川海智库

报告概述

本报告属于市场风格轮动系列研究，主要探讨如何利用历史相似阶段的收益走势来构建风格轮动指标信号。报告首先介绍了DTW、DTW-S、SBD和MSM四种弹性度量算法的原理与特点。在模型构建部分，对比了绝对收益和相对收益两种视角下构建相似性匹配策略的效果，发现相对收益视角明显更优。随后比较了不同相似性算法的有效性，并讨论了相似度阈值设定和时间衰减函数的改进。最后，将相似性信号纳入此前提出的赔率胜率框架中，验证其对大小盘和成长价值轮动策略的边际改善效果。报告为投资者提供了一种基于历史相似性的风格轮动方法，可辅助择时决策。

报告的核心结论

相对收益视角优于绝对收益视角构建轮动策略

报告对比两种视角后发现，相对收益视角直接定位风格相对状态，避免了在模糊的绝对收益估计结果上做精确比较的过程，因此在大小盘和成长价值策略中均表现出更高的收益和稳定性，超额净值曲线更为平滑。

DTW系列算法在风格轮动中表现最为稳健

在DTW、DTW-S-2D、DTW-S-4D、MSM和SBD五种算法的对比中，DTW系列算法整体表现稳健，相互间差异不大。MSM在大小盘策略中偏弱，SBD在成长价值策略中表现不佳。综合考虑合理性与效率，报告选择DTW-S-2D作为后续算法。

基于均值加两倍标准差的相似阈值设定有效且参数不敏感

报告提出以过去五年各匹配时点与历史时点的相似度均值加两倍标准差作为筛选阈值下限，该阈值在不同标准差倍数下策略超额净值趋势大致相似，2倍标准差属于中等表现，避免了按固定比例筛选的不合理性。

时间衰减函数可提升大小盘轮动策略有效性

引入半衰期n=20年的时间衰减函数后，大小盘策略的超额收益和信息比率均有明显提升，因更近的历史阶段交易环境更相似。成长价值策略中效果不显著，但为保持参数一致性仍采用相同衰减。

相似性指标可边际改善现有赔率胜率框架

将基于DTW-S-2D的相似性信号作为胜率指标融入凯利公式配置模型后，大小盘策略年化超额从16.76%提升至18.13%，信息比率从1.85提升至2.01；成长价值策略年化超额从13.79%提升至15.27%，信息比率从1.11提升至1.23。

报告回答的关键问题

什么是DTW算法，它如何用于风格轮动？

DTW（动态时间弯曲）是一种弹性度量算法，允许两个时间序列在时间轴上非线性对齐，通过寻找最优弯曲路径使累积距离最小，从而度量序列相似性。在风格轮动中，将当前风格相对收益净值序列与历史各阶段进行DTW匹配，找出最相似的历史阶段，根据其未来收益率加权得到信号，指导风格选择。

如何使用历史相似性判断大小盘风格？

报告基于相对收益视角，计算沪深300与中证2000的相对收益率序列，构建20日相对净值阶段。采用DTW-S-2D算法，在历史上寻找相似度最高的阶段（相似度高于均值+2倍标准差），以相似度和时间衰减加权历史阶段未来5日相对收益率作为信号。信号大于0时配置大盘，小于0时配置小盘。

相似性算法在成长价值轮动中是否有效？

有效。基于创业板综指与红利低波指数的相对收益，同样采用DTW-S-2D算法构建相似性指标。回测显示，2017年以来该策略年化超额收益达15.54%，信息比率1.25。与赔率胜率框架融合后，年化超额收益达15.27%，信息比率1.23。

为什么相对收益视角比绝对收益视角更适合相似性匹配？

绝对收益视角下，大盘和小盘各自匹配的历史阶段时点可能不同，难以直接比较；而相对收益视角直接对风格相对状态进行匹配，避免了在模糊估计结果上做精确比较。回测也证实相对收益策略在大小盘和成长价值上均表现更优。

报告中的代表性数据

10.93%

大小盘轮动策略年化超额收益

2017/01/01-2026/02/27，基于DTW-S-2D算法、均值+2倍标准差阈值、n=20时间衰减的大小盘轮动策略相对等权基准的年化超额收益，信息比率1.18。

15.54%

成长价值轮动策略年化超额收益

2017/01/01-2026/02/27，相同方法下成长价值轮动策略相对等权基准的年化超额收益，信息比率1.25。

18.13%

加入相似性指标后大小盘复合模型年化超额

2017/01/01-2026/02/27，将相似性信号纳入赔率胜率框架后，大小盘复合策略的年化超额收益，较原模型的16.76%提升1.37个百分点。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 四种弹性度量算法（DTW、DTW-S、SBD、MSM）的详细原理介绍与公式推导，帮助读者理解不同算法的适用场景与优劣。
  • 绝对收益视角与相对收益视角构建相似性匹配的具体步骤对比，包括收益率序列处理、历史阶段匹配、相似度加权聚合等环节。
  • 不同相似性算法（DTW、DTW-S-2D、DTW-S-4D、MSM、SBD）在大小盘和成长价值策略上的超额净值曲线对比及收益统计表。
  • 相似度阈值设定的方法：基于过去五年样本的均值加n倍标准差作为筛选下限，并展示不同n值下的策略相对净值曲线，验证参数不敏感性。
  • 时间衰减函数的引入与半衰期参数比较（n=5,8,10,15,20），展示不同半衰期下大小盘和成长价值策略的分段超额统计。
  • 最终相似性策略的绝对净值、相对净值曲线及详细收益统计表（总收益、年化收益、波动率、最大回撤、夏普比率、信息比率等）。
  • 赔率部分：估值差分位数与投资赔率的线性关系图及计算方法，包括账面市值比差值的计算与历史分位数映射。
  • 胜率部分：大小盘和成长价值各自8个胜率指标的详细逻辑梳理表，包括计算方法和信号规则。
  • 复合模型构建：基于凯利公式将赔率与胜率合成配置得分，展示加入相似性指标前后的净值曲线对比与收益统计。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告