【中泰金工】DTW预期收益率因子：序列相似度的应用

核心观点与关键数据

动态时间规整（DTW）算法

• 用于度量不同长度时间序列的相似度，通过动态规划对齐时间轴，解决长度不一致问题，允许时间轴非线性扭曲，更关注整体形态匹配。
• DTW算法特点：可直接比较不同长度序列，但无约束可能导致病理对齐，需通过窗口约束或斜率限制优化。

基于DTW的短期动量因子

• 替代传统动量因子（过去12-1个月收益率），利用DTW计算截面资产中与当前资产收益率序列相似度最高的部分（最小10%序列）的后5天收益率作为因子值。
• 回溯窗口范围：5天（避免近期序列相似度高）至120天（平衡市场风格切换与样本量）。
• 每期计算复杂度O(n^2)，适合截面资产较少场景。

回测结果

• ETF轮动组合（中信一级行业25个ETF，周度换仓）：
  • IC均值0.034，ICIR 0.128，多空收益最大回撤16.2%，单边换手率73%。
  • 相比传统动量因子优势明显。
• 科创50成分股选股（周度换仓）：
  • IC均值0.053，ICIR 0.251，多空收益最大回撤51.0%，单边换手率72%。
  • 虽回撤增大，但趋势性显著，结合趋势因子（如均线择时）可提升效果。

研究结论

• DTW预期收益率因子能有效捕捉资产价格惯性，在风格相似的股票池中表现优于传统动量因子，但需控制回撤，结合趋势策略可优化收益。

风险提示

• 基于历史数据，存在模型局限性及规律失效风险；第三方数据准确性未知；不构成投资建议。