本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。同时请务必阅读正文之后的免责条款和声明。证券研究报告·资产配置深度大类资产轮动量化策略体系——宏观基本面&动量视角核心观点本文基于宏观和动量两个维度构造完全量化可回测的大类资产轮动策略。宏观模块创新性地引入Listwise排序学习算法ListMLE，从截面维度构造简单稳健的宏观周期查询字典，同时引入动量模块，利用其与宏观的互补性构造复合轮动策略，2017年以来复合策略绝对收益年化17.8%，夏普1.48，最大回撤9.1%，月度胜率71%，其中2019年以来策略年化收益22.3%，2024年以来每月均能事前选到当月表现最优的大类资产。基于ListMLE的宏观基本面策略基于基础数据构建完全可得宏观趋势数据库，将其作为自变量解释大类资产截面收益率差异。本文创新性地引入ListMLE这一排序学习模型，在宏观策略这样的小样本数据上有良好的预测能力和可解释性。基于ListMLE的宏观基本面策略17年以来绝对收益年化14.52%，最大回撤11.8%，月度胜率72.5%，除2022年以来均能录得正收益。基于BBW_BIAS的动量因子本文使用经典的BBW_BIAS因子作为动量模块因子，相比简单的收益率动量增加了波动信息，更加适合作为大类资产截面收益的解释因子。17年以来因子绝对收益年化7.9%，最大回撤17.8%，表现差强人意，但是却是宏观基本面策略的完美拼图。基于宏观基本面&动量的大类资产轮动策略由于单一模型总会面临阶段性失效时段，本文结合宏观基本面和动量两个维度构造...
发表评论取消回复