“学海拾珠”系列之二百零五：基于统计跳跃状态识别模型管理下行风险

敬请参阅末页重要声明及评级说明 证券研究报告 基于统计跳跃状态识别模型管理下行风险 ——“学海拾珠”系列之二百零五 [Table_RptDate] 报告日期：2024-09-18 [Table_Author] 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com 分析师：吴正宇 执业证书号：S0010522090001 邮箱：wuzy@hazq.com [Table_CompanyReport] 相关报告 1.《RSAP-DFM：基于连续状态的动态因子模型——“学海拾珠”系列之二百零四》 2.《基金业绩与风格暴露的变化——“学海拾珠”系列之二百零三》 3.《基于特征显著性隐马儿可夫模型的动态资产配置——“学海拾珠”系列之二百零二》 4.《上市公司的财报电话会议对股价的影响——“学海拾珠”系列之二百零一》 5.《数据挖掘的修正与基金的业绩表现——“学海拾珠”系列之二百》 6.《宏观趋势与因子择时——“学海拾珠”系列之一百九十九》 7.《宏观环境对价值溢价的影响——“学海拾珠”系列之一百九十八》 主要观点： [Table_Summary] 本文探讨状态切换投资策略，旨在通过减少预期不利市场状态下的市场暴露来降低下行风险。作者重点介绍了用于市场状态识别的统计跳跃模型（JM），通过在每个状态转换时应用跳跃惩罚来增强状态持续性，从而与传统马尔可夫切换模型区分开来。作者的 JM 利用了一组仅从收益序列中得出的风险和收益指标作为特征集，并通过直接优化策略绩效的时间序列交叉验证方法来选择最优跳跃惩罚。结果表明，与隐马尔可夫模型指导的策略和买入并持有策略相比，JM 指导的策略在降低风险指标（如波动性和最大回撤）以及提高风险调整后收益（如夏普比率）方面始终表现出色。回到国内市场，如何识别宏观经济和市场状态的转换是十分关键的，本文采用的统计跳跃模型值得借鉴。 ⚫ 跳跃模型（JMs）在管理下行风险上比 HMM 以及基准策略更强 作者证明，与隐马尔可夫模型指导的策略和买入并持有策略相比，JM策略在降低波动性和最大回撤以及提高风险调整后收益方面始终表现更优。具体而言，JM 指导的策略在不同地区相较于买入并持有策略，年化收益率提高了约 1%至 4%。JM 策略实现了比买入并持有指数和 HMM 策略更高的风险调整后收益指标，包括夏普比率和卡尔玛比率。这说明了其在准确识别的持续性熊市期间转向更安全资产的优势。 ⚫ JM 策略在交易延迟方面表现出更强的稳健性 作者发现，策略绩效总体上随着交易延迟的延长而下降，只是下降速度各不相同。对于标准普尔 500 指数而言，由于其状态的高度持续性，无论是 JM（跳跃模型）还是 HMM（隐马尔可夫模型），其绩效衰减都非常缓慢。在 DAX 和日经 225 指数的情况下，JM 的持续性变得尤为明显；HMM 策略在 5 天延迟下表现逊于市场，而 JM 策略即使在最长的两周延迟下，其夏普比率也仍然优于或与市场指数相当。因此，JM 策略在交易延迟方面表现出更强的稳健性。 ⚫ 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 21 证券研究报告 正文目录 1 引言 ............................................................................................ 4 2 数据 ............................................................................................. 6 3 方法论 .......................................................................................... 7 3.1 状态切换投资策略 ............................................................................. 7 3.2 状态识别模型概述 ............................................................................. 8 3.3 隐马尔可夫模型 ............................................................................... 9 3.4 统计跳跃模型 ................................................................................ 10 3.4.1 特征选择 ........................................................................ 11 3.4.2 在线推断 ........................................................................ 13 3.4.3 最优跳跃惩罚值的选择 ............................................................ 15 4 实证结果 ........................................................................................ 15 5 结论 ........................................................................................... 19 风险提示： ........................................................................................ 20 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 3 / 21 证券研究报告 图表目录 图表 1 文章框架 .......................................................