金工量化擇時策略研究系列專題報告：“趨勢”、“震蕩”環境的劃分與擇時策略，以上證指數為例.pdf

金工量化擇時策略研究系列專題報告：“趨勢”、“震蕩”環境的劃分與擇時策略，以上證指數為例。明確大盤指數的狀態對于交易具有重要的指示作用。市場大部分時間會呈現出趨勢和震 蕩兩種狀態，如果能夠識別并適應當前市場所處的狀態，對擇時、選股都能有重要的幫 助。明確指數當前是處于趨勢還是震蕩，不僅能為大類資產配置提供決策依據，也能在 策略、風格選擇上提供指導。

本研究使用包含兩個階段的、分層診斷的算法來定義指數的狀態。目前市場對“趨勢” 與“震蕩”這兩種狀態并沒有一個公認的、精確的數學定義，其劃分往往帶有主觀性。 因此，為了構建一個可量化、可回測的策略，本研究使用“zig-zag”算法加上斷點修正 對指數的歷史表現進行狀態區分，并以此作為后續機器學習模型的訓練基準。

我們從價量的角度出發，構建了 6 個特征變量，并使用邏輯回歸、決策樹等機器學習模 型進行狀態預測。我們從價格、成交量、波動率等維度出發，設計了六個能夠捕捉市場 趨勢變化、情緒波動等關鍵現象的特征。在對等權、邏輯回歸和決策樹三種模型進行綜 合評估后，我們發現所有模型的測試集信號在經過 20 日平滑處理后，都能夠以超過 80% 的準確率對未來的市場狀態進行有效預測。

基于模型的預測信號，本研究設計了一套動態倉位管理策略。策略根據信號在兩種模式 間切換：在趨勢狀態下，執行“追漲殺跌”的動量邏輯；在震蕩狀態下，執行“低買高 賣”的均值回歸邏輯。倉位根據每周的市場表現進行動態微調，以實現風險和收益的平 衡。

決策樹信號對應的策略表現優異，能夠對市場的狀態進行有效提示。在 2020 年至 2025 年的回測期內，由決策樹模型驅動的策略取得了 77.26%的總回報和 1.12 的夏普比率， IC 達 1.3。而同期買入持有基準的總回報僅為 14.68%，夏普比率為 0.30。這一結果證 明決策樹模型的預測信號可以有效的提示指數的狀態，匹配相應的交易策略可以獲得穩 健的回報。