核心观点与策略框架
行业在走强前夕的超额收益序列常呈现特定结构特征，且在不同行业与时期重复出现。通过提取历史上行业走强前的对数超额收益序列片段构建模板库，并利用动态时间规整算法（DTW）计算当前各行业走势与模板的相似度，可选取最匹配的行业作为配置标的。DTW算法通过弯曲时间轴对齐波峰波谷，对数处理使涨跌权重对称、压缩极端值干扰，并缓解不同时期序列波动幅度的差异，更专注于捕捉序列本身的涨跌节奏，识别时间不完全对齐但结构相似的走势。
形态相似度行业轮动策略构建
- 形态模板库构建：从历史行情中提取“过去K日超额收益序列→未来M日超额收益达到阈值”的形态片段，构建模板库。样本区间为2009年1月6日至2026年5月28日，中信一级行业（剔除综合、综合金融），以行业等权组合作为比较基准。对数处理超额收益序列，设置有效形态模板，并动态维护模板库。
- 相似度计算与组合构建：调仓日用DTW计算各行业近期走势与模板库中每个形态的相似度，取最小距离，并转换为相似度因子值（1 / (1 + 最小DTW距离)）后做Z-Score处理。每调仓日选取相似度因子值最高的前N个行业等权配置，分别测试周频、双周频、月频调仓。
形态相似度行业轮动回测
- 回测结果：2016年至2026年，周频调仓策略年化收益20.6%，超额收益16.8%，夏普比率1.01，周均换手率约60%；双周频调仓年化收益16%，超额收益10.4%，夏普比率0.82；月频调仓效果显著衰减。分组回测表明，策略头部识别效果较好，最高相似度组实现稳定超额。
- 参数测试：不同阈值、滚动窗口、形态长度、持仓数量等参数下，策略表现存在差异，需根据实际情况优化参数设置。
- 不同调仓频率表现：周频与双周频策略表现优于月频策略。
总结与展望
策略以行业对数超额收益率为输入，通过DTW算法匹配历史形态模板，选取相似度最高的行业配置。回测结果显示策略有效性，但仍有优化空间，如引入模板库胜率跟踪与动态筛选机制、探索与波动率、拥挤度等因子复合、测试不同市场环境下策略表现等。
