核心观点 本报告提出了一种基于相似性算法的风格轮动策略，旨在通过寻找与当前市场走势相似的历史阶段，来预测未来风格（大小盘、成长价值）的相对表现，并生成交易信号。报告的核心结论是，基于相对收益视角、采用带约束的动态时间规整算法（DTW-S-2D）构建的相似性指标，能够有效指导风格轮动，并且可以显著提升作者团队此前提出的基于赔率和胜率的复合轮动框架的表现[1][4]。 一、算法介绍与比较 - **DTW算法**：允许时间序列非线性对齐，解决时间轴偏移问题，但对整体趋势匹配效果好，缺点是计算量大且易出现过度扭曲[4][12][22] - **DTW-S算法**：在DTW基础上引入Sakoe-Chiba带状约束，限制路径在对角线附近移动，能提升计算效率并防止过度扭曲，例如设置窗口为2时，允许A序列一日的行情在B序列3日内完成相似走势[4][23][28] - **SBD算法**：基于形状匹配，抗干扰能力强且计算效率高（通过FFT加速），但局部模式识别能力弱，对全局轮廓相似的序列更有效[4][31][35] - **MSM算法**：操作设计直观，对时间轴畸变鲁棒性强，但受关键代价参数c影响较大，计算复杂度为O(nm)[4][36][40] 二、模型构建关键发现 - **收益视角选择**：相对收益视角（直接比较风格间的相对净值）明显优于绝对收益视角（分别比较各风格的绝对净值）。原因在于绝对视角下两个风格的最相似历史阶段可能不匹配，且在模糊的估计结果上进行精确比较有失偏颇[4][42][54] - **算法有效性比较**：DTW系列算法整体表现最为稳健，相互间差异不大；MSM算法在大小盘策略中相对偏弱；SBD算法在成长价值策略中表现不佳。结合主观逻辑，允许当日行情在3日内完成相似走势（DTW-S-2D）比5日内（DTW-S-4D）更为合理，因此最终选用DTW-S-2D[4][54] - **相似阈值设定**：以近五年样本数据的均值加两倍标准差作为相似度下限的筛选标准，该阈值对标准差倍数参数不敏感[4][61][71] - **时间衰减改进**：引入时间衰减函数（半衰期n年）为历史阶段的权重，认为时间更近的阶段因市场环境更相似而更具参考价值。该改进对大小盘策略形成有效性提升，当n取20时表现较好；对成长价值策略影响不显著，但为保持一致性，两者均采用n=20[4][76][80] 三、独立相似性策略表现 - **大小盘轮动策略**：采用DTW-S-2D算法并引入时间衰减（n=20）后，策略总收益达**246.84%**，年化超额收益为**10.93%**，信息比率为**1.18**，最大回撤为**12.43%**[82][85] - **成长价值轮动策略**：采用相同配置，策略总收益达**512.02%**，年化超额收益为**15.54%**，信息比率为**1.25**，最大回撤为**15.47%**[82][89] 四、与赔率胜率框架的融合提升 - **框架回顾**：作者团队已有的复合模型结合了“赔率”（基于估值差分位数与历史收益率的线性关系）和“胜率”（基于多个宏观、市场、动量等指标）来生成配置信号[91][97][100] - **融合效果**：将前述相似性指标作为一个新的胜率指标纳入原有框架后，策略表现得到显著边际改善[4][100] - **大小盘策略**：年化超额收益从**16.76%** 提升至 **18.13%**，信息比率从 **1.85** 提升至 **2.01**[4][100][102] - **成长价值策略**：年化超额收益从**13.79%** 提升至 **15.27%**，信息比率从 **1.11** 提升至 **1.23**[4][100][107]