本篇报告从日内行情数据出发，通过形态识别算法研判未来资产价格涨跌，在股票指数和国债期货上都取得了不错的效果。进一步，在此前股指择时策略和国债期货择时策略基础上，叠加尾盘相似性策略，发现能够给原有策略带来一定的增益。另外，结合相似性算法的日内择时和交易策略在股指上也能取得较为不错的效果。
　　相似性算法在资产日内行情数据上是否也能发挥效果？此前报告中，我们基于股指日间行情数据构建周频/日频的择时策略，取得了不错的效果。本篇报告将应用股指日内行情数据进行探索，由于尾盘成交量较大，交易博弈集中，因此本文采用改进DTW距离将当前尾盘行情与历史尾盘行情进行比对，找出相似行情片段，并作择时判断。可以发现，尾盘相似性策略在各个宽基指数上的胜率均较高。
　　叠加尾盘相似性策略对原有DTW择时策略有显著提升和改善。进一步，将尾盘相似性策略叠加到此前的改进DTW择时策略上，发现对原有的股票指数择时策略有显著提升和改善。在沪深300上，日频策略年化收益提升约2.76个百分点至15.95%，胜率提升近1个百分点至53.44%。
　　基于相似性算法的股指日内择时和交易策略取得较好的效果。将相似性算法应用于其他日内时段，也能取得较高的择时胜率。另外，基于相似性算法构建的股指T0交易策略也能取得不错的效果。
　　相似性算法在国债期货日内数据上也有一定的预测效果。由于国债期货有高频数据，我们也将尾盘相似性策略应用在国债期货上进行了测试，发现胜率也较高。并且在原有的股债跷跷板+隔日反转择时策略基础上，加入尾盘相似性策略能够带来一定的增益。
　　风险提示：历史数据不代表未来，模型存在失效风险