觀點網訊：中金公司研究部發布《機器學習系列（6）：基於強化學習PPO模型的周頻風格輪動框架》研究報告，提出基於強化學習的風格輪動框架，對小盤、成長、紅利三個風格指數的周頻輪動任務進行建模。
報告稱，近年來A股市場風格切換的速度與幅度顯著提升，不同風格的相對收益表現存在週期性輪動特徵。該框架通過序貫決策顯式納入交易成本，圍繞長期累計回報進行優化，在控制回撤的前提下實現穩定的超額收益。
具體而言，該框架是一個定義在離散動作空間中的馬爾可夫決策過程。
報告披露，2024年以來的樣本外跟蹤結果表明，PPO模型能夠取得14.34%的年化超額收益，卡瑪比例1.12，顯著優於該報告所設定的其他對照策略。
按2024年1月1日至2026年9月4日的樣本外區間計算，PPO模型絕對年化收益達26.70%，勝率55.07%，高於對照基準策略與三個指數自身；相對等權基準的年化超額收益達14.34%，卡瑪比率達1.123。