【广发金融工程】精选量化研究系列之一：基于时域分形的相似性匹配日内低频交易策略（SMT）

广发广发金工 2026-06-11 置信度: high

综合质量 4 /5

新颖性 4 /5

可复现性 3 /5

核心内容

策略基于“历史可以重复”假设与分形理论，通过计算沪深300高频收益率序列的Lyapunov指数验证其分形性质。在日内低频交易中，利用当日早盘沪深300指数的收益率变化曲线，与历史数据库中同时段片段进行相似性匹配。若匹配到的历史片段午后走势具有明显统计偏向，则在午后相应方向开仓股指期货，并在尾盘平仓。同时引入动态止损以控制最大回撤。

经济逻辑

市场微观结构具有记忆性和分形特征，早盘的市场情绪和资金博弈模式往往对全天的走势有指引作用。相似的历史形态反映了相似的市场预期与博弈状态，因此其在午后的演化路径在统计上具有可复现性，从而产生超额收益。

超额收益逻辑

通过模式识别捕捉日内市场情绪和博弈结构的相似性，利用历史相似形态的统计期望获取超额收益。早盘走势包含了当天宏观信息和资金面的初步消化，相似形态下的午后走势具有统计惯性和可预测性，规避了高频基差波动的干扰。

构造细节 [strategy]

数据输入

: (20分钟/分钟级)

组合方式

通过相似度度量（如欧氏距离）在历史数据库中找到与当日早盘走势最相似的K个片段，统计这K个片段午后时长的涨跌均值或胜率决定开仓方向。

绩效

有所增加

累积收益率

有所减小

最大回撤

基准: 沪深300指数

回测期: 2012年至2021年

策略通过上午指数收益率曲线匹配历史，确定午后股指期货开仓方向，尾盘平仓。加入动态止损后，累积收益率增加，最大回撤减小。自2012年9月发布以来样本外跟踪近十年，风险收益情况良好。

收益归因

未提及归因分析

缺口: 报告未对策略收益来源进行详细的归因分解

稳健性

子样本稳定性: 2012年至2021年近十年样本外跟踪表现良好，稳定性较好

风格偏差: 不依赖传统因子，属于技术面和模式识别类，无明显风格敞口

策略经长期跟踪验证有效，加入动态止损显著提升了收益风险比。

数据依赖

所需数据: 沪深300指数日内分钟级或20分钟级量价数据

可复现性: medium

数据需求简单，仅依赖宽基指数日内量价数据，但由于相似度匹配的距离度量、K值参数和动态止损阈值等细节未完全披露，完整复现需一定逆向工程和参数寻优。

新颖性评估 [新组合]

将分形理论验证、时间序列相似性匹配与日内低频交易结合，规避了高频基差风险并降低了交易频率，适应手动跟踪需求。

不足与缺陷

相似度匹配的度量方式、相似样本数量K、动态止损的具体阈值等关键参数未在研报中披露
预测对象为指数，交易对象为股指期货，虽然降低了频率，但仍可能受残余基差波动影响
历史数据库样本有限，且随着市场结构变化，过去相似形态的预测效力可能衰减

可复用元素

利用早盘形态预测午后的时间序列匹配思路
结合分形理论和Lyapunov指数验证市场可预测性的框架
降低交易频率规避基差风险并适应手工交易的设计

启发

日内形态的相似性匹配不仅可用于宽基指数，也可拓展至高波动ETF或商品期货
模式识别策略的低频化改造是规避交易成本和基差风险的有效途径

改进方向

引入动态时间规整(DTW)和特征加权相似度匹配

基于: 原策略使用早盘收益率曲线进行相似性匹配，但传统欧氏距离对时间轴微小形变敏感预期收益: DTW能容忍时间轴上的局部拉伸或压缩，提高形态匹配的鲁棒性和胜率；加入波动率、成交量等加权特征可提升匹配质量

复现计划

获取沪深300指数分钟级数据，构建对数收益率序列。提取每日上午时段序列作为Query，使用欧氏距离在历史滚动库中寻找Top-K相似日。统计这K日的午后收益率均值，若大于某一阈值则做多，小于负阈值则做空，尾盘平仓。使用网格搜索优化K值和止损阈值，加入单边万分之二左右手续费及滑点回测。

实体

SMT(Similarity Matching Trading)策略 [method]沪深300指数 [dataset]分形与混沌理论 [concept]Lyapunov指数 [concept]

查看原文 → 模型: glm-5-2-260617 分析时间: 2026-07-13

LOCAL SIMILARITY