Beta猎手系列专题报告：多种类、多周期事件化的开放式择时框架.pdf

Beta猎手系列专题报告：多种类、多周期事件化的开放式择时框架。传统基于事件驱动构建的择时策略较容易出现过拟合问题，且普遍存在稳健性较弱的问题，底层信号一旦衰减将明显 影响整个策略的表现。因此本次报告提出了一种全自动化的择时策略生成框架，底层基于事件驱动思路生成信号。该 框架可以在任意指标集的基础上挖掘出其中有效的信号，并构建对任意标的资产的择时信号。 整个构建流程中尽量控制了数据挖掘的可能，采用滚动更新的机制避免过拟合情况发生；确保流程符合逻辑性、可解 释性等要求，能输出流程中所有的中间信息；框架也具有较好的泛化性，无需调整即可对不同标的进行测试，也因此 计算速度较快；除了直接构建策略外，该择时框架也可以帮助我们初步探索未知的数据集，寻找其中具有择时价值的 指标与事件。

我们在各宽基指数与行业指数上进行了回测测试，指标集选择了指数自身量价、宏观、期权、融资融券与成分股的基 本面、资金流数据。以中证 A500 指数为例，各数据集都能获得超过中证 A500 指数的收益表现，其中基于基本面、宏 观数据得到的信号质量显著较好，区间内年化收益分别达到 8.21%和 8.02%，年化超额收益分别为 7.80%和 7.45%。而 在信号胜率方面，资金流指标表现较突出，看多胜率达到 61.11%。最终合成择时策略年化收益率 10.61%，Sharpe 比 率 0.813，各项指标相对基础信号都有一定提升。在其他宽基上，也均有较明显的超额收益表现。而在行业指数上， 各行业的择时策略表现各有优劣，主要原因在于部分行业的涨跌更依赖于特定的数据指标，因此统一的数据集无法起 到稳定有效的判断效果，需要添加有针对性的指标集并对无效的指标集进行整体剔除，才能提升最终择时效果。