金融工程量化研究专题报告：基于隐马尔可夫模型的行业轮动策略，模式识别之状态匹配.pdf

金融工程量化研究专题报告：基于隐马尔可夫模型的行业轮动策略，模式识别之状态匹配。本文以Leonard E. Baum等人提出的隐马尔可夫模型（HMM）为理论基 础，基于历史会重演的理论假设，在识别当前行业所处状态的基础上， 通过计算当前行业所处状态序列与历史中该行业未来出现显著上涨或 下跌时所有状态序列的平均相似度，以此预测当前行业未来的上涨概 率，进而构建行业轮动策略。

隐马尔可夫模型：隐马尔可夫模型由初始状态概率向量?、状态转移矩 阵?和观测概率矩阵?决定。?和?决定状态序列，?决定观测序列。在隐 马尔可夫模型中针对观测变量、隐藏状态以及两者之间的关系可以产生 三个典型问题：概率计算问题、学习问题、预测问题。

样本内收益稳定：2022年费后超额收益超过7%、2023年费后超额收益 超过9%，最大回撤分别为3.50%、3.40%。从胜率来看，2022年胜率为 66.67%，而 2023 年胜率更是高达 91.67%，全年12 个月份，只有一个 月跑输30个中信一级行业平均收益；2022年和2023年的超额收益年 化波动均低于6%，表现不错。

样本外收益持续：从2024年前8个月的超额收益来看，费后累计超额 收益为10.75%，年化超额收益为16.54%，显著高于样本内。样本外最 大回撤仅为2.8%，比样本内低接近1%；同时样本外的月盈亏比为1.91， 该数据也显著优于样本内。

样本外Top行业实际收益排名靠前：2024年前8个月中有5个月的平 均名次在前15.5名以内，其中1月以及6月的平均名次更是位于前10 名。此外前8个月中第1名出现4次，前3名共计出现8次，前5名共 计出现13次，前10名共计出现20次，前15名则共计出现28次，相 对于总样本数量占比58%，接近五分之三。

2024年9月份Top行业：基于隐马尔可夫算法行业轮动模型所选择的 Top 行业为石油石化、煤炭、家电、非银行金融、通信以及综合金融等 六个行业。