核心观点 - 报告使用一种创新性训练方法，将神经网络模型用于进行大盘择时，并定义TSRankIC和偏离度指标以评价择时信号的准确性 [1] - 报告利用在个股上表现较好的选股Alpha因子通过指数成分股聚合的方式，得到指数层面因子值，构建神经网络ETF轮动策略 [2] - 报告将择时与截面两类信号融合，当择时信号给出需要持仓的判断时，具体买入轮动信号所给出的多头组ETF标的，从而实现绝对收益的策略效果 [2] - 神经网络择时与截面叠加的ETF绝对收益策略今年以来收益率21.08%，最大回撤-11.23% [2] 一、神经网络择时策略跟踪 - 报告使用AGRU模型分别训练得到了大盘择时与截面轮动的信号，将两者叠加得到最终的绝对收益策略，评价择时策略表现的方法主要包括时序IC和偏离度 [11] - 时序IC是指每日预测收益率和真实收益率在时序上的秩相关系数 [12] - 偏离度是指计算每日信号和大盘日收益率分别在训练验证集中的百分位，对两者作差并求绝对值，该值越小说明当日信号判断越准确 [13] - 回测默认使用开盘价成交，手续费假设双边千一，择时策略中假设买入中证全指（000985.CSI） [14] - 近一个月收益率-4.03%，最大回撤-4.44%，时序IC为-9.87%，偏离度均值为32.28% [15] - 近三个月收益率-7.31%，最大回撤-7.84%，时序IC为11.60%，偏离度均值为35.37% [15] - 近半年收益率2.85%，最大回撤-7.84%，时序IC为20.02%，偏离度均值为32.54% [15] - 今年以来收益率4.87%，最大回撤-8.38%，时序IC为19.18%，偏离度均值为31.35% [15] - 2020年以来收益率134.59%，最大回撤-11.60%，时序IC为12.59%，偏离度均值为29.40% [15] 二、神经网络截面ETF轮动策略跟踪 - 对于ETF截面轮动策略，报告使用个股Alpha因子根据指数成分股权重聚合至相应指数 [19] - 对于多个ETF跟踪同一指数的情况，筛选规模最大的一只ETF，同时再筛选近20日日均成交额大于2000万的ETF进入候选池，最终得到ETF轮动因子 [19] - 每期等权买入得分最高的前10只ETF形成轮动策略 [19] - 近一个月收益率-5.78%，最大回撤-9.56%，超额收益率-0.38%，超额最大回撤-5.31%，IC均值为-0.37% [20] - 近三个月收益率-3.02%，最大回撤-16.13%，超额收益率9.98%，超额最大回撤-9.78%，IC均值为7.67% [20] - 近半年收益率16.86%，最大回撤-17.34%，超额收益率18.81%，超额最大回撤-12.05%，IC均值为7.00% [20] - 今年以来收益率32.65%，最大回撤-17.34%，超额收益率38.85%，超额最大回撤-12.05%，IC均值为6.07% [20] - 2020年以来收益率704.79%，最大回撤-20.13%，超额收益率567.67%，超额最大回撤-12.05%，IC均值为6.51% [20] 三、神经网络择时与截面叠加的ETF绝对收益策略跟踪 - 结合择时与截面两种信号，当择时信号给出持仓判断时（半仓或满仓），等权买入截面信号所给出的多头组10只ETF，从而实现带有Alpha收益的绝对收益策略 [26] - 近一个月总收益率-3.10%，最大回撤-5.56% [27] - 近三个月总收益率-0.24%，最大回撤-10.66% [27] - 近半年总收益率11.84%，最大回撤-11.23% [27] - 今年以来总收益率21.08%，最大回撤-11.23% [27] - 2020年以来总收益率467.77%，最大回撤-12.77% [27]