基于多因子动态加权的A股行业轮动策略研究
最近在导师指导下完成了一个针对A股市场的行业轮动策略，核心思路是通过宏观经济周期、估值水平、资金流向等6大类因子构建动态加权模型。测试发现，在2018-2023年样本外数据中，年化超额收益达到14.6%（相对沪深300），最大回撤22.3%。策略特点：
1. 采用状态空间模型实时调整因子权重
2. 引入行业动量离散度作为风险控制指标
3. 交易成本按双边0.15%严格扣除
目前遇到两个问题想请教：
- 如何优化因子在极端市场环境下的失效问题（如2022年Q2）
- 行业ETF流动性差异对实际执行的冲击成本影响
欢迎对行业配置或因子建模有研究的同学一起讨论，特别想了解大家在实际回测中处理幸存者偏差的方法。测试用的是CSMAR和Wind的完整行业指数数据，未使用个股数据。
页:
[1]