本文构建了单资产趋势追踪模型，应用于行业指数来构建行业配置组合。从趋势追踪视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了模型训练方式。利用行业指数趋势预测信号，实现了相较于行业等权年化超额 20%的行业配置策略。

如何利用资产自身波动属性提升趋势预测模型的表现：趋势追踪信号很大程度上受到底层资产价格趋势性的影响，对趋势追踪策略的优化过程就是和底层资产风险收益特征匹配的过程。我们分析了指数自身的波动属性对趋势预测效果的潜在影响，并针对性地调整了预测模型的输入特征。当回看窗口中出现相同价量形态时，波动率水平一定程度上代表了资产的内生动能，能为模型提供额外信息来判断未来价格走势。由于计算区间划分时点的问题，会出现短期波动率下降、中期波动率上升，或短期波动率上升而中期波动率下降的情况。如果是近期行情快速切换带来的波动率变化，短期和中期波动率同向变化。

而当中短期波动率出现异步变化，并且其中一个快速上升或下降时，变化较为缓慢的波动率变化更接近真实的波动率变化。作为趋势预测模型的输入，长期波动率相当于静态变量表征资产类别，中短期波动率共同表征其内部波动率变化。

优化后的行业指数趋势追踪模型择时效果如何：我们从特征构建和模型训练方式 2 方面对趋势追踪模型进行调整。在数据预处理方面，我们保留了前期行业配置模型中的特色，并对特征进行补充和模型更新方法上的调整。对价量数据进行时序标准化不变，我们增加资产的波动特征作为模型输入，包含短期、中期和长期(内在)波动率属性，其中短期波动率包括收益率波动和换手率波动。另一方面，交易策略模型的训练属于小样本学习场景，我们受现阶段大语言模型在细分领域应用方案的启发，在训练趋势预测模型过程中采取预训练与微调结合的方式。

优化后的行业指数趋势预测模型在 2017 至 2024.6 在任一行业上的择时年化收益在 6%以上，相较于基线模型有明显提升，且换手率下降，波动和回撤均降低。

利用趋势追踪信号构建行业配置组合表现如何：利用趋势追踪模型，可以灵活调整行业配置组合中的标的数，得到风险收益表现更优的投资组合。市场长时间下行调整时，趋势模型对行业评估整体偏看淡，看好的行业数量相对较少，因此对配置组合中的标的数不做要求时，能通过配置较少数量的行业降低回撤，保证收益。市场震荡上涨且不同赛道间交替有上升行情时，灵活数量的行业配置组合对更多数量的行业进行等权配置，相对分散的持仓带来更低的超额波动和更高的累积收益。

总体上，利用趋势预测信号灵活构建行业配置组合效果更好，在 2017 至 2024.6 相较于行业等权基准能实现 20%以上的年化超额收益，对比此前基于价量的行业配置模型表现有明显提升。

风险提示本报告构建的策略框架中所提及的交易均指模拟交易，回测结果是基于历史数据的统计归纳，收益风险指标不代表未来，模型力求自适应跟踪市场规律和趋势，但仍存失效可能，不构成投资建议，须谨慎使用。

正文目录

1 研究背景 .......... 4

1.1 趋势追踪在择时策略中的应用 .......... 4

1.2 面向资产组合的趋势追踪策略 .......... 4

2 行业指数择时初探 .......... 4

2.1 基于日频价量的择时模型 .......... 4

2.2 探究影响趋势追踪的资产内在属性 .......... 6

3 指数趋势追踪模型 .......... 9

3.1 数据处理及特征提取 .......... 9

3.2 模型结构及训练方式 .......... 10

4 趋势追踪模型表现 .......... 12

4.1 趋势追踪模型的择时效果 .......... 12

4.2 趋势追踪应用于行业配置 .......... 14

5 总结和展望 .......... 15

6 风险提示 .......... 16

参考文献 .......... 16

因篇幅限制，仅展示部分，更多重要内容、核心观点，请下载报告。