核心观点 - K线形态学研究股票价格在下跌、盘整、上升过程中的价格轨迹图形及特征，通过1-5日K线总结出61种常见形态，包括正面、负面和反转形态[1][12] - 形态信号具有离散化、低覆盖和多样化特点，难以直接因子化，需采用离散信号回归加权法构建形态合成因子[1][15][18] - 构建18种形态合成因子，测试显示弹性网回归优于LASSO和一般线性回归，240日系数平均周期表现最佳[2][34][38] - 形态合成因子在中证1000表现最优，多空组合年化收益最高达20.26%，空头效应显著优于多头[3][53][66] - 基于KPT_Elastic_240_m构建的中证1000指增策略年化超额6%，信息比率1.32，分年度超额均为正[4][94][100] K线形态学研究背景 - K线反映多空资金博弈轨迹，形态学研究价格运动图形特征，与波浪理论、均线等存在暗合[11][12] - 前期研究总结61种形态，包括20种看涨、14种看跌和27种反转形态，展示在形态云平台[12][13] - 形态信号具有离散化（仅1/-1）、低覆盖（非每日出现）和多样化（信号重叠/相反）特点[15][17] 形态合成因子构建方法 - 采用离散信号回归加权法，将形态哑变量与下期收益率回归，历史系数加权得到形态因子[19][21] - 使用LASSO和弹性网回归自动筛选有效形态并处理共线性，弹性网综合效果最优[21][23] - 综合当期和滞后d期形态因子等权合成，覆盖率从77%提升至97%[28][30] - 构建18种因子，区分周频/月频调仓、60/120/240日系数周期及不同回归方法[31][32] 因子有效性测试结果 - IC测试显示弹性网240日因子表现最优，KPT_Elastic_240_m的ric正值比例达81.43%[34][38][50] - 分层测试中空头收益显著，KPT_Elastic_240_w多空年化20.26%，多头5.14%空头-15.11%[53][54] - 分域测试中证1000最优，多空年化17.13%，行业测试除消费者服务和银行外均有效[66][74][81] 中证1000指增策略 - 选择KPT_Elastic_240_m构建策略，因其低频特性可降低84%的高换手率影响[88][94] - 策略年化超额6%，跟踪误差4.53%，最大回撤5.86%，信息比率1.32[97][100] - 分年度测试2022年表现最佳（超额5.96%），2021年回撤最大（5.86%）[100][101] - 因子与常见barra风格因子相关性低于0.1，可提供额外信息[89][93]