神经网络择时策略。我们使用一种创新性训练方法，将神经网络模型用于进行大盘择时。并定义TSRankIC和偏离度指标以评价择时信号的准确性。
　　本月择时策略收益率-4.03%，最大回撤-4.44%。时序TSRankIC为-9.87%，偏离度均值为32.28%。
　　神经网络ETF轮动策略。我们利用在个股上表现较好的选股Alpha因子通过指数成分股聚合的方式，得到指数层面因子值。进一步地，对于有多个ETF跟踪同一指数的情况，我们仅保留规模最大的ETF，同时筛选近20日日均成交额大于2000万的ETF才能纳入可投资ETF池。
　　本月轮动信号RankIC均值为-0.37%。策略收益率-5.78%，最大回撤-9.56%。超额收益率为-0.38%，超额最大回撤为-5.31%。
　　择时与截面叠加的ETF绝对收益策略。我们将两类信号融合，当择时信号给出需要持仓的判断时，具体买入轮动信号所给出的多头组ETF标的，从而实现绝对收益的策略效果。
　　本月策略收益率-3.10%，最大回撤-5.56%。近半年以来收益率11.84%，最大回撤-11.23%。今年以来收益率21.08%，最大回撤-11.23%。
　　风险提示。（1）本文所述算法与模型用量化方法通过历史数据统计、建模和测算完成，所得结论与规律在市场政策、环境变化时存在失效风险。（2）基于模型得到的相关结论并不能完全准确地刻画现实环境以及预测未来。（3）本文策略通过一定的假设与历史数据回测得到，当交易成本提高、市场结构及交易行为改变时有可能存在失效风险，可能导致策略收益下降或出现亏损。