浙商证券-金融工程深度：基于成分股择时的指数增强策略-230308

《浙商证券-金融工程深度：基于成分股择时的指数增强策略-230308（12页）.pdf》由会员分享，可在线阅读，更多相关《浙商证券-金融工程深度：基于成分股择时的指数增强策略-230308（12页）.pdf（12页精品完整版）》请在悟空智库报告文库上搜索。

　　核心观点
　　本文将前期研究推出的AlphaCY择时系统应用于股票市场，以不同于因子打分的选股方法，提出一种无因子择时的指增策略构建方法，在沪深300、中证500和中证1000指数应用均得到验证。其中中证1000增强等权组合在2017至2022年实现了84%的累积超额收益，平均年化超额收益11.34%。
　　利用强化学习动态择时构建无因子指增模型有优势
　　AlphaCY智能择时系统利用强化学习框架解决量价模型与因子选股研究中常见的因子失效等问题，为指数增强策略提供了一种无因子择时增强的解决方案。市场行情风格变化和成分股特征变化会随着算法迭代在交易行为评价中体现，从而实现动态自适应的组合策略。
　　无因子择时指增组合表现与指数成分股多样性呈正相关
　　由无因子择时增强策略构建的指增组合表现优异，其中中证1000指增等权组合累积超额收益达84%，中证500指增和沪深300指增分别为71%和49%。指增模型的表现随指数成分股的丰富程度而提升。
　　模型在熊市或指数行情低迷时能提供高于平均水平的超额收益
　　本模型重视成分股的多空判断，因此在熊市或指数行情低迷时更具优势，例如2018年沪深300指增，中证500指增及中证1000指增的超额收益依次为14.56%，25.51%，和27.75%。
　　风险提示
　　通过模型算法构建的策略基于历史数据的统计归纳，模型力求自适应跟踪市场规律和趋势，但仍存失效可能，须谨慎使用。报告内涉及的模型超额收益等指标均限于一定测试时间和测试样本得到，收益指标不代表未来。