金融工程点评：形态相似度行业轮动策略动态跟踪

模型逻辑
通过价格形态识别行业走强前的特征，捕捉行业轮动的早期信号。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。利用动态时间规整算法（DTW）计算当前行业走势与历史模板的相似度，选取最匹配的行业进行配置。

策略框架

1. 形态模板库构建

   • 样本范围：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），28个行业。
   • 超额收益序列：以行业相对行业等权组合的对数超额收益率序列为输入，对数处理使涨跌权重对称、压缩极端值干扰。
   • 有效形态模板：若过去K日序列后M日累计对数超额收益率>阈值，则收录为模板，M与调仓频率一致。
   • 模板库动态维护：按频率更新模板，滚动使用最近Y年数据，确保不引入未来信息，最少5个模板方可启用。

2. 形态相似度计算

   • DTW匹配：计算各行业最近K日序列与模板库所有模板的DTW距离，取最小距离。
   • 相似度转换：相似度=1/(1+最小DTW距离)，Z-Score标准化，值越高表示形态越接近历史有效模板。

3. 组合构建

   • 每调仓日选取相似度最高的前N个行业，等权配置，周频调仓。

模型效果

• 周频调仓：2016年至2026年，年化收益20.6%，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。
• 双周频调仓：年化收益16%，超额收益10.4%，信息比率1.51。
• 模型信号：本周模型持仓行业（交通运输、电力及公用事业、建筑、食品饮料、汽车）相对行业等权基准超额收益0.30%。

风险提示
历史数据不代表未来表现，样本数据有限，模型存在失效可能。