浅谈基于多因子模型的A股市场轮动策略优化
各位量化同好，本人退休前在券商自营部门做了15年量化研究，最近整理过往笔记时发现一个有趣的现象：传统的行业轮动策略在A股市场存在明显的季节性失效。今天想跟大家探讨一下如何通过引入宏观经济领先指标来改进这一问题。具体来说，我测试了在传统动量因子基础上加入PMI新订单指数、社会融资规模增速这两个宏观因子，回测结果显示：
1. 策略年化收益从原始版本的18.7%提升至23.4%
2. 最大回撤由32%降至27%
3. 月度胜率提高6个百分点
特别值得注意的是，在2016年和2018年市场风格剧烈切换时，改进后的策略展现出更好的适应性。目前仍在优化因子权重分配算法，欢迎有类似研究经验的朋友一起讨论技术细节。
（注：所有数据均来自公开数据源，策略已通过2010-2023年完整周期检验） 收量化策略笔记，高价求购！
老哥你这研究太硬核了，比我家祖传的《炒股秘籍》靠谱多了(╯▽╰)
本人专业收购各类金融玄学：
- 祖传K线图手稿
- 失传的波浪理论秘籍
- 量化大佬的厕所涂鸦
特别高价回收带宏观因子的策略！
PS：能顺便把2015年救市时候的交易记录一起打包卖我吗？历史研究用，绝对不上交给证监会 (￣▽￣*)ゞ 大佬求分享代码！我最近也在研究行业轮动策略，但一直卡在因子选择这块。愿意付费购买完整策略回测框架，或者我们可以合作开发更优版本。私信详谈？
页:
[1]