华安金工 市场结构中的状态信息由个股相关网络驱动的双轨择时框架

一、核心要点

1. 报告创新点：采用个股相关性矩阵提取的结构性信息作为择时输入，解决传统方法滞后问题。
2. 输入端处理：提取相关性矩阵的五大维度特征（特征值结构、特征向量结构、拓扑结构、静态统计特征、动态变化特征），解决高维问题。
3. 模型拆分逻辑：将预测目标拆分为风险和机会双轨，风险测预测买入相对最大损失（稳定分布），机会测预测未来十天收益相对70分位强势机会，适配不同市场状态。
4. 模型设置：风险测为连续回归模型，机会测为随机森林分类模型；采用扩张窗口滚动训练（初始样本2013-2018年，每半年更新）；筛选30个高关联特征。

二、投资线索

1. 回测效果：以中证全指为例，双轨择时策略平均仓位约60%，年双边换手低于13倍；考虑交易成本后超额收益约13个点，回撤大幅降低。
2. 迁移性测试：信号迁移至沪深300、中证500、中证2000等指数均有效；建议用全市场A股数据训练模型，避免仅用指数成分股训练导致跨市场信号丢失。
3. 仓位映射规则：不采用线性映射，转而用预测结果分位排名；设极端风险、极端机会阈值及50-20天空仓冷却期，通过网格寻优选参数。

三、风险与关注

1. 参数敏感性：阈值、冷却期等参数需定期调整，不同市场环境表现存在差异。
2. 数据依赖：策略效果高度依赖全市场个股相关性矩阵质量，相关性数据偏差会影响预测准确性。