金工量化择时策略研究系列之三：“趋势”、“震荡”环境的划分与择时策略，以上证指数为例-250922-申万宏源.pdfVIP

量

化

研

究

2025年09月22日“趋势”、“震荡”环境的划分与择

量时策略：以上证指数为例

化

策——申万金工量化择时策略研究系列之三

略

⚫明确大盘指数的状态对于交易具有重要的指示作用。市场大部分时间会呈现出趋势和震

证相关研究荡两种状态，如果能够识别并适应当前市场所处的状态，对择时、选股都能有重要的帮

券-助。明确指数当前是处于趋势还是震荡，不仅能为大类资产配置提供决策依据，也能在

研策略、风格选择上提供指导。

究

报证券分析师⚫本研究使用包含两个阶段的、分层诊断的算法来定义指数的状态。目前市场对“趋势”

告

沈思逸A0230521070001与“震荡”这两种状态并没有一个公认的、精确的数学定义，其划分往往带有主观性。

shensy@

邓虎A0230520070003因此，为了构建一个可量化、可回测的策略，本研究使用“zig-zag”算法加上断点修正

denghu@对指数的历史表现进行状态区分，并以此作为后续机器学习模型的训练基准。

联系人

沈思逸⚫我们从价量的角度出发，构建了6个特征变量，并使用逻辑回归、决策树等机器学习模

(8621型进行状态预测。我们从价格、成交量、波动率等维度出发，设计了六个能够捕捉市场

shensy@趋势变化、情绪波动等关键现象的特征。在对等权、逻辑回归和决策树三种模型进行综

合评估后，我们发现所有模型的测试集信号在经过20日平滑处理后，都能够以超过80%

的准确率对未来的市场状态进行有效预测。

⚫基于模型的预测信号，本研究设计了一套动态仓位管理策略。策略根据信号在两种模式

间切换：在趋势状态下，执行“追涨杀跌”的动量逻辑；在震荡状态下，执行“低买高

卖”的均值回归逻辑。仓位根据每周的市场表现进行动态微调，以实现风险和收益的平

衡。

⚫决策树信号对应的策略表现优异，能够对市场的状态进行有效提示。在2020年至2025

年的回测期内，由决策树模型驱动的策略取得了77.26%的总回报和1.12的夏普比率，

IC达1.3。而同期买入持有基准的总回报仅为14.68%，夏普比率为0.30。这一结果证

明决策树模型的预测信号可以有效的提示指数的状态，匹配相应的交易策略可以获得稳

健的回报。

⚫风险提示：本报告模型根据历史数据构建，准确度受限于历史数据的长度；模型历史表现

不代表未来，宏观及市场环境大幅变化时模型可能失效。

请务必仔细阅读正文之后的各项信息披露与声明

量化策略

目录

1.震荡与趋势的划分5

1.1信号的人