量化模型与构建方式 模型名称：隐马尔可夫模型（HMM） - 模型构建思路：基于历史会重演的理论假设，通过识别当前行业所处状态，计算当前行业状态序列与历史中该行业未来显著上涨或下跌时所有状态序列的平均相似度，以预测当前行业未来的上涨概率，进而构建行业轮动策略[3][7][20] - 模型具体构建过程： 1. 定义初始状态概率向量：表示在时刻1处于某状态的概率 2. 状态转移概率矩阵：表示在某时刻处于某状态的条件下，下一时刻转移到另一状态的概率 3. 观测概率矩阵：表示在某时刻处于某状态的条件下生成某观测值的概率 4. 训练模型：基于历史数据训练HMM模型，生成状态序列 5. 计算相似度：计算当前行业状态序列与历史显著上涨、显著下跌子窗口状态序列的相似度平均值 6. 定义上涨概率：当前行业未来上涨的概率为： $P_{\text{up}} = \frac{S_{\text{up}}}{S_{\text{up}} + S_{\text{down}}}$ 其中 $S_{\text{up}}$ 和 $S_{\text{down}}$ 分别为当前行业状态序列与历史显著上涨、显著下跌子窗口状态序列的相似度平均值[13][14][22][23] - 模型评价：隐马尔可夫模型能够将多维度特征构成的复杂形态抽丝剥茧，提取其离散的抽象状态，进而达到降低噪声的目的[59][64] 模型的回测效果 样本内回测 - 累计超额收益：2022年费后超额收益超过7%，2023年费后超额收益超过9%[3][61] - 最大回撤：2022年最大回撤为3.50%，2023年最大回撤为3.40%[3][61] - 月度胜率：2022年胜率为66.67%，2023年胜率为91.67%[3][61] - 年化波动率：2022年和2023年的超额收益年化波动均低于6%[3][61] - 月盈亏比：2022年超额收益的盈亏比为1.76，2023年只有一个月亏损，盈亏比不具有统计性[47] 样本外检验 - 累计超额收益：2024年前8个月费后累计超额收益为10.75%，年化超额收益为16.54%[3][48][62] - 最大回撤：样本外最大回撤为2.8%[3][48][62] - 月度胜率：2024年前8个月月度胜率为75.00%[49] - 年化波动率：样本外年化波动率为6.77%[49] - 月盈亏比：样本外月盈亏比为1.91[49] - Top行业下月收益排名：2024年前8个月中有5个月的平均名次在前15.5名以内，其中1月和6月的平均名次位于前10名[3][62][54] - Top行业下月收益位于全行业不同名次出现的次数：第1名出现4次，前3名共计出现8次，前5名共计出现13次，前10名共计出现20次，前15名共计出现28次[3][62][57] 2024年9月份Top行业 - Top行业：石油石化、煤炭、家电、非银行金融、通信以及综合金融等六个行业[3][55][63]