本文基于一种相似性度量方法——改进DTW算法，引入宏观维度，应用于指数择时，构建Macro-Ita-DTW择时策略。报告的主要结论如下：
　　本文基于改进的DTW算法，在传统DTW算法基础上对弯曲匹配路径施加约束条件，并应用于指数择时。实证结果显示，基于Ita-DTW算法的沪深300择时策略样本内年化收益12.72%，胜率56.77%，盈亏比1.33，样本外年化收益8.33%，胜率53.57%，盈亏比1.36，且回撤显著低于标的指数，整体表现相对传统DTW择时策略有显著提升。
　　此外，本文引入宏观流动性指标对Ita-DTW择时策略进行优化改进。Macro-Ita-DTW择时策略样本内年化收益16.29%，胜率57.57%，盈亏比1.37，样本外年化收益9.36%，胜率53.97%，盈亏比1.39，回撤和波动水平较小，整体表现相对Ita-DTW择时策略有显著提升，且分年度表现也十分稳定。
　　最后，将Macro-Ita-DTW择时策略应用在其他宽基指数上，发现在其他指数上也能取得较好的效果。
　　风险提示：历史数据不代表未来，模型存在失效风险。
　　

研究报告全文：