【广发金工】神经网络择时与截面叠加的ETF绝对收益策略

主要观点总结

本文介绍了广发证券使用AGRU模型进行神经网络择时和截面ETF轮动策略的研究。策略表现优异，使用中证全指作为持仓标的，假设每日开盘价成交，手续费单边万五（双边千一）的情况下，年化收益率为15.86%，夏普比率为1.18。对比了不同的调仓周期和价格对策略表现的影响，发现日度调仓效果最佳。结合截面ETF轮动策略和择时策略，可以进一步提高收益。最后分析了截面与择时信号的特点和差异，两者的时序相关性较低。

关键观点总结

关键观点1: 神经网络择时策略表现

使用AGRU模型进行神经网络择时，策略表现稳定，年化收益率15.86%，最大回撤12.66%。对比不同调仓周期，发现周度和月度调仓对策略产生负面影响。调仓价格对策略表现有一定影响，但随着调仓时间拉长，影响逐渐减小。

关键观点2: 截面ETF轮动策略

使用前期报告中的研究成果，进行截面ETF轮动策略，假设持仓10只ETF，相较于所有ETF等权的年化超额收益率为17.13%。

关键观点3: 择时与截面叠加策略

将择时与截面策略叠加，进一步提高收益。假设持仓10只ETF，年化收益率为31.04%，夏普比率为1.86，最大回撤为10.08%。

关键观点4: 截面与择时信号差异

截面与择时信号的时序相关性较低，仅为-1.96%。择时信号预测下午至隔夜收益率的准确性高于上午，而截面信号预测隔夜和早尾盘的准确性高于盘中。

关键观点5: 风险提示

文中策略在历史数据回测中表现良好，但在实际市场中可能存在失效风险。读者应自行评估接收相关推送内容的适当性，并独立做出决策。