因子择时与动态权重调整技术

📚 共计 30 章节

因子择时概述

什么是因子择时？为什么需要因子择时？核心挑战与价值。

因子生命周期

因子从发现到失效的完整生命周期，拥挤度与衰减效应。

行为拥挤度

宏观状态识别

基于PMI、CPI、利率判断市场状态，进行因子偏好切换。

市场情绪与因子择时

利用VIX、成交量、换手率等情绪指标进行因子择时。

波动率环境与因子表现

低波/高波环境下因子表现差异与择时策略。

波动率环境

趋势跟踪与因子择时

移动平均线、MACD等趋势指标判断因子动量。

因子动量与反转效应

因子自身的动量和反转，捕捉因子趋势。

因子择时的统计方法

滚动窗口、条件夏普比率、显著性检验。

机器学习在因子择时中的应用

随机森林、XGBoost预测因子未来表现。

机器学习XGBoost

隐马尔可夫模型与市场状态切换

利用HMM识别牛熊市，动态调整因子权重。

HMM状态切换

动态权重调整基础

等权、市值加权与动态加权对比。

风险平价与因子权重

基于风险贡献的因子权重分配方法。

风险平价分配

均值-方差优化与因子权重

马科维茨模型进行因子权重优化。

马科维茨优化

Black-Litterman模型在因子配置中的应用

结合主观观点与市场均衡的权重调整。

因子权重约束与正则化

权重上下限、行业中性化、换手率约束。

约束正则化

滚动优化与再平衡频率

选择再平衡周期，避免过拟合。

再平衡频率

因子择时与动态权重的结合框架

端到端策略框架设计。

基于信号强度的权重调整

根据z-score动态调整权重。

分层加权与条件加权

根据市场状态或因子状态分层加权。

因子择时的回测框架

构建回测系统，处理幸存者偏差、前视偏差。

因子择时的绩效评估指标

信息比率、最大回撤、卡玛比率、TM/HM模型。

因子择时的过拟合问题

多重检验偏差、数据窥探、交叉验证。

过拟合交叉验证

实战案例1：价值因子择时

基于利率与通胀环境的价值成长切换策略。

实战案例2：动量因子择时

基于市场趋势强度的动量开关策略。

实战案例3：低波因子择时

基于VIX与市场波动率的低波增强策略。

实战案例4：质量因子择时

基于信用利差与盈利周期的质量防御策略。

实战案例5：多因子动态权重组合

结合5个因子进行动态权重分配全流程。

多因子动态

因子择时的风险控制

尾部风险对冲、杠杆控制、止损机制。

因子择时的前沿进展

深度学习（LSTM、Transformer）在因子择时中的应用。

深度学习LSTM

课程总结与未来展望

因子择时的局限性、未来研究方向、构建个人系统。