市场脉搏（1）：基于隐马尔科夫链与动态调制的量化择时方案

发布时间：2025-08-20 策略观点 市场脉搏（1）：基于隐马尔科夫链与动态调制的量化择时方案 ⚫投资要点 面对当前“多变量撕裂”的复杂市场，传统择时方法效力减弱。通过构建“宏观-资金情绪-市场状态”三维分析框架，利用HMM模型将不可观测的市场环境量化为4种可感知的隐藏状态（趋势上涨/震荡上涨/震荡下跌/趋势下跌），实现了对市场运行模式的精准刻画。 动态调制机制突破传统趋势模型瓶颈，实现“预见性”择时。传统HMM模型是静态的，难以适应瞬息万变的市场，创新性地引入了基于宏观经济脉冲（PMI+信贷脉冲）和资金情绪（恐慌指数+融资盘+ETF流向+散户情绪）的双因子动态调制矩阵，可在外生环境变化时主动干预模型输出，显著提升了模型对市场拐点的反应速度甚至提供了一定预判能力。 凯利公式动态仓位优化，实现风险收益比最大化。有别于简单的固定仓位模式，将HMM状态判断与凯利公式相结合，不仅解决了“何时出手”的问题，更精准回答了“下多少注”的难题，从而在震荡市中主动规避“模糊机会”，在趋势行情中敢于重仓，最终实现单位风险下的收益最大化。 研究所 分析师:黄子崟SAC登记编号:S1340523090002Email:huangziyin@cnpsec.com 回测表现卓越，风险控制能力突出。基于2016-2023年数据训练，对2024年以来严峻的市场环境进行样本外测试。优化后的完整策略（HMM_Opt_Kelly）年化收益率达20.9%，远超万得全A指数（16.8%），年化波动率（16.2%）显著低于指数（23.4%），夏普比率（1.29）与Calmar比率（1.90）均大幅领先。更为重要的是，策略对最大回撤的控制极致严格，凸显了其卓越的下行风险保护能力。 近期研究报告 《节奏和方向同样重要》-2025.08.11 为主观投资者提供了一个全新的、量化的“市场状态观测镜”。本报告中的择时将纷繁复杂的宏观变化、资金博弈和市场波动，综合处理为清晰可辨的“状态”信号。这种系统性的状态识别能力，有效弥补了人性在感知市场氛围时容易产生的滞后与偏差。投资者可将其输出作为关键的辅助决策因子，用于验证投资直觉、优化仓位管理的节奏，以及在风格剧烈切换时寻找客观的参照锚点，从而在复杂的市场环境中提升决策的胜率和稳健性。 ⚫风险提示： 经济数据不及预期、中美摩擦加剧、地缘冲突恶化、全球金融环境不稳定影响、上市公司盈利情况不及预期等。 目录 1核心框架：化时序预测为状态选择题.........................................................41.1基础假设：未来仅与现在相关...........................................................41.2调节机制：从静态到动态的豹变.........................................................52模型核心：A股的状态识别和动态调制机制设计................................................72.1市场状态识别：从主观印象到HMM精准归类...............................................72.2宏观状态：以“PMI+信贷脉冲”校准.....................................................92.3微观高频调制：资金行为与投资者情绪的潮涨潮落.........................................102.4凯利仓位：从选择题到填空题的最优仓位控制............................................123回测验证：2024年以来策略表现与超额收益来源.............................................133.1超额收益拆解：HMM原始模型vs优化模型..............................................133.2调制机制：如何干预状态判断和获得超额收益？..........................................153.3凯利仓位：如何实现“下跌不跟，上涨满仓”............................................164风险提示................................................................................18 图表目录 图表1：隐马尔科夫链示意图.............................................................5图表2：动态调节机制及模型完整择时流程示意图...........................................6图表3：模型中的A股状态分类方法.......................................................7图表4：模型识别后观测状态与隐藏状态的对应关系.........................................7图表5：4中隐藏状态的收益率及波动率特征................................................8图表6：4种隐藏状态的10日累计收益率分布...............................................8图表7：隐藏状态出现次数及平均持续时间（天）...........................................9图表8：HMM的4状态转移矩阵...........................................................9图表9：2016至今宏观状态出现次数及对应万得全A表现.....................................9图表10：宏观扩张及收缩状态下的调制矩阵...............................................10图表11：2016至今资金情绪状态出现次数及对应万得全A表现...............................11图表12：非中性资金情绪状态下的调制矩阵...............................................11图表13：基于2024年以来的A股市场回测................................................13图表14：测试区间中各策略及万得全A指数的日收益率分布（次）............................14图表15：测试区间中各策略及万得全A指数进阶指标.......................................15图表16：宏观及资金情绪调制机制对输出隐藏状态干预情况.................................16图表17：HMM_Opt_Kelly策略在测试集中的仓位（%）与万得全A走势.........................17 自2024年9.24行情以来，A股处在“多变量撕裂”的状态，经济基本面、资金活跃程度、政策预期、国际贸易冲突等因素相互交织，对A股策略择时提出了新的要求。面临基于宏观周期的主观择时疲于奔命而量化模型黑箱难懂的痛点， 在此提出一种基于隐马尔可夫链（HMM）的择时方法，将抽象的“市场环境”拆解为可感知的“宏观-资金-市场”三维状态，不仅能够精准择时，也能够让投资者更好地理解市场脉动。 1核心框架：化时序预测为状态选择题 1.1基础假设：未来仅与现在相关 由于本文中的模型核心在于解隐马尔科夫链产生的市场状态分类，因此需要先帮助读者们回忆一些随机过程课程中的知识点。首先是关于马尔可夫性的概念，对于一个随机过程{𝑋𝑡,t∈T}（T为时间集合，𝑋𝑡为t时刻的状态），若对任意时间点𝑡1<𝑡2<...<𝑡𝑛