形态相似度行业轮动策略动态跟踪

相关研究报告 报告摘要 《基于DTW的形态相似度行业轮动策略》 形态匹配与策略框架 行业在走强前夕的超额收益序列常呈现出某些结构特征，且在不同行业与时期重复出现。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，通过动态时间规整算法（DTW）计算当前各行业走势与模板的相似度，选取最匹配的行业作为配置标的。动态时间规整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，识别那些时间不完全对齐但结构相似的走势。 证券分析师：刘晓锋电话：13401163428E-Mail：liuxf@tpyzq.com分析师登记编号：S1190522090001 证券分析师：马自妍电话：010-88321787E-Mail：mazy@tpyzq.com分析师登记编号：S1190519070001 形态相似度行业轮动策略回测表现 2016年至2026年，策略周频调仓年化收益20.6%，相对于行业等权超额收益16.8%，信息比率2.88，最大回撤4.9%，最高相似度组每年稳定贡献超额；双周频年化收益16%，超额收益10.4%，信息比率1.51。 当前信号 2026年6月26日至今持仓行业：轻工制造,钢铁,汽车,建筑,纺织服装。 风险提示 本报告结果及分析依据历史数据得出，存在一定局限性，不代表未来表现，不构成任何投资意见；样本数据有限，数据处理统计可能存在误差，不足以代表市场整体风险，历史规律及模型存在失效可能。 目录 一、模型逻辑......................................................................4二、策略框架......................................................................4三、模型效果......................................................................6四、风险提示......................................................................6 图表目录 图表1：周频调仓TOP组合回测净值....................................................6 一、模型逻辑 价格形态中的先行信号 配置时机是影响行业轮动超额收益的重要因素。动量类信号的有效性依赖于走势方向的持续性，在方向频繁切换时容易失效，基本面指标同样难以及时反映预期边际变化。价格作为多空博弈的综合结果，能实时体现各类信息对行业预期的综合影响，探索通过价格形态识别行业走强前的特征具有现实意义。 历史形态的重现 观察历史可以发现，行业在走强前夕的超额收益序列常呈现出某些结构特征，且在不同行业与时期重复出现。若当前走势与历史上走强前的形态高度相似，后续超额收益上行的概率或相对更高。这种聚焦于行业走强前结构特征的视角，提供了传统因子难以捕捉的左侧信号。 形态匹配的实现路径 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，通过动态时间规整算法（DTW）计算当前各行业走势与模板的相似度，选取最匹配的行业作为配置标的。该方法直接从价格形态出发，旨在捕捉行业轮动的早期信号。 二、策略框架 基于DTW的形态识别流程 构建形态模板库：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。 计算形态相似度：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，取最高值作为形态得分。 生成配置信号：形态得分越高，表明当前走势与历史走强前形态越相似，未来超额收益上行概率相对更高。 形态模板库构建 1.样本范围： 样本区间：2009年1月6日至2026年5月28日 行业选择：中信一级行业，剔除综合、综合金融，共28个行业，以行业等权组合作为比较基准。 2.超额收益序列构建 以各行业相对行业等权组合的对数超额收益率序列作为输入。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，从而使DTW更专注于捕捉序列本身的涨跌节奏，识别那些时间不完全对齐但结构相似的走势。 3.有效形态模板 在交易日T，截取过去K个交易日（T-K+1至T）对数超额收益率序列作为形态片段。 若此后M个交易日（T+1至T+M）累计对数超额收益率>设定阈值（threshold），则将该片段收录为有效模板。M设置为与调仓频率一致。 4.模板库动态维护 模板更新频率：按模版更新频率每f日扫描全行业，将新近满足阈值条件的片段纳入模板库，确保不引入未来信息。 滚动窗口：滚动使用最近Y年的模板，每个调仓日自动截断N年前的历史片段，使模板库反映近期市场结构特征。 最少模板数量：模板数量达到下限（如5个）后方可启用因子，保证统计可靠性。 形态相似度计算 DTW匹配：每个调仓日，对每个行业提取最近K日对数超额收益率序列，计算其与模板库中所有模板的DTW距离，取最小距离。 相似度转换：相似度= 1 / (1 +最小DTW距离)，并对全行业相似度做Z-Score处理，因子 值越高表示形态越接近历史有效模板，后市超额收益上行概率相对更高。 组合构建 每调仓日选取相似度因子值最高的前N个行业，等权配置，周频调仓。 三、模型效果 资料来源：Wind，太平洋证券 四、风险提示 本报告结果及分析依据历史数据得出，存在一定局限性，不代表未来表现，不构成任何投资意见；样本数据有限，数据处理统计可能存在误差，不足以代表市场整体风险，历史规律及模型存在失效可能。 投资评级说明 1、行业评级 看好：预计未来6个月内，行业整体回报高于沪深300指数5%以上；中性：预计未来6个月内，行业整体回报介于沪深300指数-5%与5%之间；看淡：预计未来6个月内，行业整体回报低于沪深300指数5%以下。 2、公司评级 买入：预计未来6个月内，个股相对沪深300指数涨幅在15%以上；增持：预计未来6个月内，个股相对沪深300指数涨幅介于5%与15%之间；持有：预计未来6个月内，个股相对沪深300指数涨幅介于-5%与5%之间；减持：预计未来6个月内，个股相对沪深300指数涨幅介于-5%与-15%之间；卖出：预计未来6个月内，个股相对沪深300指数涨幅低于-15%以下。 太平洋证券股份有限公司 云南省昆明市盘龙区北京路926号同德广场写字楼31楼 研究院 中国北京100044北京市西城区北展北街九号华远·企业号D座投诉电话：95397投诉邮箱：kefu@tpyzq.com 免责声明 太平洋证券股份有限公司（以下简称“我公司”或“太平洋证券”）具备中国证券监督管理委员会核准的证券投资咨询业务资格。 本报告仅向与太平洋证券签署服务协议的签约客户发布，为太平洋证券签约客户的专属研究产品，若您并非太平洋证券签约客户，请取消接收、订阅或使用本报告中的任何信息；太平洋证券不会因接收人收到、阅读或关注媒体推送本报告中的内容而视其为太平洋证券的客户。在任何情况下，本报告中的信息或所表述的意见并不构成对任何机构和个人的投资建议，投资者应自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。 本报告信息均来源于公开资料，我公司对这些信息的准确性和完整性不作任何保证。负责准备本报告以及撰写本报告的所有研究分析师或工作人员在此保证，本研究报告中关于任何发行商或证券所发表的观点均如实反映研究人员的个人观点。报告中的内容和意见仅供参考，并不构成对所述证券买卖的出价或询价。我公司及其雇员对使用本报告及其内容所引发的任何直接或间接损失概不负责。我公司或关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提 构和个人不得以任何形式翻版、复制、刊登。任何人使用本报告，视为同意以上声明。