关于利率（或国债期货）涨跌的预测，市场上的一般量化框架为使用0-1分类模型对国债期货的涨跌方向进行预测，但在实际操作中不宜直接使用这种涨跌方向的预测。

　　对比起模型对预测胜率的优化，更重要的可能是量化体系中的仓位策略部分优化，即优化对预测模型的每日利率

　　如可以考虑提高交易信号触发的门槛值或设置逐步加仓条件，合理减少交易频率，也可以通过使用反双曲正切函数来分配仓位，提升策略盈亏比的同时限制换手率。

　　本研究中测试的仓位策略包括：多空全仓策略作为基准。带门槛的全仓策略，该策略的核心改进在于引入模糊区间过滤机制，带门槛的逐步加仓，结合门槛值模型和渐进式的逐步加仓管理模式。连续型交易策略将二值选择的概率信号转化为仓位调整信号，即将

　　映射至相应的仓位，这可以将连续型的交易策略按照风险偏好类型划分为风险偏好型、风险厌恶型和风险中性型，分别分配Sigmoid

　　》，运用预测模型生成了多因子模型预测信号，并以此信号为基础测试交易策略，其交易标的为国债

　　为保证开仓的可行性，根据各模型当日的预测信号，各策略信号发出后将于次日开盘时开仓，于次日收盘时平仓。

　　各预测模型每次使用最近120天的数据训练模型，预测当前迭代的下一个交易日。将2024年1月1日至2024年12月31日视为牛市，将2025年1月1日至2025年5月9日视为震荡市。

　　从测试结果看，首先，各类仓位策略的搭配非常重要，甚至能在模型信号胜率保持不变时，提升整体模型-

　　是一种事半功倍的收益增厚方法。特别是在震荡市中，合理选择仓位策略的增厚较为明显；

　　其次，二值全仓策略在趋势明显时能高效捕获收益，伴随较高波动与回撤风险，同时换手率和手续费消耗也较高

　　；门槛逐步加仓策略表现出较低的交易频率优势，降低了交易成本，但在震荡市的收益捕获方面能力有限

　　再次，单一连续策略的优化在震荡市中表现出众，线性和正态策略在多数模型上表现出较高的收益稳定性，

　　而Sigmoid、Atanh和Atanh-Sigmoid策略在波动率控制方面具有显著优势，尤其适合风险厌恶型投资者,特别是搭配Atanh类模型，在不同市场环境下，GRU模型都展现出持续提升赔率表现的稳定性，而LG、SVM等模型的策略优势则具有明显的环境依赖性；

　　表现不劣于逐步加仓策略。但需要注意的是对期货而言，手续费的成本相对收益而言还是较低的，在选择策略时，宜更加注重收益而非手续费消耗。

　　历史数据总体和样本偏误；模型设置偏误；流动性超预期收紧；经济修复速度显著提升。

　　报告名称：如何优化量化模型的赔率与换手率：关键在仓位策略；报告日期：2024.08.01；报告作者：

　　本订阅号所载内容仅面向国泰海通证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰海通证券研究服务签约客户，为保证服务质量、控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的不便表示诚挚歉意，非常感谢您的理解与配合！如有任何疑问，敬请按照文末联系方式与我们联系。