神经网络择时策略表现 - 使用AGRU模型构建的择时策略以中证全指为标的，在日度调仓、开盘价成交、手续费单边万五的假设下，年化收益率为15.86%，夏普比率为1.18，最大回撤为-12.66% [1][11][12] - 策略的择时IC为15.81%，当信号为满仓（信号2）时，平均收益率为0.29%，收益率为正的比例为62.47% [15][16] - 策略表现对不同宽基指数具有普适性，例如在沪深300上年化收益率为13.43%，夏普比率1.10；在中证1000上年化收益率为17.51%，夏普比率1.02 [40] 不同调仓周期与价格的影响 - 调仓周期拉长至周度或月度会对策略产生显著负面影响，周度调仓夏普比率降至0.71，月度调仓夏普比率进一步降至0.02，并出现长时间空仓导致收益大幅下降 [18][23][25][27] - 策略对成交价格不高度敏感，以早盘60分钟TWAP成交为例，年化收益率为13.15%，夏普比率1.08，最大回撤-12.47%，表现仍具竞争力 [33][35][37] 截面ETF轮动策略表现 - 日度调仓的截面ETF轮动策略在持仓10只ETF时，相较于所有ETF等权的年化超额收益率为17.13%，信息比率为1.25，超额最大回撤为-14.38% [2][47][49] - 策略因子IC均值为5.03%，多头年化超额达32.79%，但近一两年超额收益出现下滑 [42][45] - 持仓数量影响收益水平，持仓5只ETF时年化超额收益率最高，为26.78%，信息比率1.60 [47] 择时与截面叠加策略 - 将择时信号与截面ETF轮动信号叠加后，策略表现提升，持仓10只ETF时年化收益率达31.04%，夏普比率1.86，最大回撤为-10.08% [2][50] - 使用非理想成交价格（如早盘半小时TWAP）策略表现依然稳健，持仓10只ETF时年化收益率为23.47%，夏普比率1.47 [54] - 叠加策略的优越性源于择时与截面信号的时序相关性极低，仅为-1.96%，两者失效时间错位有助于平滑净值曲线 [64][66] 信号特性分析 - 择时信号与截面信号的有效性存在明显的时间段差异，择时信号对下午至隔夜收益率的预测准确性更高，而截面信号对隔夜和早尾盘的预测准确性更高 [67][68][71][72] - 择时信号偏离度均值为24.12%，截面信号IC均值为7.60%，ICIR为0.90，两者不同的优势时间段是导致低相关性的重要原因 [60][62][76]