Workflow
位置参数表
icon
搜索文档
怎样从历史走势规律发现ETF投资机会
华西证券· 2025-06-23 10:39
量化模型与构建方式 1. **模型名称**:极坐标系价量形态分析模型 - **模型构建思路**:通过极坐标系精确刻画指数价格与成交金额的变化形态,结合历史规律预测未来涨幅[8][11][13] - **模型具体构建过程**: 1. **直角坐标系划分**:将价量变化分为四个象限(放量上涨、放量下跌、缩量下跌、缩量上涨)[9][11] 2. **极坐标转换**: - **极角计算**:$$\theta = \arctan2(\text{成交变化幅度}, \text{价格变化幅度})$$[15] - **极径计算**(马氏距离):$$\rho={\sqrt{(x-y)^{T}\cdot\Sigma^{-1}\cdot(x-y)}}$$,其中\(x\)为当前价量向量,\(y\)为历史均值向量,\(\Sigma\)为协方差矩阵[14][15] 3. **区域划分**:极径等分5段,极角等分16个区域(共80个区域),统计各区域历史平均未来涨幅[31][42] - **模型评价**:通过多周期历史数据验证,极坐标系能更精准定位价量形态与未来收益的关系[20][35] 2. **模型名称**:位置参数表模型 - **模型构建思路**:建立历史价量形态与未来涨幅的映射关系表,用于预测ETF收益[36][40] - **模型具体构建过程**: 1. **多周期分析**:固定未来20日涨幅,遍历历史5-240日价量周期,筛选有效预测周期[40][47] 2. **参数表生成**:聚合不同时间窗口(全样本、固定窗口、滚动窗口)的历史极坐标区域与未来涨幅均值[53][56][60] - **模型评价**:滚动窗口参数表表现最优,样本外超额收益显著[60][65] --- 量化因子与构建方式 1. **因子名称**:极径因子 - **因子构建思路**:衡量价量变化的幅度(马氏距离),反映波动强度[14][15] - **因子具体构建过程**:同极径计算公式$$\rho$$[14] 2. **因子名称**:极角因子 - **因子构建思路**:刻画价量变化的方向比例(成交与价格变化的相对关系)[15][20] - **因子具体构建过程**:同极角计算公式$$\theta$$[15] --- 模型的回测效果 1. **极坐标系价量形态分析模型** - **滚动窗口组合**:2021-2025年累计收益358.64%,年化收益17.45%,超额ETF等权组合77.51%[60][65] - **固定窗口组合**:同期累计收益264.93%,年化收益14.65%[57][65] - **全样本组合**:年化收益17.27%,但含未来信息[56][65] 2. **位置参数表模型** - **最优区域预测**:放量下跌且极角特定范围的指数未来20日表现最佳[35][42] --- 因子的回测效果 1. **极径因子**:高极径区域(波动剧烈)与未来涨幅非线性相关,需结合极角分析[31][42] 2. **极角因子**:0°-90°(放量上涨)和180°-270°(缩量下跌)区域历史收益分化显著[20][35] --- 关键数据引用 - 极坐标系划分依据[11][19] - 马氏距离公式[14][15] - 滚动窗口组合超额收益[60][65]