股份有限公司(以下简称“国泰海通证券”) 研究所依法设立、独立运营的唯一官方订阅号。其他机构或个人在微信平台上以国泰海通研究所名义注册的,或含有“国泰海通研究",或含有与国泰海通证券研究所品牌名称相关信息的其他订阅号均不是国泰海通证券研究所官方订阅号。本订阅号不是国泰海通证券研究报告发布平台,本订阅号所载内容均来自于国泰海通证券研究所已正式发布的研究报告,如需了解详细的证券研究信息,请具体参见国泰海通证券研究所发布的完整报告。在任何情况下,本订阅号的内容不构成对任何人的投资建议,国泰海通证券也不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容版权仅为国泰海通证券所有,国泰海通证券对本订阅号保留一切法律权利。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的,需注明出处为“国泰海通研究”, 且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。


扫码关注 星标不迷路

国泰海通证券研究所官方公众号

海量研报 | 热门活动 | 视听内容

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/202782