研究核心逻辑：小波分析分解趋势与波动 [page::0][page::9]

• 报告核心在于利用三级小波分解将股价时间序列拆分为长期趋势分量（cA3）和高频波动分量（cD1），分别采用不同模型预测，最后逆变换重构股价。

- 其中cA3利用ARIMA(3,1,1)模型进行长期趋势预测，cD1利用AR(1)-GARCH(1,1)模型刻画波动聚集性和异方差性。

• 这样“分而治之”的方法克服了单一模型难以同时处理趋势与波动的局限，提升了预测准确度和策略表现。

小波分析技术优势与对比 [page::2][page::3][page::4]

• 与传统HP滤波和傅立叶变换相比，小波分析具备时频局部化能力，多尺度分解可精准捕捉不同时间段与频率的波动特征。

- 小波分析对非平稳金融序列适应性更强，无需复杂预处理，可有效识别突变事件及局部特征，适用于股价、成交量等多维度数据。

• 利用紧支撑、正交性等特性，不同小波基（如Daubechies、Haar）在金融应用中各有优势和适用场景。

量化模型与分量合成过程详解 [page::9][page::10][page::11]

• 对cA3趋势分量差分序列拟合ARIMA(3,1,1)模型，通过Ljung-Box检验确保残差白噪声，模型结构和参数选择具有统计和经济意义。

- 对cD1波动分量采用AR(1)-GARCH(1,1)模型捕捉波动持续性，未来波动预测包含均值和条件方差两部分，配合调整系数平衡风险收益。

• 最终通过三级逆小波变换（IWT）将预测的趋势分量与波动分量合成标准化股价，再经过逆标准化得出实际预测股价。

策略回测结果与多指数应用表现 [page::12][page::13][page::14][page::15][page::16]

| 指标 | 中证800基准 | 中证800策略 |
|---------------|-------------|-------------|
| 总收益率 | 13.90% | 247.62% |
| 年化收益率 | 4.06% | 26.28% |
| 周波动率 | 1.19% | 1.34% |
| 年化波动率 | 18.85% | 21.27% |
| 夏普比率 | 21.54% | 123.54% |
| 最大回撤 | -42.96% | -23.91% |
| Beta | 1.00 | 0.94 |
| 期末净值 | 1.14 | 3.48 |

• 三大指数（沪深300、中证500、中证800）成分股均适用该策略，均显著跑赢基准指数，年化收益率提升约5倍，回撤显著缩小。

- 策略风险控制合理，波动率略高于基准，但单位风险收益率倍数提升，尤其是索提诺比率显示策略下行风险管理优秀。

• 行业配置具有核心聚焦+分散平衡特征，电子、医药、非银金融等行业占比较高，且策略行业持仓比例与行业走势具有高度相关性，支持行业景气度轮动逻辑。

- 策略调仓频率为周度，基于最新小波模型预测结果动态调整，适应市场变化，表现出行业轮动和择时功能。

策略总结与应用建议 [page::17]

• 利用“小波分析+ARIMA+GARCH”模型实现趋势与波动的有效剥离和预测，重构股价的多层次波动特征，配合夏普比率选股构建组合，显著提升收益与风险调整绩效。

- 此方法计算复杂度较高，建议使用多核心并行计算或分段数据多终端处理，提高模型计算效率。

• 报告强调该模型的广泛适用性和实用价值，尤其适合需要精细捕捉多尺度时间序列特征的量化选股和组合管理。

一、元数据与概览

• 报告标题：《【中泰金工】小波分析“手术刀”：波动与趋势的量化剥离及策略应用》

- 作者与机构：李倩云（执业证书编号S0740520050001）、张天伦（执业证书编号S0740525070005），均来自中泰证券金融工程团队

• 发布日期：2025年9月4日（正式发布），补充内容至9月8日

- 研究主题：基于小波分析方法的金融时间序列波动与趋势分离，结合ARIMA和GARCH模型，应用于中国股票市场宽基指数成分股选股及策略构建

• 核心论点及目标：

- 本报告主张运用小波分析（Wavelet Analysis）作为“手术刀”，通过多尺度分解将股价序列的趋势项（低频成分）与波动项（高频成分）精准剥离。
- 采用ARIMA模型对近似分量（趋势）预测，AR-GARCH模型对细节分量（波动）进行建模，以实现趋势与波动的匹配预测。
- 利用预测结果构建量化选股策略，并通过夏普比率筛选成分股，形成超额收益投资组合。
- 策略适用范围涵盖沪深300、中证500、中证800多个宽基指数，回测结果显示策略在关键风险收益指标表现均显著优于相应基准指数，验证其有效性和广泛适用性。

二、逐节深度解读

1. 主要结论（第1页）

• 小波分析能通过三级分解提取趋势成分cA3和波动成分cD1，克服单一模型无法同时有效处理趋势与波动的难题。

- ARIMA（3,1,1）表现优异，捕捉长期趋势，AR-GARCH模型则精准捕捉波动聚集性与异方差性。

• 基于夏普比率筛选的组合，回测净值大幅跑赢各大基准指数（以中证800为例，净值超3倍，夏普值近6倍，最大回撤44%下降至23%），体现了策略在收益和风险控制上的优势。

2. 三大主流趋势滤波方法的比较（第2-4页）

HP滤波（页2）

• 优势：计算简便、趋势提取直观，适合平稳且波动温和的金融时间序列。

- 缺陷：仅分解成趋势与周期成分两层，缺乏多尺度分解功能；不能精准区分不同频率区间的周期成分；对平滑参数依赖显著，并对非平稳、剧烈波动时期表现不佳，会出现趋势成分漂移。

傅立叶变换（页3）

• 优势：准确识别周期性显著特征，频域信息全面，有助于发掘周期规律，便于政策及周期性投资参考。

- 缺陷：缺乏时频局部化，频谱结果缺少时间定位；需平稳序列输入，非平稳信号处理能力弱；基函数为无穷长正弦波，缺乏灵活的尺度和平移调整能力，不能精细适配变化信号。

小波分析（页4）

• 特点：时频局部化、小波基能同时定位信号的时域和频域位置；对非平稳序列适应良好，无需预先平稳化，尤其适合股价等复杂金融数据。

- 多尺度、精准分解能力，能分离长期趋势、中期波动及短期噪声，为多模型建模打下坚实基础。

• 对局部剧烈波动能快速响应，适合捕捉各种突发事件对市场的冲击，有助于及时风险预警和策略调整。

- 实践应用广泛，覆盖价格数据及成交量等各种类别，数据预处理简单，优势显著。

3. 小波分析技术详解（第5-8页）

• 小波变换基于正交性、紧支撑基函数，采用母小波经缩放和平移构成完整函数族，区别于傅立叶无限震荡基，能高效提取信号局部特征（页5）。

- 多分辨率分析（MRA）作为核心思想，实现对信号从粗到细的逐层分解，区分出近似分量（趋势）和细节分量（波动）（页7-8）。

• 哈尔小波（Haar wavelet）为最简单例子，采用多级构建，便于理解小波变换的数学原理及函数逼近机制。

- 报告采用db6（Daubechies小波）为基础小波，因其有良好光滑度和紧支撑，特别适合处理具有非平稳波动特征的金融时间序列。

4. 核心预测模型与小波分解应用（第9-11页）

• 通过3级小波分解，将原始股价数据拆解为近似分量cA1-cA3和细节分量cD1-cD3，策略仅保留cA3和cD1：前者反映长期趋势，后者抓取近期波动，兼顾趋势和波动信息，避免高频噪声干扰（页9）。

- 近似分量cA3采用ARIMA(3,1,1)模型预测，依据差分后序列的自相关和偏自相关图确定模型阶数，模型残差通过白噪声检验验证有效（页10）。

• 细节分量cD1采用AR(1)-GARCH(1,1)模型，AR部分模拟波动的短期依赖，GARCH部分有效捕捉波动的聚集性和时间变异特征，符合金融数据波动性质（页10-11）。

- 预测结果结合逆小波变换重构预测股价，层级逆转合成完成标准化股价预测后再进行逆标准化，完整流程严谨且高效。

5. 策略回测结果（第12-16页）

基本设定

• 回测时间：2019年1月至2025年7月，1600个交易日，周调仓频率，基于100日历史数据做模型拟合和预测。

- 选样范围：沪深300、中证500、中证800指数成分股。

• 选股逻辑：计算未来5日收益预测和波动率，计算预测夏普值，选取夏普值前20成分股，配置等权（5%）形成组合，保障组合高度分散。

中证800策略表现（页12-14）

• 净值表现：策略期末净值达3.48倍于基准，中证800指数为1.14倍，超额收益显著。

- 风险收益指标：年化收益率26.28%（基准4.06%）；最大回撤降至23.91%（基准42.96%）；夏普比率提升近6倍；索提诺比率提升至183.12%，表现出更出色的下行风险控制能力。

• 行业配置：核心聚焦电子、医药、非银金融、电力设备及新能源、基础化工5大行业共占比近40%，兼顾成长和防御性。

- 电子行业持仓比例动态调整与电子行业走势高度相关，体现了策略在行业轮动择时上的有效执行。

沪深300策略表现（页14-15）

• 净值增长至2.87倍，明显跑赢基准1.10倍。

- 年化收益提升至22.05%，风险指标与中证800类似，回撤控制及波动控制较好。

• 重点行业分布相似，行业顶部为电子（∼11%），非银金融、银行、防御性较强。

- 电子行业持仓比例与行业相对走势同样呈正相关。

中证500策略表现（页15-16）

• 净值达2.33倍，超越基准1.27倍。

- 年化收益18.43%，风险指标略高，但最大回撤控制良好，恢复周期较短。

• 前六大行业占比达49%，以电子、医药、非银金融及基础化工为主，与其他指数策略呈高度一致的收益核心。

6. 总结与策略局限（第16页）

• 报告强调小波分析相比傅立叶变换和HP滤波，更能兼顾时间和频率两个维度，适合非平稳、波动剧烈的金融序列分析，赋能传统模型ARIMA和GARCH发挥作用。

- 实证结果显示“多重模型+小波分解”的组合在多指数宽基成分股中均实现超额收益，且风险控制合理，说明策略具有实用的广泛适用性。

• 目前模型计算量大，运算时长长，建议采用多CPU核并行运算或分段运行合并结果方式提升效率。

7. 风险提示与合规声明（第17页）

• 强调分析基于历史数据，未来受政策、市场环境变化风险可能导致模型失效。

- 报告信息基于公开数据，具有一定滞后性和不确定性，不构成投资承诺或具体投资建议。

• 免责声明全面，提示投资者注意潜在风险，合规规范清晰。

三、图表深度解读

• 图表1（HP滤波示意，页2）：展示原始时间序列被蓝色曲线表示的市场估值中枢趋势线平滑提取，虚线表示波动部分。图形有效直观说明HP滤波提取长期趋势的过程，缺乏多尺度和局部时频定位能力。

- 图表2（傅立叶变换示意，页3）：表现了价格信号分解为不同频率正弦波合成与频域强度柱形图，体现傅立叶变换提取周期成分优势，同时揭示缺乏时频信息的局限。

• 图表3（小波基平移与放缩，页4）：显示母小波通过缩放与平移形成在不同时间位置和频率尺度的多个小波，直观反映时频局部化能力。

- 图表4（多种小波基形状，页5）：呈现了Morlet、Daubechies、Haar等多种典型小波基函数，区别明显，反映了不同小波基对金融数据的适配性和优缺点。

• 图表5-7（哈尔小波多层构建及逼近示意，页6-7）：展示哈尔小波父波逐级变换与信号逼近过程，辅助理解多分辨率分析的数学基础。

- 图表9（小波分解结构图，页9）：流程图清晰展示多层级分解结构和保留分量cA3、cD1的意义，直观展示“分而治之”的核心思路。

• 图表12（中证800策略行业持仓次数与占比对比，页13）：柱状与折线图共同展示策略行业持仓分布和持仓占比，反映核心行业覆盖及分散化策略实施效果。

- 图表14/20/26（电子行业持仓占比与行业相对走势对比，页14、15、16）：多期时间序列条形图与趋势线叠加，体现策略股票持仓与行业表现的高度联动，说明策略选股具行业轮动的择时特征。

• 图表9、12、15、21等策略净值走势图及指标表（页12、14、15）：曲线呈明显向上趋势，辅以明晰数据指标（年化收益、波动率、最大回撤、夏普比率等）对比，体现策略超越基准的稳健性和收益能力。

四、估值分析

• 本报告核心在模型算法与策略回测，未涉及传统企业估值方法（如DCF、市盈率估值），而是通过模型预测未来价格走势，进而构建投资组合。

- 估值视角更多体现在预测未来收益及波动，利用夏普比率做风险调整后回报评价，并基于此进行选股排序，侧重风险收益效率的量化优化。

五、风险因素评估

• 主要风险来自模型基于历史数据形成，未来市场环境、政策变化可能导致模型预测失效。

- 由于模型复杂，计算成本较高，运算支持及效率可能影响实用性。

• 报告未详细说明市场极端事件、流动性风险等可能的冲击，建议投资者注意策略应用中的实际市场限定条件。

六、批判性视角与细微差别

• 潜在假设敏感性：策略高度依赖ARIMA及GARCH模型的精确拟合，对参数设置和模型阶数存在敏感性，短期波动模型过拟合风险难以完全排除。

- 数据窗口及调仓频率：使用100日滚动窗口与周度调仓，未探讨不同窗口长度和调仓频率对策略表现的敏感性，可能影响成果稳健性。

• 计算资源依赖：报告指出计算复杂、运算时长长，可能限制策略实盘应用，可行性受限。

- 行业持仓调整机制未详述：虽然持仓行业与行业表现高度相关，但报告未详细披露调仓逻辑和行业轮动机制对冲策略执行风险的细节。

• 未充分覆盖风险缓释策略：风险提示较为一般，缺少对策略可能失败后修正或对冲措施的深入讨论，略显保守。

七、结论性综合

本报告系统阐述了基于小波分析的多尺度时间序列分解方法，结合ARIMA趋势预测和GARCH波动模型，实现了对金融股票价格的趋势与波动分离及分别建模。通过该“手术刀”式方法，报告不仅解决了传统单一时间序列模型难以兼顾趋势与波动的难题，还为经典模型的应用开辟了新的思路。

报告设计了一套以小波三级分解为核心的多模型投资策略，基于夏普选股指标构建分散组合，并在沪深300、中证500、中证800等多个宽基指数的成分股回测中，表现出显著超越各自基准的高收益率和优异的风险调整指标。尤其是中证800策略期间净值提升至基准逾3倍，夏普率提升至近6倍，最大回撤减半，体现了策略稳定获取超额收益的强大能力。

图表深入展示了小波分析的数学基础、分解结构、核心模型、回测结果及行业配置特征，证实了策略连续性和行业轮动能力。电子等高景气行业的动态配置与行业走势高度吻合，反映出模型具备灵活快速适应市场变化的能力。

尽管策略运算复杂度较高影响实用性，且基于历史数据的风险依然存在，但整体分析严谨、方法创新，验证了小波分析作为“手术刀”优化选股策略的巨大潜力。

综上，报告呈现了“小波分析+ARIMA+GARCH”三重模型框架在宽基指数多风格成分股中的有效性和广泛适用性，彰显了该量化策略在未来资产配置和动态管理领域的应用前景，对投资者具有重要的参考价值和实践指导意义。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]

---

附：主要图表索引（Markdown格式）

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

报告