DeepTiming：日内信息与相似度学习驱动择时

核心观点与关键数据

• 深度学习股票收益预测模型搭建与择时应用：基于民生金工深度学习框架，构建了包含日频和分钟频输入的股票混合收益预测模型，利用预测值取历史滚动阈值输出交易信号。近5年多时间中，对于等权持有每一支股票，策略获得77%的累积超额收益，集中在市场下跌的2022-2023年；且在市场上涨的2020-2021年并没有跑输市场。
• SimStock股票相似度刻画与模型提升：利用SimStock根据自监督学习预测股票相似度，考虑股票静态与动态相关性，并将股票属性信息初始化基模型隐状态，预测效果进一步提升。改进后模型策略获得109%的累积超额收益，平均每只股票年化收益30%，跑赢个股14.8%（费前）。
• 宽基与行业指数择时效果：将预测值合成至指数依然有效，高波行业中效果明显。沪深300年化收益5.1%，超额收益5.6%；中证500年化收益12.4%，超额收益12.2%；中证1000年化收益15.1%，超额收益14.9%。电力设备及新能源行业年化收益36%，平均每年跑赢行业31.1%。
• 信号应用范围：择时策略可直接用于个股波段策略，或合成至指数后进行指数择时，也可用于指数增强等产品的仓位控制，以及在股指期货中进行交易。

研究结论

• 民生金工深度学习框架在股票收益预测与择时方面效果显著，结合SimStock股票相似度信息可进一步提升模型表现。
• 择时策略在市场下跌时效果更明显，且在不同市值规模的宽基成分股中表现有所区别，高流动性、高波动的股票更有效。
• 择时信号合成至指数后，在宽基指数、行业与风格上跑赢绝大多数基准，为个股波段以及短期风格行业择时提供了新解法。
• 择时策略在电力设备及新能源等高波成长行业中表现优异，在红利低波等行业中效果有限。

应用方向

• 个股波段策略：直接用于个股波段策略以博取高收益，尤其适用于TMT、科技类主动型基金。
• 指数增强：合成至指数后用于指数增强等产品的仓位控制，提升组合年化收益。
• 股指期货交易：用于股指期货中进行交易，但需控制仓位。
• 行业与风格配置：合成至行业与风格上大多可以跑赢基准，可用于资产配置或ETF交易。