1、 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 金工金工 绝对收益型绝对收益型 ETF 轮动策略轮动策略 华泰研究华泰研究 2022 年 2 月 27 日中国内地 深度研究深度研究 随着随着 ETF 产品种类不断丰富，产品种类不断丰富，ETF 轮动策略的轮动策略的吸引力正在吸引力正在不断提高不断提高 ETF 产品具有交易费用低、操作便捷、规则透明等优势，基于 ETF 构建的轮动组合已经具备越来越高的吸引力： 首先 ETF 发布数量和规模快速增长，仅 2021 年新成立的 ETF 数量就超过了 270 只；其次是 ETF 产品交易费用低，相比于主动管理基金产品更

2、适合高频调仓；最后 ETF 可以跟踪市场热点，覆盖绝大多数的宽基以及行业主题指数。本研究挑选了 29 只行业主题型 ETF 以及三只债券、黄金和货基 ETF，按照资产配置和行业轮动的思路构建了绝对收益型的 ETF 组合。 策略总体表现比较稳健， 比如 2015 年至今5%目标波动版本策略可以达到 12.12%的年化收益以及 2.07 的夏普比。 本文从自上而下的视角进行了绝对收益型本文从自上而下的视角进行了绝对收益型 ETF 轮动策略的构建轮动策略的构建 本文从自上而下的视角给出了一套绝对收益型 ETF 轮动策略的构建方法：大类资产层面，采用“时序动量+风险预算分配+目标波动率控制”方式构建相

3、对稳健的战略配置模型；权益资产层面，采用“景气度+资金流+拥挤度”的方式构建行业主题指数轮动模型，进一步增厚策略的收益。股债商品的均衡配置决定了整个 ETF 轮动组合的风险收益特征，而行业主题 ETF 间的轮动效果决定了组合博取收益的能力。 战略资产配置战略资产配置：基于：基于时序时序动量的大类资产配置策略动量的大类资产配置策略 战略配置层面需要构建股票、 债券、 黄金以及货币基金四类资产的配置模型。本研究基于“时序资产动量+风险预算分配+目标波动率控制”的思路进行策略构建。首先为了匹配时序动量的配置观点，我们采用了层次化预算分配方法进行风险预算调整。其次为了实现对组合波动率的控制，我们构建了

4、二次优化方法对资产权重进行调整。最后为了降低动量策略的过拟合风险，我们引入 CSCV 框架进行回测过拟合检验，评估参数选取过程中的过拟合风险；此外我们会在多种条件下回测来寻找相对稳定的参数平台，尽量选取有代表性的动量指标来提高模型的鲁棒性。 战术资产配置：战术资产配置：基于基于“景气度“景气度+资金流资金流+拥挤度”拥挤度”的行业主题的行业主题 ETF 轮动轮动策略策略 战术配置层面主要通过行业主题 ETF 轮动来增厚模型收益。我们推荐采用“景气度+资金流+拥挤度”的方式进行策略构建。其中景气度是核心维度，主要基于财报以及一致预期数据挖掘行业内在的景气价值变化情况。 资金流和拥挤度是辅助维度，

5、通过监测 ETF 指数的资金流入流出情况以及拥挤状态进行权重调整。根据 2017 年至今的回测结果显示，三维度叠加的 ETF轮动策略展现出稳定的回测效果， 相对于沪深300的年化超额收益率在20%以上，超额收益最大回撤在-13%以下，月度调仓胜率超过 65%。 终版配置策略：资产配置与行业主题轮动策略的有机结合终版配置策略：资产配置与行业主题轮动策略的有机结合 将资产配置与行业主题轮动策略结合的 ETF 轮动组合展示出了稳健的回测表现：从 2015 年至今 3%、5%和 7%三种目标波动版本策略的夏普比率分别可以达到 2.10、1.87 和 1.69，年化收益率分别可以达到 7.69%、11.

6、32%和 14.40%。如果将债券资产从十年国债 ETF 替换为城投债 ETF，三种目标波动策略的夏普比率可以进一步提高到 2.57、2.07 和 1.78，年化收益率分别可以提高到 8.52%、12.12%和 15.00% 风险提示：模型根据历史规律总结，历史规律可能失效；市场出现超预期波动，导致拥挤交易；报告中涉及到的具体行业、基金或股票不代表任何投资意见，请投资者谨慎、理性地看待。 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 金工研究金工研究 正文目录正文目录 绝对收益型绝对收益型 ETF 轮动策略核心思路轮动策略核心思路 . 5 随着 ETF 产品种类不断丰富，构

7、建轮动策略的可行性不断提高 . 5 自上而下的 ETF 轮动策略基本思路 . 6 战略配置策略：基于时序动量的大类资产配置策略战略配置策略：基于时序动量的大类资产配置策略 . 7 资产配置策略基本思路 . 7 问题一：为什么时序动量优于截面动量？ . 8 问题二：资产间预算如何分配？. 9 问题三：如何在不增加杠杆的基础上进行目标波动率控制？ . 9 问题四：如何降低组合的过拟合风险？ . 11 趋势追踪指标的汇总与梳理. 12 趋势追踪指标评价筛选以及最终策略结果 . 14 战术资产配置： “景气度战术资产配置： “景气度+ +资金资金流流+ +拥挤度拥挤度”配置策略配置策略 . 17 “景

8、气度+资金流+拥挤度”ETF 轮动策略 . 17 行业主题 ETF 评价筛选 . 17 基于景气度的 ETF 轮动策略 . 19 景气度指标构建方法 . 19 景气度指标筛选 . 21 景气度指标复合 . 23 基于资金流的 ETF 轮动策略 . 25 资金流指标构建方法 . 25 资金流指标筛选 . 26 资金流指标复合 . 27 基于拥挤度控制 ETF 轮动组合风险 . 29 拥挤度指标构建方法 . 29 拥挤度指标筛选 . 30 拥挤度指标复合 . 32 “景气度+资金面+拥挤度”ETF 轮动策略 . 33 绝对收益型的绝对收益型的 ETF 轮动策略轮动策略 . 34 资产配置和行业主题

9、 ETF 轮动策略相结合 . 34 终版策略回测效果 . 35 风险提示. 37 附录一：趋势追踪指标计算方法汇总附录一：趋势追踪指标计算方法汇总 . 38 类别 1：原始信号与 0 比较 . 38 类别 1-1：原始信号不做平均化处理 . 38 类别 1-2：原始信号做一次平均化处理 . 40 类别 1-3：原始信号做两次平均化处理 . 42 类别 1-4：一次平均与两次平均结合 . 42 类别 2：原始信号的快线和慢线比较 . 43 类别 2-1：原始信号不做平均化处理 . 43 类别 2-2：原始信号做一次平均化处理 . 44 类别 2-3：原始信号做二次平均化处理 . 45 类别 2-

10、4：原始信号进行一次与两次平均化结合处理 . 45 类别 3：原始信号的正负数值比较 . 47 类别 3-1：原始信号不做平均化处理 . 47 类别 3-2：原始信号做一次平均化处理 . 48 附录二：行业主题附录二：行业主题 ETF 筛选参照数据筛选参照数据 . 49 周期板块 ETF 筛选 . 49 消费板块 ETF 筛选 . 51 医药板块 ETF 筛选 . 53 科技板块 ETF 筛选 . 55 高端制造板块 ETF 筛选 . 59 eWdYwVlYlXeVMBmNpOqQbRaObRtRoOnPsQkPrRoMlOmOvN6MmMwPMYpNvMMYtRnQ 免责声明和披露以及分析师

11、声明是报告的一部分，请务必一起阅读。 3 金工研究金工研究 金融板块 ETF 筛选 . 62 图表目录图表目录 图表 1： 不同资产类型 ETF 产品规模变化情况 . 5 图表 2： 不同资产类型 ETF 产品个数变化情况 . 5 图表 3： 不同类权益型 ETF 产品规模变化情况 . 5 图表 4： 不同类权益型 ETF 产品个数变化情况 . 5 图表 5： 绝对收益型 ETF 轮动策略构建思路 . 6 图表 6： 大类资产基准指数选取 . 7 图表 7： 基于动量的大类资产配置策略构建流程. 7 图表 8： 检验相关系数影响的测试流程 . 8 图表 9： 截面动量策略夏普比率表现 . 8

12、图表 10： 时序动量策略夏普比率表现 . 8 图表 11： 本研究计算采用的大类资产基准指数日收益率相关系数 . 8 图表 12： 大类资产风险预算分配方法 . 9 图表 13： 在确定风险预算下的资产权重求解以及目标波动率控制流程 . 10 图表 14： 目标波动率控制下的股债商品风险平价策略 . 10 图表 15： 不同目标波动率控制下风险平价策略净值走势 . 10 图表 16： 二次优化对于策略波动率控制的影响 . 11 图表 17： 未进行二次优化时资产权重分配情况 . 11 图表 18： 进行二次优化后进攻资产权重上升 . 11 图表 19： CSCV 回测过拟合验证框架 . 11

13、 图表 20： 本研究采用的趋势追踪指标分类 . 12 图表 21： 时间窗口对于趋势追踪指标回测结果的影响也非常鲜明 . 13 图表 22： 趋势追踪指标具体参数设定范围 . 13 图表 23： 3%目标波动率控制条件下趋势追踪指标回测结果 . 14 图表 24： 5%目标波动率控制条件下趋势追踪指标回测结果 . 14 图表 25： 7%目标波动率控制条件下趋势追踪指标回测结果 . 15 图表 26： 基于复合指标的趋势追踪策略回测净值 . 15 图表 27： 基于复合指标的趋势追踪策略回测风险指标 . 15 图表 28： 基于复合指标的趋势追踪策略持仓明细（3%目标波动） . 16 图表

14、29： 基于复合指标的趋势追踪策略持仓明细（5%目标波动） . 16 图表 30： 基于复合指标的趋势追踪策略持仓明细（7%目标波动） . 16 图表 31： “景气度+资金流+拥挤度”ETF 轮动策略 . 17 图表 32： 板块划分以及对应行业划分 . 18 图表 33： 最终筛选的行业主题型 ETF 列表 . 18 图表 34： 景气度指标构建方法 . 19 图表 35： 景气度指标构建示例（以销售毛利率环比指标为例） . 20 图表 36： 单项景气度指标复合方法 . 20 图表 37： 景气度指标样本内和样本外年化超额收益对比 . 21 图表 38： 样本内外年化超额收益均在 1%以

15、上的景气度指标列表 . 21 图表 39： 剔除相关性较高的指标后剩余的景气度指标 . 22 图表 40： 最终纳入构建复合景气度的指标个数以及对应的策略表现（多头选 5 个 ETF 跟踪指数） . 22 图表 41： 纳入指标个数与策略最终表现 . 22 图表 42： 最近半年 ETF 跟踪指数景气度变化情况 . 23 图表 43： 基于 ETF 跟踪指数计算的多空组合回测收益情况 . 23 图表 44： 基于景气度的 ETF 轮动策略回测净值 . 24 图表 45： 基于景气度的 ETF 轮动策略回测相对净值 . 24 图表 46： 本文构建的资金流向指标包含的数据类型 . 25 图表 4

16、7： 资金流指标构建方式 . 25 图表 48： 北向资金和两融资金指标样本内和样本外回测收益变化情况 . 26 图表 49： 筛选出的资金流指标分层回测情况 . 26 图表 50： 产业资本相关多空头阈值回测年化超额收益 . 27 图表 51： 最新一期各 ETF 资金流指标打分情况（2022 年 1 月 28 日） . 27 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 4 金工研究金工研究 图表 52： 基于复合资金流指标的 ETF 轮动策略回测风险指标 . 28 图表 53： 基于复合资金流指标的 ETF 轮动策略回测净值 . 28 图表 54： 基于复合资金流指标的

17、ETF 轮动策略回测相对净值 . 28 图表 55： 拥挤度指标构建维度 . 29 图表 56： 最终构建的拥挤度指标以及对应参数选取范围 . 29 图表 57： 拥挤度指标的有效性体现在当拥挤度较高时，指数的下行风险会逐渐增大 . 30 图表 58： 买入拥挤行业负向测试过程示例 . 30 图表 59： 拥挤度指标测试结果 . 31 图表 60： 化工 ETF 与沪深 300 的相对净值和复合拥挤度指标对比 . 32 图表 61： 复合拥挤度指标回测年化超额收益率 . 32 图表 62： 复合拥挤度指标回测调仓胜率 . 32 图表 63： 复合拥挤度指标回测风险收益指标 . 32 图表 64

18、： “景气度+资金流+拥挤度”复合策略回测相对净值（基准为沪深 300） . 33 图表 65： “景气度+资金流+拥挤度”复合策略回测相对净值 . 33 图表 66： 时序动量+目标波动率控制资产配置策略 . 34 图表 67： “景气度+资金流+拥挤度”行业主题 ETF 轮动策略 . 34 图表 68： 不同层次策略叠加后回测风险指标（3%目标波控） . 35 图表 69： 不同层次策略叠加后回测净值（3%目标波控） . 35 图表 70： 不同层次策略叠加后回测风险指标（5%目标波控） . 36 图表 71： 不同层次策略叠加后回测净值（5%目标波控） . 36 图表 72： 不同层次策

19、略叠加后回测风险指标（7%目标波控） . 36 图表 73： 不同层次策略叠加后回测净值（7%目标波控） . 36 图表 74： 替换债券资产后策略回测结果变化情况 . 37 图表 75： 替换债券资产后策略净值变化情况 . 37 图表 76： 筛选的周期板块相关 ETF . 49 图表 77： 周期板块相关 ETF 信息整理 . 49 图表 78： 周期板块相关 ETF 跟踪指数历年收益统计信息整理 . 50 图表 79： 周期板块相关 ETF 跟踪指数持有子行业比例 . 50 图表 80： 筛选的消费板块相关 ETF . 51 图表 81： 消费板块相关 ETF 信息整理 . 51 图表

20、82： 消费板块相关 ETF 跟踪指数历年收益统计信息整理 . 52 图表 83： 消费板块相关 ETF 跟踪指数持有子行业比例 . 52 图表 84： 筛选的医药板块相关 ETF . 53 图表 85： 医药板块相关 ETF 信息整理 . 53 图表 86： 医药板块相关 ETF 跟踪指数历年收益统计信息整理 . 54 图表 87： 医药板块相关 ETF 跟踪指数持有子行业比例 . 54 图表 88： 筛选的科技板块 ETF 指数 . 55 图表 89： 科技板块相关 ETF 信息整理（第一部分） . 55 图表 90： 科技板块相关 ETF 信息整理（第二部分） . 56 图表 91： 科

21、技板块相关 ETF 跟踪指数历年收益统计信息整理 . 57 图表 92： 科技板块相关 ETF 跟踪指数持有子行业比例 . 58 图表 93： 筛选的高端制造板块 ETF 指数 . 59 图表 94： 高端制造板块相关 ETF 跟踪指数历年收益统计信息整理 . 59 图表 95： 高端制造板块相关 ETF 跟踪指数持有子行业比例 . 60 图表 96： 高端制造板块相关 ETF 信息整理 . 61 图表 97： 筛选的金融板块相关 ETF 列表 . 62 图表 98： 金融板块相关 ETF 基本信息 . 62 图表 99： 金融板块相关 ETF 跟踪指数历年收益统计信息整理 . 63 图表 1

22、00： 金融板块相关 ETF 跟踪指数持有子行业比例 . 63 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 5 金工研究金工研究 绝对收益型绝对收益型 ETF 轮动策略核心思路轮动策略核心思路 随着随着 ETF 产品种类不断丰富，产品种类不断丰富，构建构建轮动策略的轮动策略的可行性可行性不断提高不断提高 ETF 产品因为交易费用低、操作便捷、规则透明等优点，已经成为市场上越来越重要的投资工具。从统计数据来看，截止到 2021 年全市场 ETF 产品已经超过 600 只，仅 2021 年内新成立的 ETF 数量就超过了 270 只。随着 ETF 产品规模不断增加、种类不断丰富，

23、仅基于 ETF 构建的轮动组合也具有越来越强的吸引力： 首先 ETF 产品的手续费低、适应高频调仓，相比于主动基金能够实现月度乃至周度的快速调仓；其次是 ETF 种类不断丰富，从基础的股票债券以及货币 ETF，再到不断扩充的商品期货 ETF，可投资标的类型逐渐增加；最后是权益类 ETF 可以跟踪股票市场热点，能够覆盖绝大多数的宽基以及行业主题指数。 从 ETF 产品存续情况来看，构建绝对收益型的 ETF 组合需要面对两个关键问题： 1. 第一个是如何在资产类型不够丰富的情况下构建稳健的资产配置组合。从可投资标的来看，ETF 产品主要存在股票、债券、黄金和货币基金四种资产，其他诸如豆粕、有色、能

24、源化工 ETF 的规模普遍低于 5 亿，难以进行大规模配置。所以想要实现绝对收益型的 ETF 策略，需要构建有效的股债黄金资产配置模型。 2. 第二个是如何通过有效的轮动模型来增厚权益资产表现。ETF 规模的快速增加，主要原因是近些年赛道投资的兴起， 相关的行业主题型 ETF 已经成为权益投资的热门资产。如何采用有效的策略在不同赛道之间进行切换，将是 ETF 组合博取超额收益的关键。 图表图表1： 不同资产不同资产类型类型 ETF 产品规模变化情况产品规模变化情况 图表图表2： 不同资产类型不同资产类型 ETF 产品产品个数个数变化情况变化情况 资料来源：Wind，华泰研究 资料来源：Wind

25、，华泰研究 图表图表3： 不同类不同类权益权益型型 ETF 产品规模变化情况产品规模变化情况 图表图表4： 不同类权益型不同类权益型 ETF 产品个数变化情况产品个数变化情况 资料来源：Wind，华泰研究 资料来源：Wind，华泰研究 050030035040045050001,0002,0003,0004,0005,0006,0007,0008,0009,00010,000200202021单位：亿元单位：亿元股票型ETF货币型ETF债券型ETF（右轴）商品型ETF（右轴）3530481527272727

26、2700500600200202021股票型ETF债券型ETF商品型ETF货币型ETF00500600700800900100005001,0001,5002,0002,5003,0003,5004,0004,5005,000200202021单位：亿元单位：亿元行业主题宽基指数概念主题（右轴）Smart Beta（右轴）4920262738396497200250200202021概念主题行业主题宽基指数Smart B

27、eta 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 6 金工研究金工研究 自上而下自上而下的的 ETF 轮动轮动策略策略基本思路基本思路 本文将采取自上而下的方式进行绝对收益型 ETF 轮动策略构建：大类资产层面，采用“时序动量+风险预算分配+目标波动率控制”方式构建相对稳健的战略配置模型；权益资产层面，采用“景气度+资金流+拥挤度”的方式构建行业主题 ETF 轮动模型，进一步增厚策略收益。在策略构建过程中，本研究将主要解决三个核心问题： 1 首先， 如何构建适配于现有 ETF 资产类别的动量配置策略， 并且有效降低过拟合风险。为了降低参数选取的过拟合概率，我们尽量采用具有经

28、济学含义的指标参数，并且引入CSCV 回测过拟合方法测算模型的过拟合风险，提高模型的鲁棒性。 2 其次，如何在不加杠杆的情况下进行组合波动率控制，优化资产权重。我们会基于动量观点进行层次化风险预算分配， 并在此基础上通过多次优化的方法求解满足目标波动率设定条件的资产权重。 3 最后，如何基于 ETF 跟踪指数的成分股信息构建有效的行业主题策略。后文给出的主题行业 ETF 轮动策略主要从自下而上的角度构建， 利用成分股信息计算指数的景气度、资金流以及拥挤度指标， 根据微观数据的变化构建收益稳定的行业主题 ETF 轮动模型。 本研究给出的策略将立足现有的 ETF 产品类型，力求从尽量贴近实际交易的

29、角度对策略进行分析。所以除了对传统资产配置和行业主题轮动策略的开发，我们还开展了 ETF 评价筛选工作，提高产品落地配置的效果。 后文将按照自上而下的顺序对整套框架的核心策略思路进行介绍，分别按照大类资产时序动量策略、基于景气度的行业主题 ETF 轮动策略、基于资金面以及拥挤度的轮动策略顺序进行介绍。 图表图表5： 绝对收益型绝对收益型 ETF 轮动策略构建思路轮动策略构建思路 资料来源：Wind，华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 7 金工研究金工研究 战略配置策略战略配置策略：基于：基于时序时序动量的大类动量的大类资产配置资产配置策略策略 资产配置资产配

30、置策略策略基本思路基本思路 在战略配置层面我们基于“大类资产动量+风险预算分配+目标波动率控制”的核心思路进行资产权重的计算，具体过程如下： 1. 基准指数基准指数确定确定：分别选取沪深 300、中债-国债总财富（7-10 年）指数、伦敦金现、货币基金指数作为股、债、商品、货币的基准指数，每个基准资产都能找到可投资的 ETF标的。大类资产配置策略有效性分析都基于基准指数进行。 2. 时序动量计算时序动量计算： 基于时序动量的方式构建资产配置策略，即每个资产单独根据动量模型给出月度配置观点。 3. 风险预算分配风险预算分配：对选中资产的风险预算等权分配，将未被选中资产的风险预算置为零。不过为了兼

31、顾组合波动控制要求，我们会规定每个调仓截面必须有进攻资产（股票或是商品）被选中，所以当动量模型同时看空股票和商品时，我们会将股票和商品的观点强制调整为看多。 4. 组合优化求解组合优化求解： 采用二次优化方法进行最终资产权重求解， 第一次优化的目的是求解满足风险预算分配的资产组合权重， 第二次优化的目的是对资产权重微调以进行目标波动率控制。 5. 指标参数筛选指标参数筛选：结合组合对称交叉验证（CSCV）框架进行回测过拟合检验，评估参数选取过程中的过拟合风险。我们会在多种条件下测试，寻找相对稳定的参数平台，并尽量选取有代表性的动量指标以及参数。 图表图表6： 大类资产基准指数大类资产基准指数选

32、取选取 类别类别 基准指数基准指数 wind 代码代码 可投资可投资 ETF 示例示例 股票 沪深 300 000300.SH 沪深 300ETF（510300.SH） 债券 中债-国债总财富（7-10 年）指数 CBA00651.CS 十年国债 ETF（511260.SH） 商品 伦敦金现 SPTAUUSDOZ.IDC 黄金 ETF（518880.SH） 货币 货币基金 H11025.CSI 银华日利（511880.SH） 资料来源：Wind，华泰研究 图表图表7： 基于动量的大类资产配置策略构建流程基于动量的大类资产配置策略构建流程 资料来源：Wind，华泰研究 免责声明和披露以及分析师声

33、明是报告的一部分，请务必一起阅读。 8 金工研究金工研究 问题一：问题一：为什么时序动量优于截面动量为什么时序动量优于截面动量？ 趋势追踪策略主要有时序动量与截面动量两种形式。时序动量策略是指在调仓日只要触发了资产的买入信号就会配置；截面策略则是在调仓日筛选动量排名靠前的资产进行配置。 在报告 行业配置策略： 趋势追踪视角 （2020-09-01） 中， 我们提取了实际资产的收益率、波动率以及相关系数矩阵，采用几何布朗运动模型生成虚拟价格序列测算相关系数对于趋势追踪策略回测结果的影响。 计算结果显示：截面策略的表现随着资产间相关系数的增大而有所提升，而时序策略的表现随着资产间相关系数的增大而出

34、现下降。相关性大的资产间收益率差异较小，更适合通过截面动量的方式对资产进行相对比较；而相关性小的资产独立性更强，适合通过时序动量策略独立判断各资产买入信号。 本篇报告中，我们选取的大类资产指数完全独立，不存在关联性，更适合通过时序动量的方式构建策略。 图表图表8： 检验相关系数影响的测试流程检验相关系数影响的测试流程 资料来源：Wind，华泰研究 图表图表9： 截面动量策略夏普比率表现截面动量策略夏普比率表现 图表图表10： 时序动量策略夏普比率表现时序动量策略夏普比率表现 资料来源：Wind，华泰研究 资料来源：Wind，华泰研究 图表图表11： 本研究计算采用的大类资产基准指数日本研究计算

35、采用的大类资产基准指数日收益率收益率相关系数相关系数 沪深沪深 300 长期国债长期国债 伦敦金现伦敦金现 货币基金货币基金 沪深 300 1.0000 -0.0872 0.0359 0.0079 长期国债 -0.0872 1.0000 0.0338 0.0573 伦敦金现 0.0359 0.0338 1.0000 0.0196 货币基金 0.0079 0.0573 0.0196 1.0000 注：计算时间区间为 2010 年 1 月 1 日至 2022 年 1 月 31 日 资料来源：Wind，华泰研究 7.81%8.83%9.22%9.66%10.27%0%2%4%6%8%10%12%-0

36、.200.20.50.8趋势追踪指标夏普比率平均值资产相关系数13.54%13.41%12.36%10.63%7.85%0%2%4%6%8%10%12%14%16%-0.200.20.50.8趋势追踪指标夏普比率平均值资产相关系数 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 9 金工研究金工研究 问题问题二二：资产间预算如何分配资产间预算如何分配？ 大类资产间的风险预算主要按照风险平价的原则进行分配，在时序动量选中的大类资产间风险预算等权分配，未选中的资产预算分配为 0。 不过我们为了保证最终的资产组合目标波动率可控，需要对原始的时序动量观点进行修正，每个调仓截面上需要保证至

37、少有一个进攻资产被选中。所以在分配预算时，如果股票和商品的配置观点都是看空，我们就强制将其调整为看多。 强制规定一定选中进攻资产的原因也比较直观：我们将策略年化波动率目标设置在 3%-7%之间，而沪深 300 和黄金年化波动率一般大于 10%，债券和货基波动率一般小于 3%。所以至少有一个进攻资产被选中时才能保证资产组合的波动率达到 3%以上水平。 图表图表12： 大类资产风险预算分配方法大类资产风险预算分配方法 注：图中数据计算时间区间为 2010 年 1 月 1 日至 2022 年 1 月 31 日 资料来源：Wind，华泰研究 问题问题三三：如何在不增加如何在不增加杠杆杠杆的的基础上基础

38、上进行目标进行目标波动率波动率控制控制？ ETF 组合为纯多头组合，需要在资产权重不超过 100%的情况下进行组合波动率控制。后文中在计算时，我们考虑 3%、5%、7%三种波动率形式。在设定好目标波动率情况下，将采用以下流程进行组合风险控制： 1. 基于时序动量信号分配风险预算，采用 CCD 算法初步求解资产权重1。求解过程中采用 250 日半衰期加权的协方差矩阵计算风险贡献。 2. 计算组合预测波动率= 11。 3. 如果当前组合的预测波动率高于设定目标波动率， 则等比例缩小资产权重1，得到2= 1 。 4. 如果当前组合的预测波动率小于设定目标波动率， 需要进一步调整资产权重来实现目标波动

39、率。 我们以组合目标波动为约束条件， 以相对于1的权重差作为优化目标，基于线性规划法求解权重2： 2= min( 1)( 1) . () 1 = 5. 余下未分配资产权重即为货币基金= 1 (2)。 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 10 金工研究金工研究 图表图表13： 在确定风险预算下的资产权重求解以及目标波动率控制在确定风险预算下的资产权重求解以及目标波动率控制流程流程 资料来源：Wind，华泰研究 加入二次优化方法可以对风险平价组合进行波动率调整。从回测结果上来看，目前策略可以有效实现目标波动率设定。未进行二次优化的风险平价组合，在不加杠杆的情况下难以将波动

40、率提高到 5%以上水平 图表图表14： 目标波动率控制下的目标波动率控制下的股债商品风险平价策略股债商品风险平价策略 策略类型策略类型 年化收益率年化收益率 年化波动率年化波动率 夏普比率夏普比率 最大回撤最大回撤 月度胜率月度胜率 风险平价+3%目标波动 4.77% 3.15% 1.51 -4.86% 66.67% 风险平价+5%目标波动 5.57% 5.28% 1.06 -10.02% 60.71% 风险平价+7%目标波动 5.79% 7.46% 0.78 -15.36% 58.33% 资料来源：Wind，华泰研究 图表图表15： 不同不同目标波动率控制下目标波动率控制下风险平价策略风险平

41、价策略净值走势净值走势 资料来源：Wind，华泰研究 0.80.91.01.11.21.31.41.51.62000212022风险平价+3%目标波控风险平价+5%目标波控风险平价+7%目标波控 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 11 金工研究金工研究 图表图表16： 二次优化对于策略波动率控制的影响二次优化对于策略波动率控制的影响 策略表现策略表现 年化收益率年化收益率 年化波动率年化波动率 夏普比率夏普比率 最大回撤最大回撤 月度胜率月度胜率 风险平价+5%目标波动（未进行二次优化） 5.02% 3.46% 1.45

42、-5.20% 64.29% 风险平价+5%目标波动（进行二次优化） 5.57% 5.28% 1.06 -10.02% 60.71% 资料来源：Wind，华泰研究 图表图表17： 未进行二次未进行二次优化时资产权重分配情况优化时资产权重分配情况 图表图表18： 进行二次优化后进行二次优化后进攻资产权重上升进攻资产权重上升 资料来源：Wind，华泰研究 资料来源：Wind，华泰研究 问题问题四四：如何降低组合的过拟合风险：如何降低组合的过拟合风险？ 我们引入组合对称交叉验证（CSCV）框架计算策略的过拟合概率，筛选过拟合风险较小的指标提高策略的可靠性。 华泰金工人工智能系列报告 （ 基于 CSCV

43、 框架的回测过拟合概率 ，2019-6-17）对于 CSCV 框架做出详尽介绍。 简单来说此方法通过对历史收益率序列打乱重排，进行测试集和训练集的划分计算指标的过拟合概率，过拟合概率低于 50%的指标可以判定为过拟合风险较小。 在动量指标的参数设定过程中，我们会尽量采用具有经济学含义的参数进行相关计算。比如时间窗口尽量选取 20 日（1 个月） 、40 日（2 个月） 、60 日（3 个月）等常用参数。 在遍历参数之后，我们也会尽量选取具有参数平台的指标。希望寻找到一些普遍效果较好的参数，捕捉到数据背后的规律。 图表图表19： CSCV 回测过拟合验证框架回测过拟合验证框架 资料来源：Wind

44、，华泰研究 0%20%40%60%80%100%20021股票债券商品现金0%20%40%60%80%100%20021股票债券商品现金 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 12 金工研究金工研究 趋势追踪指标的汇总与梳理趋势追踪指标的汇总与梳理 下表给出本文整理的 37 个趋势追踪指标，主要从基础数据选取、滤波计算方式、均线计算次数和信号生成方式四个角度对这些指标进行归类： 1. 基础数据选取：趋势追踪指标基础数据分为收盘价或收益率两种类型。选用收盘价或是收益率来构建策略实质上就是选择利用价格自身还是利用价格变动趋势构建策

45、略。 2. 滤波计算方式： 滤波本质上是对原始序列进行平滑处理， 常见方法的有移动平均 （MA） 、指数平均（EMA） 、加权平均（WMA）等，还有更为复杂的回归分析（REG）等方式。 3. 均线计算次数：较为常见的是直接采用原始信号或是对信号进行一次平均或两次平均的计算。求取均线使得短期波动信息被滤去，平均次数越多，数据越平滑。 4. 信号生成方式：经过处理后的数据需要转化成买入和卖出信号，比较典型的三种信号生成方式是：与零比较、快慢线比较以及正负收益比较。 所有整理的趋势追踪指标都可以给出时间序列层面的资产买入或者卖出信号，指标具体的计算方式以及信号生成方式在附录中给出。 图表图表20：

46、本研究采用的趋势追踪指标分类本研究采用的趋势追踪指标分类 序号序号 指标指标名称名称 基础数据选取基础数据选取 滤波计算方式滤波计算方式 均线计算次数均线计算次数 信号生成方式信号生成方式 待定系数个数待定系数个数 1 ROC 收盘价 无 原始值 与 0 比较 1 2 MA 收盘价 MA 一次平均 与 0 比较 1 3 WMA 收盘价 WMA 一次平均 与 0 比较 1 4 EMA 收盘价 EMA 一次平均 与 0 比较 1 5 DPO 收盘价 MA 一次平均 与 0 比较 1 6 VIDYA 收盘价 DMA 一次平均 与 0 比较 1 7 KST 收盘价 MA 一次平均 与 0 比较 1 8

47、 TMA 收盘价 MA 两次平均 与 0 比较 1 9 DEMA 收盘价 EMA 一次两次耦合 与 0 比较 1 10 REGVALUE 收盘价 REG 一次平均 与 0 比较 1 11 REGBETA 收盘价 REG 一次平均 与 0 比较 1 12 SROC 收益率 EMA 原始值 与 0 比较 1 13 MOMMA 收益率 MA 一次平均 正负收益比较 1 14 CMO 收盘价 无 原始值 正负收益比较 1 15 PSY 收盘价 无 原始值 正负收益比较 1 16 POS 收益率 无 原始值 与 0 比较 1 17 TII 收盘价 MA 一次平均 正负收益比较 2 18 THRESAVG

48、 收盘价 MA 一次平均 正负收益比较 2 19 MASS 收盘价 MA 一次平均 正负收益比较 2 20 UP2DOWN 收益率 无 原始值 正负收益比较 2 21 OSC 收盘价 MA 一次两次耦合 快慢线比较 2 22 MALINE 收盘价 MA 一次平均 快慢线比较 2 23 EMALINE 收盘价 EMA 一次平均 快慢线比较 2 24 HULLMA 收盘价 EMA 两次平均 快慢线比较 2 25 ZLMACD 收盘价 EMA 一次两次耦合 快慢线比较 2 26 TSI 收盘价 EMA 两次平均 正负收益比较 2 27 ROCCH 收益率 无 原始值 快慢线比较 2 28 MOM 收

49、益率 MA 一次平均 快慢线比较 2 29 EFFIC 收益率 无 原始值 快慢线比较 2 30 INVVOL 收益率 无 原始值 快慢线比较 2 31 SHARPMOM 收益率 无 一次平均 快慢线比较 2 32 PMO 收益率 DMA 一次两次耦合 快慢线比较 3 33 DBCD 收益率 SMA 一次平均 快慢线比较 3 34 MACD 收盘价 EMA 一次两次耦合 快慢线比较 3 35 COPP 收益率 WMA 原始值 与 0 比较 3 36 PPO 收益率 EMA 一次两次耦合 快慢线比较 3 37 DELTA 收益率 无 原始值 与 0 比较 4 资料来源：Wind，华泰研究 免责声

50、明和披露以及分析师声明是报告的一部分，请务必一起阅读。 13 金工研究金工研究 对于趋势追踪指标来说，时间窗口的选取对于最终生成信号也存在重要影响。以不同时间窗口长度的 EMA 信号为例，在趋势信号图上可以看到随着时间窗口长度变化，价格权重分配发生显著改变。为了尽可能减少过度调参带来的过拟合风险，在后文的计算中我们对于各指标的调参范围做出详细规定，尽量将时间窗口等参数设置为具有经济学含义的值： 1. 对于单参数的指标，我们设定了 20 日 (1 个月)、40 日(2 个月)、60 日(3 个月)、120日 (120 日)四种不同长度的窗口期。 2. 对于涉及具有多个时间窗口的指标，我们将其中短