｜

證

券

研

究

報(bào)

告

｜小波分析“手術(shù)刀”：波動(dòng)與趨勢(shì)的量化剝離及策略應(yīng)用2025.09.04研究?jī)?nèi)容

本研究聚焦于以寬基指數(shù)成分股為樣本池進(jìn)行選股并構(gòu)建多頭組合，核心在于應(yīng)用小波分析實(shí)現(xiàn)對(duì)成分股收盤價(jià)的精準(zhǔn)預(yù)測(cè)與投資組合的優(yōu)化篩選。

成功構(gòu)建了一套融合多模型的指數(shù)成分股投資策略，形成了從數(shù)據(jù)分層剝離處理（小波分解）、趨勢(shì)預(yù)測(cè)與波動(dòng)捕捉（ARIMA與GARCH）到組合構(gòu)建協(xié)同作用的完整流程。并且通過回測(cè)驗(yàn)證了該策略的有效性，為實(shí)際投資提供了可操作的策略方案。

該策略在不同風(fēng)格的寬基指數(shù)成分股上均能有效應(yīng)用，無論是大盤藍(lán)籌股（滬深

300）、中盤成長(zhǎng)股（中證500）還是綜合型指數(shù)（中證

800），策略均能穩(wěn)定獲取超額收益，證明了策略的廣泛適用性。風(fēng)險(xiǎn)提示：報(bào)告資料均于公開數(shù)據(jù)，分析結(jié)果通過歷史數(shù)據(jù)統(tǒng)計(jì)、建立模型和測(cè)算完成，在政策、市場(chǎng)環(huán)境等發(fā)生變化時(shí)模型存在失效的風(fēng)險(xiǎn)。2主要結(jié)論?

小波分析在金融時(shí)間序列處理中展現(xiàn)出顯著優(yōu)勢(shì)，通過三級(jí)分解能夠有效分離股價(jià)數(shù)據(jù)中的趨勢(shì)成分（近似分量

cA3）與波動(dòng)成分（細(xì)節(jié)分量

cD1），為后續(xù)不同模型的精準(zhǔn)預(yù)測(cè)奠定基礎(chǔ)，避免了單一模型難以同時(shí)處理趨勢(shì)與波動(dòng)的局限性。?

ARIMA

模型在成分股收盤價(jià)近似分量預(yù)測(cè)中表現(xiàn)良好，能夠充分捕捉股價(jià)的長(zhǎng)期趨勢(shì)特征，其預(yù)測(cè)結(jié)果為股價(jià)的整體走勢(shì)判斷提供可靠依據(jù)；AR

-GARCH

模型則能有效刻畫細(xì)節(jié)分量的波動(dòng)聚集性與異方差性，提升了對(duì)股價(jià)短期波動(dòng)的預(yù)測(cè)精度。?

基于預(yù)測(cè)數(shù)據(jù)計(jì)算的夏普值篩選標(biāo)準(zhǔn)，能夠有效篩選出風(fēng)險(xiǎn)調(diào)整后收益較高的成分股。構(gòu)建的投資組合在回測(cè)期間內(nèi)，滬深

300、中證

500、中證

800

指數(shù)對(duì)應(yīng)的策略凈值均顯著跑贏各自基準(zhǔn)指數(shù)，且在年化收益率、最大回撤、波動(dòng)率等關(guān)鍵風(fēng)險(xiǎn)收益指標(biāo)上均顯著優(yōu)于基準(zhǔn)（以中證800指數(shù)成分股選股為例，策略回測(cè)期末凈值達(dá)指數(shù)的3.05倍，夏普值為指數(shù)的5.74倍，最大回撤僅為指數(shù)的55%），驗(yàn)證了該策略的有效性與實(shí)用性。風(fēng)險(xiǎn)提示：報(bào)告資料均于公開數(shù)據(jù)，分析結(jié)果通過歷史數(shù)據(jù)統(tǒng)計(jì)、建立模型和測(cè)算完成，在政策、市場(chǎng)環(huán)境等發(fā)生變化時(shí)模型存在失效的風(fēng)險(xiǎn)。3sUnUrX9XcZnVdVnMoP8ObPbRoMoOoMrMlOnNwPlOrRqM9PoMmNwMmNvNuOqNxO一、主流趨勢(shì)模型在時(shí)間序列應(yīng)用中的異同與優(yōu)勢(shì)目錄二、小波分析詳解三、核心預(yù)測(cè)模型與小波分解

–

重構(gòu)過程四、策略回測(cè)結(jié)果與分析C

O

N

T

E

N

T

S錄主流趨勢(shì)模型在時(shí)間序列一NT應(yīng)用中的異同與優(yōu)劣S研專

業(yè)

｜

領(lǐng)

先

｜

深

度

｜

誠(chéng)

信HP

濾波（Hodrick-PrescottFilter）?

在金融時(shí)間序列分析與預(yù)測(cè)中，HP

濾波、傅立葉變換與小波分析是三種常用的重要工具，它們?cè)跀?shù)據(jù)處理邏輯、適用場(chǎng)景及分析效果上存在顯著差異。?

HP濾波（Hodrick-Prescott

Filter）是一種基于最小二乘法的時(shí)間序列分解方法，其核心思想是通過最小化時(shí)間序列的波動(dòng)成分，分離出序列的趨勢(shì)成分與周期波動(dòng)成分。其目標(biāo)函數(shù)為??????min

?

?

?

?

+

??

?

?

?

?

?

?

???????????{?

}????????

其中

為原始時(shí)間序列,

趨勢(shì)成分，λ為平滑參數(shù)，用于控制趨勢(shì)成分的平滑程度。???為?在金融時(shí)間序列中，通過調(diào)整?的值，可改變趨勢(shì)成分對(duì)原始數(shù)據(jù)的擬合程度。6HP

濾波（Hodrick-Prescott

Filter）的優(yōu)勢(shì)?

計(jì)算簡(jiǎn)便：HP

濾波的數(shù)學(xué)原理圖表1：HP濾波對(duì)于估值中樞趨勢(shì)的提取相對(duì)簡(jiǎn)單，計(jì)算過程易于實(shí)現(xiàn)，無需復(fù)雜的矩陣運(yùn)算或積分變換，在普通統(tǒng)計(jì)軟件（如

EViews、Stata）中均可直接調(diào)用相關(guān)函數(shù)進(jìn)行操作，降低了應(yīng)用門檻。?

趨勢(shì)提取直觀：對(duì)于平穩(wěn)性較好、波動(dòng)相對(duì)溫和的金融時(shí)間序列（如貨幣市場(chǎng)利率、債券收益率），HP

濾波能夠清晰地提取出長(zhǎng)期趨勢(shì)成分，幫助投資者直觀把握數(shù)據(jù)的長(zhǎng)期運(yùn)行方向，適用于宏觀金融趨勢(shì)分析與政策效果評(píng)估。：中泰證券研究所7HP

濾波（Hodrick-Prescott

Filter）的缺陷?

分解維度：HP

濾波僅能將時(shí)間序列分解為趨勢(shì)成分與周期波動(dòng)成分，分解維度單一，無法像傅立葉變換和小波分析那樣從頻率維度對(duì)數(shù)據(jù)進(jìn)行多尺度分解。?

頻率處理：HP

濾波不直接涉及頻率概念，其對(duì)周期成分的提取是基于數(shù)據(jù)的整體波動(dòng)特征，而非針對(duì)特定頻率區(qū)間的成分，無法精準(zhǔn)捕捉不同頻率的波動(dòng)模式。?

適應(yīng)性：HP

濾波對(duì)平滑參數(shù)?的依賴性較強(qiáng)，不同的?值會(huì)導(dǎo)致分解結(jié)果產(chǎn)生較大差異，且對(duì)于具有突變特征或非平穩(wěn)性較強(qiáng)的金融時(shí)間序列（如股價(jià)急漲急跌時(shí)期），分解效果較差，容易出現(xiàn)趨勢(shì)成分跟隨波動(dòng)成分“漂移”的現(xiàn)象。8傅立葉變換（FourierTransform）?

傅立葉變換（Fourier

Transform）是一種將時(shí)間序列從時(shí)域轉(zhuǎn)換到頻域的數(shù)學(xué)工具，其核心思想是將任何滿足一定條件的周期性時(shí)間序列表示為不同頻率的正弦函數(shù)和余弦函數(shù)（傅立葉基函數(shù)）的線性組合。對(duì)于連續(xù)時(shí)間序列f(t)，其傅立葉變換為??

?

=

?

?

?

??????????

其中，

為頻域函數(shù)，

為角頻率，

????為復(fù)指數(shù)函數(shù)。通?

?

=

cos

??

?

?

sin

????過傅立葉變換，可得到時(shí)間序列在不同頻率下的振幅和相位信息，從而識(shí)別出序列中的主要周期成分。?

與小波分析類似，傅立葉變換均基于頻率分析的思想，能夠從頻率維度對(duì)時(shí)間序列進(jìn)行分解，提取不同頻率的成分，適用于具有周期性特征的金融時(shí)間序列分析。9傅立葉變換（FourierTransform）的優(yōu)勢(shì)?

周期識(shí)別精準(zhǔn)：對(duì)于具有明顯周期性圖表2：傅立葉變換將價(jià)格信號(hào)分解為不同頻率波動(dòng)的和的金融時(shí)間序列（如大宗商品價(jià)格的季節(jié)性波動(dòng)、股市的周期性牛熊轉(zhuǎn)換），傅立葉變換能夠精準(zhǔn)識(shí)別出主要周期成分的頻率和振幅，幫助研究者把握市場(chǎng)的周期性規(guī)律，為中長(zhǎng)期投資決策提供依據(jù)。例如，通過對(duì)黃金價(jià)格的傅立葉變換，可識(shí)別出其存在3

年、5

年等主要周期，為黃金投資的周期配置提供參考。?

頻域分析全面：傅立葉變換能夠?qū)r(shí)間序列的全部頻率信息完整地呈現(xiàn)出來，通過頻域圖譜可清晰觀察到不同頻率成分在整個(gè)序列中的占比，便于分析序列的整體波動(dòng)結(jié)構(gòu)，適用于金融市場(chǎng)的波動(dòng)傳導(dǎo)機(jī)制研究（如不同市場(chǎng)間的頻率波動(dòng)溢出效應(yīng)）。：AI生成，中泰證券研究所10傅立葉變換（FourierTransform）的主要缺陷?

時(shí)頻局部化：傅立葉變換缺乏時(shí)頻局部化能力，其頻域結(jié)果反映的是整個(gè)時(shí)間序列在某一頻率上的平均特征，無法確定特定頻率成分在時(shí)間軸上的具體位置。例如，對(duì)于股價(jià)在某一時(shí)間段內(nèi)出現(xiàn)的高頻波動(dòng)，傅立葉變換只能識(shí)別出存在高頻成分，但無法確定該高頻波動(dòng)發(fā)生的具體時(shí)間區(qū)間。?

非平穩(wěn)性適應(yīng)：傅立葉變換要求時(shí)間序列滿足平穩(wěn)性假設(shè)，對(duì)于非平穩(wěn)的金融時(shí)間序列（如股價(jià)、匯率），需要先對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化處理（如差分），否則變換結(jié)果會(huì)產(chǎn)生較大偏差，難以準(zhǔn)確反映數(shù)據(jù)的頻率特征。?

基函數(shù)特性：傅立葉變換的基函數(shù)為正弦函數(shù)和余弦函數(shù)，這些基函數(shù)在整個(gè)時(shí)域上是無限延伸的，且頻率固定，無法根據(jù)數(shù)據(jù)的具體特征靈活調(diào)整基函數(shù)的尺度和位置11小波分析（WaveletAnalysis）?

小波分析（Wavelet

Analysis）是一種基于多尺度分析思想的時(shí)頻分析工具，通過引入小波基函數(shù)（母小波），并對(duì)母小波進(jìn)行縮放和平移操作，構(gòu)建出一系列具有不同頻率和時(shí)域位置的小波函數(shù)，實(shí)現(xiàn)對(duì)時(shí)間序列的多尺度分解。設(shè)?

?

為母小波函數(shù)，對(duì)其進(jìn)行縮放（尺度參數(shù)a>0）和平移（平移參數(shù)b）后，得到小波函數(shù)族：?????

?

=

??,????

其中，尺度參數(shù)a決定小波函數(shù)的頻率（a越小，頻率越高），平移參數(shù)b決定小波函數(shù)的時(shí)域位置。對(duì)于連續(xù)時(shí)間序列f(t)，其連續(xù)小波變換為：??

?,

?

=

?

?

?

?

?

????,????

其中，??,?

?

為?{?,

?}(?)的復(fù)共軛。在實(shí)際應(yīng)用中（如金融時(shí)間序列分析），通常采用離散小波變換（DWT），將尺度參數(shù)a和平移參數(shù)b離散化，實(shí)現(xiàn)對(duì)數(shù)據(jù)的高效分解，得到不同尺度下的近似分量（低頻趨勢(shì)成分）和細(xì)節(jié)分量（高頻波動(dòng)成分）。12小波分析（WaveletAnalysis）的特點(diǎn)?

時(shí)頻局部化能力：這是小波分析最顯著的優(yōu)圖表3：小波基的平移與放縮勢(shì)，它能夠同時(shí)在時(shí)域和頻域?qū)r(shí)間序列進(jìn)行局部化分析，既可以識(shí)別出不同頻率成分的分布，又能確定這些成分在時(shí)間軸上的具體位置。例如，對(duì)于股價(jià)在2008

年金融危機(jī)期間的劇烈波動(dòng)，小波分析不僅能識(shí)別出該時(shí)期存在高頻波動(dòng)成分，還能精準(zhǔn)定位高頻波動(dòng)發(fā)生的具體時(shí)間區(qū)間（如

2008年

9月

-

10月），這是HP濾波和傅立葉變換無法實(shí)現(xiàn)的。?

非平穩(wěn)性適應(yīng)：小波分析對(duì)非平穩(wěn)時(shí)間序列具有良好的適應(yīng)性，無需對(duì)數(shù)據(jù)進(jìn)行預(yù)先的平穩(wěn)化處理，可直接對(duì)原始非平穩(wěn)金融時(shí)間序列（如股價(jià)、成交量）進(jìn)行分解和分析，這是因?yàn)樾〔ê瘮?shù)的有限支撐特性能夠有效捕捉數(shù)據(jù)的局部突變和非平穩(wěn)特征，而傅立葉變換對(duì)非平穩(wěn)數(shù)據(jù)的處理效果較差，HP濾波也容易受數(shù)據(jù)非平穩(wěn)性的影響。：中泰證券研究所13小波分析（WaveletAnalysis）的特點(diǎn)?

多尺度精準(zhǔn)分解：在金融時(shí)間序列分析中，小波分析能夠?qū)崿F(xiàn)對(duì)數(shù)據(jù)的多尺度精準(zhǔn)分解，分離出不同頻率的成分（如長(zhǎng)期趨勢(shì)、中期波動(dòng)、短期噪聲），為后續(xù)的多模型建模提供基礎(chǔ)。?

局部特征捕捉能力：金融市場(chǎng)常常出現(xiàn)局部突變事件（如政策出臺(tái)、突發(fā)事件沖擊），導(dǎo)致股價(jià)等時(shí)間序列產(chǎn)生局部劇烈波動(dòng)。小波分析的時(shí)頻局部化能力能夠精準(zhǔn)捕捉這些局部特征，幫助研究者及時(shí)識(shí)別市場(chǎng)的結(jié)構(gòu)性變化，為風(fēng)險(xiǎn)預(yù)警和投資策略調(diào)整提供及時(shí)依據(jù)。?

廣泛適用性：小波分析適用于各類金融時(shí)間序列，無論是股價(jià)、匯率、利率等價(jià)格類數(shù)據(jù)，還是成交量、成交額等交易量數(shù)據(jù)，均能通過小波分析提取關(guān)鍵信息。同時(shí)，其對(duì)數(shù)據(jù)平穩(wěn)性要求較低，無需復(fù)雜的數(shù)據(jù)預(yù)處理，大大拓寬了其在金融領(lǐng)域的應(yīng)用范圍，相比

HP濾波和傅立葉變換，具有更強(qiáng)的實(shí)踐應(yīng)用價(jià)值。14錄二小波分析詳解NTS研專

業(yè)

｜

領(lǐng)

先

｜

深

度

｜

誠(chéng)

信小波變換的直觀理解?

變換的核心是“基（basis）”——

空間中線性獨(dú)立的元素集合，任何信號(hào)可由基的線性組合表示。傅立葉變換（FFT）與小波變換（WT）均遵循此邏輯，差異在于基的選擇：?

傅立葉變換的局限：以無窮震蕩的正弦

/

余弦波為基，僅擅長(zhǎng)分析周期性、平穩(wěn)信號(hào)。對(duì)突變信號(hào)（如時(shí)域階躍），需大量三角波擬合，引發(fā)吉布斯現(xiàn)象（間斷點(diǎn)鄰域無法均勻收斂），且無法同時(shí)定位信號(hào)的時(shí)域與頻域特征。?

小波變換的突破：以

“能量集中的小波”

為基

，通

過對(duì)母小波（MotherWavelet）的縮放（控制頻率）與平移（控制時(shí)域位置），構(gòu)建靈活的基集合。同時(shí)引入尺度函數(shù)（Scaling

Function，父小波），實(shí)現(xiàn)多解析度分析（MRA），解決了

FFT

的時(shí)域

-

頻域定位難題，且計(jì)算復(fù)雜度低（多為?

?????

，部分達(dá)?

?

）16關(guān)鍵概念：正交性圖表4：不同小波基形狀和其能量在時(shí)域非常集中的特性?

無論是向量空間還是函數(shù)空間，正交性均指

“內(nèi)積為

0”。對(duì)函數(shù)?

?

與?

?

，內(nèi)積定義為?,

?

=

??

?

?

?

???

小波基通常為

“規(guī)范正交基”（既正交又歸一化），可簡(jiǎn)化系數(shù)求解：若信號(hào)?

?

由小波基???

?

（j為尺度參數(shù)，k為平

移

參

數(shù)

）

線

性

表

示

為

?

?

=∑

∑

?

?

?

，

則

系

數(shù)

?

=??

??

?????

?

,

???

?

，無需復(fù)雜矩陣運(yùn)算。：中泰證券研究所17母小波與小波函數(shù)族?

小波分析的核心是母小波（Mother

Wavelet），它是一種具有有限能量、在時(shí)域上快速衰減的振蕩函數(shù)，通常滿足以下兩個(gè)基本條件：??

?

??

容許性條件：??

<

∞，其中Ψ

?

為母小波?(?)的傅立葉變換。該條件確保了小波變換∫???具有可逆性，能夠通過小波變換結(jié)果重構(gòu)原始信號(hào)。??

零均值條件：?

?

??

=

0，這一條件使得母小波具有

“波動(dòng)性”，能夠有效捕捉信號(hào)的局部變∫??化特征，區(qū)別于具有恒定均值的尺度函數(shù)（父小波）。?

通過對(duì)母小波進(jìn)行縮放和平移操作，可構(gòu)建小波函數(shù)族。設(shè)母小波為

?

?

，尺度參數(shù)a（控制頻率：a越小，頻率越高，對(duì)應(yīng)信號(hào)的細(xì)節(jié)特征；a越大，頻率越低，對(duì)應(yīng)信號(hào)的趨勢(shì)特征）和平移參數(shù)b（控制時(shí)域位置：b的變化使小波函數(shù)在時(shí)域上左右移動(dòng)，實(shí)現(xiàn)對(duì)信號(hào)不同時(shí)間區(qū)間的分析），則小波函數(shù)族定義為：???????,?

?

=

????

其中，

為歸一化因子，確保不同尺度下的小波函數(shù)具有相同的能量，便于不同尺度間的結(jié)果比較。?18尺度函數(shù)（父小波）?

尺度函數(shù)（Scaling

Function，又稱父小波）?

?

是小波分析中與母小波配套使用的重要函數(shù)，主要用于構(gòu)建信號(hào)的多分辨率分析（MultiresolutionAnalysis,

MRA）。尺度函數(shù)通常滿足以下條件：??

歸一化條件：?

?

??

=

1，確保尺度函數(shù)具有恒定的均值，能夠反映信號(hào)的整體∫??趨勢(shì)。??

正交性條件：尺度函數(shù)與其整數(shù)平移版本正交，即?

?

?

?

?

?

??

=

??,?，其中∫???

為克羅內(nèi)克函數(shù)（當(dāng)?

=

0時(shí)，?

=

1；當(dāng)?

≠

0時(shí)，?

=

0）。?,??,??,??

與小波函數(shù)族類似，通過對(duì)尺度函數(shù)進(jìn)行縮放和平移，可構(gòu)建尺度函數(shù)族：???????,?

?

=

???

在多分辨率分析中，尺度函數(shù)主要用于提取信號(hào)的近似分量（低頻趨勢(shì)成分），而小波函數(shù)用于提取信號(hào)的細(xì)節(jié)分量（高頻波動(dòng)成分），兩者協(xié)同作用，實(shí)現(xiàn)對(duì)信號(hào)的多尺度分解。19一個(gè)簡(jiǎn)單直觀的例子（Haar

wavelet）圖表5：哈爾父小波的逐級(jí)構(gòu)建過程?

哈爾小波是最早出現(xiàn)，最簡(jiǎn)單的小波。其一級(jí)父小波是一條平行于橫軸的線段。?

每往下增加一級(jí)，長(zhǎng)度減半，高度增加（增加值為1除以自身內(nèi)積）。因此哈爾小波每級(jí)有2的n-1次方個(gè)父小波。20：中泰證券研究所一個(gè)簡(jiǎn)單直觀的例子（Haar

wavelet）圖表6：哈爾母小波的產(chǎn)生原理和其對(duì)函數(shù)逼近的原理：中泰證券研究所21多分辨率分析（MRA）?

多分辨率分析（Multiresolution

Analysis,

MRA）是小波分析的核心框架，其本質(zhì)是通過“逐步逼近”思想，將原始信號(hào)在不同分辨率下分解為近似分量（低頻）和細(xì)節(jié)分量（高頻），實(shí)現(xiàn)對(duì)信號(hào)從粗到細(xì)的分層刻畫。?

在金融時(shí)間序列分析中，MRA

的核心價(jià)值在于將股價(jià)等復(fù)雜信號(hào)拆解為不同時(shí)間尺度的波動(dòng)成分，為針對(duì)性建模提供理論支撐。?

以前述哈爾小波為例，通過不同層級(jí)、不同移動(dòng)步數(shù)的父小波（體現(xiàn)不同的分辨率）與原函數(shù)相乘再求積分，便得到了原函數(shù)不同分辨率下的近似趨勢(shì)。通過不同層級(jí)、不同移動(dòng)步數(shù)的父小波與原函數(shù)相乘再求積分，就得到了有關(guān)于原函數(shù)的細(xì)節(jié)信息（例如前低后高，在股價(jià)數(shù)據(jù)中體現(xiàn)出股票價(jià)格的上升）。?

不同于傅立葉變換，小波分析中的父母小波，均為“能量集中”型的，大部分時(shí)段其值為0，因此與原函數(shù)相乘并求積分過程中，可以得到傅立葉變換無法得到的時(shí)間信息（例如股價(jià)在什么時(shí)間段更加符合上升或下降的波動(dòng)趨勢(shì)）。我們只需要提高分辨率（使用更多層級(jí)的小波），就能得到更加豐富的信息。22多分辨率分析的數(shù)學(xué)定義?

設(shè){?

}

為??

?

（平方可積函數(shù)空間，金融時(shí)間序列通常滿足此條件）上的閉子空間序列，?

?∈?若滿足以下6

個(gè)條件，則稱{?

}為??

?

上的一個(gè)多分辨率分析：?1.單調(diào)性：低分辨率空間是高分辨率空間的子集，高分辨率包含更多細(xì)節(jié)信息；2.稠密性：?

=

??

?

（所有分辨率空間的并集在??

?

中稠密，可逼近任意信號(hào)）；?

=

{0}（所有分辨率空間的交集僅含零函數(shù)，避免信息冗余）；??∈?

?3.緊支撐性：??∈?

?4.平移不變性：??

?

∈

?

,

?

?

?

2??

∈

?

（信號(hào)在某分辨率下平移后仍屬于該空間，適配時(shí)??間序列的時(shí)序特性）；5.尺度伸縮性：?

?

∈

?

?

?

2?

∈

?

（信號(hào)縮放

2倍后對(duì)應(yīng)分辨率提升1級(jí)，符合多尺????度分解邏輯）；6.正交基存在性：存在?

?

∈

?

，使得{?

?

?

?

}

是V_0的標(biāo)準(zhǔn)正交基（尺度函數(shù)生成初始??∈?分辨率空間的正交基，為分解奠定基礎(chǔ)）。23MRA的分解?

基于MRA框架，原始信號(hào)?

?

∈

?

可分解為低一級(jí)分辨率的近似分量?

（屬于?

）和細(xì)節(jié)???????分量?

（屬于細(xì)節(jié)空間?

，且?

=

?

⊕?

，即近似空間與細(xì)節(jié)空間正交），分解公?????????????式為：?

分解（小波變換）：近似分量系數(shù)（父小波）：????,?細(xì)節(jié)分量系數(shù)（母小波）：????,??=∫?

?

?

????,?

?

??

=

∑?

?

?

?2?

??,??

?

?????,?

?

??

=

∑?

?

?

?2?

??,????=∫???

其中，?

?

為低通濾波器系數(shù)（對(duì)應(yīng)尺度函數(shù)），?

?

為高通濾波器系數(shù)（對(duì)應(yīng)小波函數(shù)），?

為?

空間的系數(shù)，通過迭代可實(shí)現(xiàn)多尺度分解（如本研究的三級(jí)分解：?

=

?

⊕

?

=?,??????

⊕

?

⊕?

=

?

⊕

?

⊕

?

⊕

?

，其中?

為近似分量??3，?

/?

/?

分別為細(xì)節(jié)分量?????????????1/??2/??3）。24MRA的重構(gòu)?

若已知近似分量系數(shù)?

和細(xì)節(jié)分量系數(shù)?

，可重構(gòu)高一級(jí)分辨率的信號(hào)???,????,?系數(shù)：??,?

=

?

?

?

?

2?

?????,?+

?

?

?

?

2?

????,??最終通過?

與尺度函數(shù)的線性組合重構(gòu)原始信號(hào)：?

?

=

∑

?

?

?

。?,??

?,?

?,??

在本研究中，三級(jí)小波分解選用db6

小波基函數(shù)（Daubechies小波，金融領(lǐng)域常用，具有緊支撐、光滑性好的特點(diǎn)，適配股價(jià)的非平穩(wěn)波動(dòng)特征），分解后僅保留??3（反映長(zhǎng)期趨勢(shì)）和??1（反映短期波動(dòng)），剔除了??2和??3—原因是后兩者高頻噪聲占比高，預(yù)測(cè)誤差較大，且對(duì)股價(jià)長(zhǎng)期走勢(shì)影響微弱，剔除后可提升模型效率。25不同小波的特點(diǎn)分析圖表7：不同小波的特性與優(yōu)劣分析小波類型核心特性（時(shí)域

/

頻域）金融適配性（核心優(yōu)勢(shì)場(chǎng)景）關(guān)鍵局限（金融場(chǎng)景短板）正交，支撐域最短（2點(diǎn)），時(shí)域敏

高頻數(shù)據(jù)實(shí)時(shí)突變檢測(cè)（如漲跌停、頻域分辨率低，易受噪聲干擾Haar（哈爾）感，頻域表現(xiàn)差閃崩）多尺度波動(dòng)量化（如波動(dòng)率分解、

N

增大時(shí)，突變響應(yīng)變慢、計(jì)算復(fù)雜Daubechies（dbN）

正交，N

越大越平滑（支撐域

2N）趨勢(shì)提?。┒壬仙鼘?duì)稱正交，失真度低于

dbN（同

固定窗口數(shù)據(jù)趨勢(shì)分離（如財(cái)報(bào)周

高頻場(chǎng)景效率無優(yōu)勢(shì)，極端值敏感度dbN

支撐域）

期、基金歸因）

略低Symlet（symN）Mexican

Hat非正交連續(xù)，頻域聚焦好，對(duì)峰谷敏

市場(chǎng)周期探測(cè)（如季節(jié)性、牛熊周

非正交冗余，計(jì)算量大，首尾數(shù)據(jù)誤（墨西哥帽）感期）、拐點(diǎn)識(shí)別差大非正交連續(xù)，復(fù)值輸出，頻域分辨率

多頻率疊加分析（如政策

/

盈利頻Morlet（莫萊）冗余度高，需預(yù)處理去噪，計(jì)算復(fù)雜極高分離）、聯(lián)動(dòng)相位檢測(cè)26：中泰證券研究所錄核心預(yù)測(cè)模型三NT與小波分解

–

重構(gòu)過程S研專

業(yè)

｜

領(lǐng)

先

｜

深

度

｜

誠(chéng)

信cA與cD的結(jié)構(gòu)?

本策略的核心邏輯是“分而治之”：圖表8：策略的三層小波分解示意通過小波分解拆分股價(jià)特征，用適配模型分別預(yù)測(cè)，再合成得到最終股價(jià)預(yù)測(cè)值。?

總共進(jìn)行了三個(gè)層級(jí)的分解，一級(jí)得到cA1(粗糙的長(zhǎng)期趨勢(shì))與cD1(粗糙的細(xì)節(jié)波動(dòng))，二級(jí)得到cA2(較為精細(xì)的長(zhǎng)期趨勢(shì))與cD2(較為精細(xì)的細(xì)節(jié)波動(dòng))，最終得到cA3(精細(xì)的長(zhǎng)期趨勢(shì))與cD3(精細(xì)的細(xì)節(jié)波動(dòng))。?

最終使用cA3與cD1。原因在于cA3是剔除了多重噪音后的長(zhǎng)期趨勢(shì)，反應(yīng)股價(jià)長(zhǎng)期的走向。

cD1代表最近期的波動(dòng)情況，體現(xiàn)當(dāng)下市場(chǎng)的態(tài)勢(shì)。放棄cD3與cD2，則是結(jié)合回測(cè)結(jié)果的選擇，也是出于僅考慮長(zhǎng)期走向與最近期波動(dòng)的權(quán)衡。不同資產(chǎn)類別（股票、債券、商品）一定會(huì)有不同的選擇，需要投資者依據(jù)自身的理念與回測(cè)結(jié)果做出決定。：中泰證券研究所28近似分量cA3的趨勢(shì)預(yù)測(cè)?

ARIMA模型（自回歸積分移動(dòng)平均模型）是時(shí)間序列趨勢(shì)預(yù)測(cè)的經(jīng)典工具，核心通過

“差分”解決非平穩(wěn)性，結(jié)合

AR（自回歸）捕捉滯后依賴、MA（移動(dòng)平均）捕捉隨機(jī)擾動(dòng)，適用于小波近似分量

cA3（低頻平穩(wěn)趨勢(shì)）的預(yù)測(cè)。?

ARIMA模型的一般形式為ARIMA(p,d,q)，其中：1.p：AR（自回歸）階數(shù)，反映當(dāng)前值對(duì)前p期值的依賴；2.d：差分次數(shù)，通過d次差分將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列（本研究中

cA3經(jīng)1次差分后平穩(wěn)，故d=1）；3.q：MA（移動(dòng)平均）階數(shù)，反映當(dāng)前值對(duì)前q期隨機(jī)擾動(dòng)的依賴。29ARIMA(3,1,1)的具體公式?

通過AIC

準(zhǔn)則（赤池信息準(zhǔn)則）可確定最優(yōu)階數(shù)：對(duì)cA3

序列的差分序列（?

=

???3

=????3

?

??3

，已平穩(wěn)），計(jì)算不同(p,q)組合的AIC值，最終選擇AIC

最小的(p=3,q=1)，????模型公式如下：?

=

?

+

?

?

+

?

?

+

?

?+

?

?

?

??

?

??????

????

????

????

其中：–

?

：cA3的1次差分序列（?

=

??3

?

??3

）；??????–

?

：常數(shù)項(xiàng)，?

,?

,?

：AR(3)系數(shù)（反映?

對(duì)前3期差分的依賴，如?

顯著為正表??????示前1期差分對(duì)當(dāng)期有正向影響）；–

??：隨機(jī)擾動(dòng)項(xiàng)（服從?

0,

??

）；–

?

：MA(1)系數(shù)（反映當(dāng)期擾動(dòng)對(duì)前1期擾動(dòng)的修正，如?

為負(fù)表示前1期正擾動(dòng)會(huì)被??當(dāng)期負(fù)修正抵消）。?

對(duì)差分序列?

的預(yù)測(cè)值??

,

??

,

…

,

??（預(yù)測(cè)未來

5日，對(duì)應(yīng)于本策略的周度調(diào)倉），通????

??????過逆差分重構(gòu)cA3的預(yù)測(cè)值：?????3=

??3+

??（?

=

1,2,

…

,

5，其中??3

為

??3

的最后一期實(shí)際值）?????

???

????30cA3預(yù)測(cè)模型的適用性說明?

選擇

ARIMA

(3,1,1)預(yù)測(cè)

cA3的核心原因：①cA3

為低頻趨勢(shì)分量，經(jīng)

1次差分后基本平穩(wěn)（ADF檢驗(yàn)

P

值拒絕非平穩(wěn)假設(shè)），滿足

ARIMA的平穩(wěn)性要求；②大部分股票的自相關(guān)圖（ACF）顯示cA3差分序列在滯后

3

期內(nèi)顯著相關(guān)（支持p=3），偏自相關(guān)圖（PACF）顯示滯后1期顯著相關(guān)（支持q=1）；③模型殘差檢驗(yàn)（Ljung-Box檢驗(yàn)）顯示殘差為白噪聲（P值>

0.05），說明模型已充分提取cA3的趨勢(shì)信息，無遺漏特征。31細(xì)節(jié)分量cD1的波動(dòng)預(yù)測(cè)?

細(xì)節(jié)分量

cD1為高頻波動(dòng)分量，具有波動(dòng)聚集性（大波動(dòng)后跟隨大波動(dòng)，小波動(dòng)后跟隨小波動(dòng)）和異方差性（方差隨時(shí)間變化），傳統(tǒng)線性模型（如ARMA）無法捕捉，需用GARCH模型（廣義自回歸條件異方差模型）處理。本研究結(jié)合

AR(1)

均值方程，構(gòu)建

AR(1)-GARCH(1,1)模型。?

GARCH模型通過

“條件方差方程”刻畫波動(dòng)的時(shí)變特征，核心思想是：當(dāng)期條件方差依賴于前p期殘差平方（ARCH項(xiàng)）和前q期條件方差（GARCH項(xiàng)），一般形式為GARCH(p,q)。本研究選擇GARCH(1,1)（金融領(lǐng)域最常用，可解釋90%以上的波動(dòng)聚集性），結(jié)合

AR(1)均值方程捕捉

cD1的短期依賴。32AR

(1)-GARCH(1,1)的具體公式?

模型分為均值方程（描述cD1的期望水平）和方差方程（描述cD1的波動(dòng)特征）兩部分：?

均值方程（AR

(1)）：??1

=

?

+?

??1

+????????

其中：–

??1?：小波細(xì)節(jié)分量（高頻波動(dòng)）；–

?：常數(shù)項(xiàng)，?

：AR(1)系數(shù)（反映

cD1對(duì)前

1

期值的依賴，如?

顯著為正表示短期波動(dòng)具有延??續(xù)性）；–

?

：殘差項(xiàng)（服從0,

?

)，?

為當(dāng)期條件方差，隨時(shí)間變化）。????

方差方程（GARCH

(1,1)）：?

其中：??

=

?

+?

?

+?

??

?????

???–

??：t期條件方差（波動(dòng)的度量）；–

?：常數(shù)項(xiàng)（長(zhǎng)期平均方差，?

>

0）；–

?

：ARCH

項(xiàng)系數(shù)（反映前1

期殘差平方對(duì)當(dāng)期波動(dòng)的影響，?

>

0，越大表示短期沖擊對(duì)波動(dòng)的影?響越強(qiáng)）；?–

?

：GARCH

項(xiàng)系數(shù)（反映前1

期波動(dòng)對(duì)當(dāng)期波動(dòng)的延續(xù)性，?

>

0

，越大表示波動(dòng)聚集性越明顯）；??–

約束條件：?

+

?

<

1（確保方差平穩(wěn)，避免波動(dòng)無限放大）。33??波動(dòng)分量預(yù)測(cè)?

未來5

日

cD1

的預(yù)測(cè)值分為

“均值預(yù)測(cè)”和

“波動(dòng)預(yù)測(cè)”。?

本研究中，cD1

的預(yù)測(cè)值采用

“均值預(yù)測(cè)+

波動(dòng)調(diào)整”：??????=

??1?+

α

??????1??????（

α為調(diào)整系數(shù)，通過回測(cè)優(yōu)化確定，平衡波動(dòng)風(fēng)險(xiǎn)與收益）。–

均值預(yù)測(cè)：?

??1

=

?

+

?

??1?

（?

=

1,2,

…

,

5，???1

為實(shí)際值）；???????????????

?–

波動(dòng)預(yù)測(cè)：?=

?

+

?

?+

?

?

（??

=

??1

?

??1

，?

為最后一期????

??????

?????????條件方差）。34?分量合成步驟（預(yù)測(cè)股價(jià)?

）?????

合成的核心是

“逆小波變換”，即將

ARIMA預(yù)測(cè)的??3

與GARCH

預(yù)測(cè)的??????1

重構(gòu)為標(biāo)準(zhǔn)化股價(jià)，再逆標(biāo)準(zhǔn)化得到實(shí)際預(yù)測(cè)值：????

單支分量重構(gòu)：由于僅保留

cA3和

cD1，需先將cA3

與cD2、cD3的“空值”（剔除后視為

0）合成

cA2，再合成cA1，最終與cD1合成標(biāo)準(zhǔn)化股價(jià)：??①第一步：??2

=

???

??3

,

0

（IWT為逆小波變換，0表示

cD3剔??????除）；??②第二步：??1

=

???

??2

,

0

（0表示

cD2剔除）；?????????

?③第三步：?

=

???

??1

,

??1

（預(yù)測(cè)股價(jià)）；?????????35錄四NT策略回測(cè)結(jié)果與分析S研專

業(yè)

｜

領(lǐng)

先

｜

深

度

｜

誠(chéng)

信回測(cè)數(shù)據(jù)?

回測(cè)區(qū)間：為

2019.01.04-2025.07.25（共

1600

個(gè)交易日），調(diào)倉頻率為周度（基于上周末預(yù)測(cè)數(shù)據(jù)重新篩選組合）。使用過去100天數(shù)據(jù)擬合模型并做出預(yù)測(cè)。共選用了三個(gè)指數(shù)的成分股數(shù)據(jù)進(jìn)行回測(cè)，分別為滬深300，中證500，中證800。對(duì)于任一指數(shù)，基準(zhǔn)自然為各指數(shù)本身（如滬深

300

策略基準(zhǔn)為滬深

300

指數(shù)），股票均從指數(shù)成分股中選擇。?

組合篩選：對(duì)三只指數(shù)的所有成分股（滬深

300

共

300

只、中證

500

共

500

只、?中證

800

共

800

只），計(jì)算未來

5

日預(yù)測(cè)收益率??

=

??????，并基于歷史波動(dòng)??????率?（預(yù)測(cè)5日波動(dòng)率）計(jì)算預(yù)測(cè)夏普值：????

?

????????????

=???:????（

為無風(fēng)險(xiǎn)利率，取值為0）??最終選取每只指數(shù)夏普值前

20

的成分股，各配置

5%

權(quán)重構(gòu)建組合（高度分散化）。37中證800回測(cè)情況圖表9：中證800成分股策略凈值走勢(shì)圖表10：中證800成分股策略回測(cè)詳細(xì)指標(biāo)指標(biāo)總收益率年化收益率周波動(dòng)率年化波動(dòng)率下行波動(dòng)率夏普比率索提諾比率最大回撤平均恢復(fù)周期(天)卡瑪比率Beta中證80013.90%4.06%1.19%18.85%13.29%21.54%30.54%-42.96%9.95中證800選股策略247.62%26.28%1.34%中證800凈值中證800選股策略凈值43.5321.27%14.35%123.54%183.12%-23.91%12.572.521.510.509.45%1.00109.91%0.94Alpha0.000.22期末凈值：Wind,中泰證券研究所1.143.48：Wind,中泰證券研究所?

根據(jù)中證800成分股策略凈值走勢(shì)與股策略回測(cè)詳細(xì)指標(biāo)可知，中證800成分股策略（以下簡(jiǎn)稱“策略”）的收益生成能力遠(yuǎn)超中證800基準(zhǔn)，是基準(zhǔn)的3.05倍,在長(zhǎng)期周期內(nèi)展現(xiàn)出顯著的財(cái)富增值效應(yīng)。38中證800回測(cè)情況圖表11：中證800成分股策略分年度收益?

從年化收益維度看，中證800基準(zhǔn)的年化收益率為

4.06%，僅可以跑贏部分低風(fēng)險(xiǎn)理財(cái)產(chǎn)品；而策略的年化收益率達(dá)到26.28%，處于量化權(quán)益策略的較高水平。在

5

年半的回測(cè)周期內(nèi)，

26.28

%的年化收益可以有效對(duì)抗通脹。時(shí)間段201920202021202220232024中證800指數(shù)

中證800選股策略11.91%27.72%-5.93%-16.92%-17.48%13.29%8.94%19.58%45.67%64.42%-8.82%-6.77%28.75%11.75%?

從波動(dòng)率指標(biāo)來看，策略的周波動(dòng)率為

1.34%，僅比中證800基準(zhǔn)的

1.19%

高出

0.15

個(gè)百分點(diǎn)；年化波動(dòng)率為21.27%，較基準(zhǔn)的

18.85%僅提升

2.42

個(gè)百分點(diǎn)。這表明，策略在追求高收益的過程中，并未盲目承擔(dān)過高的額外風(fēng)險(xiǎn)，其風(fēng)險(xiǎn)水平與基準(zhǔn)的差距遠(yuǎn)小于收益差距，風(fēng)險(xiǎn)敞口控制較為合理。2025：Wind,中泰證券研究所?

索提諾比率是衡量“單位下行風(fēng)險(xiǎn)所獲收益”

的核心指標(biāo)，更貼合投資者對(duì)

“控制虧損”的核心需求。中證800基準(zhǔn)的索提諾比率僅為

30.54%，說明基準(zhǔn)在面對(duì)下行風(fēng)險(xiǎn)時(shí)，收益補(bǔ)償能力較弱；而策略的索提諾比率高達(dá)

183.12%，是基準(zhǔn)的6

倍。?

這一數(shù)據(jù)表明，盡管策略的下行波動(dòng)率（14.35%）略高于基準(zhǔn)（13.29%），但策略為每單位下行風(fēng)險(xiǎn)所提供的收益補(bǔ)償遠(yuǎn)超基準(zhǔn)，意味著在市場(chǎng)下跌周期中，策略不僅能減少虧損幅度，還能在市場(chǎng)反彈時(shí)更快獲取收益，下行風(fēng)險(xiǎn)的性價(jià)比極高。39中證800回測(cè)情況圖表12：中證800成分股策略（中信一級(jí)）行業(yè)分布持倉次數(shù)持倉占比70012.00%10.00%8.00%6.00%4.00%2.00%0.00%600500400300200100040：Wind,中泰證券研究所中證800回測(cè)情況圖表13：中證800成分股策略行業(yè)持倉占比?

從行業(yè)持倉分布和持倉次數(shù)數(shù)據(jù)來看，策行業(yè)電子策略持倉次數(shù)64051947136635834933731627327025219618516114914413812012011795策略持倉占比10.74%8.71%7.90%6.14%6.01%5.86%5.65%5.30%4.58%4.53%4.23%3.29%3.10%2.70%2.50%2.42%2.32%2.01%2.01%1.96%1.59%1.14%1.06%0.99%0.96%0.91%0.81%0.49%0.07%0.03%中證800持倉占比13.34%7.04%10.06%6.95%3.50%5.01%3.82%3.00%2.71%2.29%5.17%10.07%3.61%1.31%0.82%6.12%1.38%0.86%1.26%1.40%4.56%1.26%0.43%0.24%0.41%2.55%0.55%0.17%0.05%0.04%略的行業(yè)配置呈現(xiàn)

“核心聚焦、分散平衡”

的特征，既通過核心行業(yè)獲取收益，又通過分散配置控制風(fēng)險(xiǎn)，為超額收益提供了堅(jiān)實(shí)支撐。醫(yī)藥非銀行金融電力設(shè)備及新能源基礎(chǔ)化工有色金屬機(jī)械電力及公用事業(yè)交通運(yùn)輸?

策略的行業(yè)持倉具有顯著的核心聚焦特征：電子行業(yè)持倉占比最高（10.74%），其次是醫(yī)藥（8.71%）、非銀金融（7.90%）、電力設(shè)備及新能源（6.14%）、基礎(chǔ)化工（6.01%），前五大行業(yè)合計(jì)持倉占比達(dá)39.50%，構(gòu)成策略的

“收益核心”。計(jì)算機(jī)銀行汽車傳媒房地產(chǎn)食品飲料石油石化鋼鐵煤炭建筑通信?

這一配置邏輯表明，策略通過對(duì)高景氣、農(nóng)林牧漁商貿(mào)零售輕工制造消費(fèi)者服務(wù)家電68635957高成長(zhǎng)或高確定性行業(yè)（如電子、醫(yī)藥、電新）的重點(diǎn)配置，錨定了長(zhǎng)期收益同時(shí)，非銀、基礎(chǔ)化工等板塊的配置，又為策略提供了一定的防御性，平衡了成長(zhǎng)板塊的波動(dòng)風(fēng)險(xiǎn)。；54建材48紡織服裝綜合294綜合金融：Wind,中泰證券研究所241中證800回測(cè)情況圖表14：中證800成分股策略電子行業(yè)持倉占比與電子行業(yè)走勢(shì)0.350.3000906.SH2.22所選股票

電子持倉占比中信電子行業(yè)相對(duì)走勢(shì)（右軸）0.250.21.81.61.41.210.150.10.050：Wind,中泰證券研究所?

我們截取了策略持倉次數(shù)最多的電子行業(yè)繪制了策略電子持倉占比與電子行業(yè)走勢(shì)對(duì)比圖。?

圖中可見策略對(duì)于電子的持倉與電子行業(yè)的走勢(shì)具有相關(guān)性，當(dāng)電子行業(yè)處于“強(qiáng)勢(shì)”期時(shí)，策略的持倉比例相應(yīng)提升；電子行業(yè)處于“弱勢(shì)”期時(shí)，策略的持倉比例相應(yīng)下降。?

這說明小波分析模型亦可以應(yīng)用于行業(yè)輪動(dòng)或擇時(shí)之上。42滬深300回測(cè)情況圖表16：滬深300成分股策略回測(cè)詳細(xì)指標(biāo)圖表15：滬深300成分股策略凈值走勢(shì)滬深300選股策略指標(biāo)滬深300滬深300凈值滬深300選股策略凈值3.53總收益率年化收益率周波動(dòng)率10.03%3.44%1.18%186.69%22.05%1.29%年化波動(dòng)率下行波動(dòng)率夏普比率索提諾比率最大回撤18.76%13.18%18.31%26.06%-45.60%20.55%13.95%107.30%158.11%-26.26%2.521.51平均恢復(fù)周期(天)9.6412.60卡瑪比率Beta7.53%1.0083.98%0.930.5Alpha0.000.19019/06

19/12

20/06

20/12

21/06

21/12

22/06

22/12

23/06

23/12

24/06

24/12

25/06：Wind,中泰證券研究所期末凈值1.102.87：Wind,中泰證券研究所?

滬深300成分股策略與中證800成分股策表現(xiàn)總體呈現(xiàn)相似態(tài)勢(shì)，亦顯著跑贏基準(zhǔn)指數(shù)，且在各類風(fēng)險(xiǎn)調(diào)整后指標(biāo)上表現(xiàn)明顯優(yōu)于基準(zhǔn)指數(shù)。43滬深300回測(cè)情況圖表17：滬深300成分股策略分年度收益

圖表18：滬深300成分股策略行業(yè)分布持倉次數(shù)持倉占比時(shí)間段2019202020212022202320242025滬深300指數(shù)12.04%30.72%-10.81%-17.18%-19.11%15.92%7.28%滬深300選股策略19.66%700600500400300200100012.00%10.00%8.00%6.00%4.00%2.00%0.00%63.76%29.67%-5.83%-8.61%27.62%0.18%：Wind,中泰證券研究所：Wind,中泰證券研究所44滬深300回測(cè)情況圖表19：滬深300成分股策略行業(yè)持倉占比

圖表20：滬深300成分股策略電子行業(yè)持倉占比與電子行業(yè)走勢(shì)行業(yè)電子策略持倉次數(shù)

策略持倉占比滬深300持倉占比12.17%30%25%20%15%10%5%1.051.000.950.900.850.800.750.700.650.60所選股票

電子持倉占比000300.SH

滬深300電子行業(yè)相對(duì)走勢(shì)（右軸）65151446644610.92%8.62%7.82%7.48%非銀行金融銀行10.84%12.93%醫(yī)藥6.32%電力設(shè)備及新能源3656.12%7.72%交通運(yùn)輸電力及公用事業(yè)汽車337331327308282255228179174149147134131915.65%5.55%5.49%5.17%4.73%4.28%3.83%3.00%2.92%2.50%2.47%2.25%2.20%1.53%1.49%1.38%1.33%1.17%0.70%0.50%0.39%0.25%0.25%3.02%3.00%4.09%4.27%4.77%2.59%2.21%5.53%7.68%1.44%1.67%1.26%1.18%0.60%3.05%1.41%0.57%0.52%0.57%0.04%0.03%0.26%0.28%計(jì)算機(jī)有色金屬機(jī)械基礎(chǔ)化工通信0%食品飲料石油石化建筑：Wind,中泰證券研究所?策

略的行

業(yè)持

倉具

有顯

著的

核心

聚焦

特征

：電

子行

業(yè)

持

倉

占比

最高（

10.92%

）

，

其

次

是

非

銀

行

金

融

（

8.62%

）

、

銀

行

（

7.82%

）

、

醫(yī)

藥（7.48%）、電力設(shè)備及新能源（6.12%），前五大行業(yè)合計(jì)持倉占比達(dá)41.06%，構(gòu)成策略的

“收益核心”。煤炭傳媒家電89農(nóng)林牧漁房地產(chǎn)建材8279??與中證800情況類似，策略通過對(duì)高景氣、高成長(zhǎng)或高確定性行業(yè)（如電70鋼鐵42子、醫(yī)藥、電新）的重點(diǎn)配置，錨定了長(zhǎng)期收益。輕工制造紡織服裝商貿(mào)零售30與中證800不同的是，滬深300策略在銀行、非銀等金融板塊的配置較高，防御屬性更強(qiáng)。2315消費(fèi)者服務(wù)：Wind,中泰證券研究所1545中證500回測(cè)情況圖表22：中證500成分股策略回測(cè)詳細(xì)指標(biāo)圖表21：中證500成分股策略凈值走勢(shì)指標(biāo)中證50027.38%6.57%1.34%21.31%15.17%30.85%43.32%-41.81%12.48中證500選股策略133.40%18.43%1.43%中證500中證500選股策略凈值總收益率年化收益率周波動(dòng)率32.52年化波動(dòng)率下行波動(dòng)率夏普比率22.72%15.70%81.11%117.39%-38.22%5.40