金融工程量化研究專題報告：基于隱馬爾可夫模型的行業輪動策略，模式識別之狀態匹配.pdf

金融工程量化研究專題報告：基于隱馬爾可夫模型的行業輪動策略，模式識別之狀態匹配。本文以Leonard E. Baum等人提出的隱馬爾可夫模型（HMM）為理論基 礎，基于歷史會重演的理論假設，在識別當前行業所處狀態的基礎上， 通過計算當前行業所處狀態序列與歷史中該行業未來出現顯著上漲或 下跌時所有狀態序列的平均相似度，以此預測當前行業未來的上漲概 率，進而構建行業輪動策略。

隱馬爾可夫模型：隱馬爾可夫模型由初始狀態概率向量?、狀態轉移矩 陣?和觀測概率矩陣?決定。?和?決定狀態序列，?決定觀測序列。在隱 馬爾可夫模型中針對觀測變量、隱藏狀態以及兩者之間的關系可以產生 三個典型問題：概率計算問題、學習問題、預測問題。

樣本內收益穩定：2022年費后超額收益超過7%、2023年費后超額收益 超過9%，最大回撤分別為3.50%、3.40%。從勝率來看，2022年勝率為 66.67%，而 2023 年勝率更是高達 91.67%，全年12 個月份，只有一個 月跑輸30個中信一級行業平均收益；2022年和2023年的超額收益年 化波動均低于6%，表現不錯。

樣本外收益持續：從2024年前8個月的超額收益來看，費后累計超額 收益為10.75%，年化超額收益為16.54%，顯著高于樣本內。樣本外最 大回撤僅為2.8%，比樣本內低接近1%；同時樣本外的月盈虧比為1.91， 該數據也顯著優于樣本內。

樣本外Top行業實際收益排名靠前：2024年前8個月中有5個月的平 均名次在前15.5名以內，其中1月以及6月的平均名次更是位于前10 名。此外前8個月中第1名出現4次，前3名共計出現8次，前5名共 計出現13次，前10名共計出現20次，前15名則共計出現28次，相 對于總樣本數量占比58%，接近五分之三。

2024年9月份Top行業：基于隱馬爾可夫算法行業輪動模型所選擇的 Top 行業為石油石化、煤炭、家電、非銀行金融、通信以及綜合金融等 六個行業。