随着中国资本市场的不断完善和金融投资理念的不断发展,投资于指数类金融产品,因其低廉的管理成本,正越来越受到人们的青睐,相关的理论和方法的研究也越来越多。主要的投资理论可以分为两类,一类是偏被动的组合配置型,一类是偏积极主动管理量化投资型。本文的主要工作在于将上述两类策略结合起来,并应用于ETF300指数。本文主要关注两方面的内容,一是选取因子构造指数跟踪方法;二是用隐含马尔可夫模型建模数值序列,并用隐含最小二乘算法解决指数跟踪的择时问题。本文的主要研究目标在于尝试将被动的组合管理和积极主动的量化投资方法相结合,将被动投资的低管理成本和主动投资的捕捉市场信息的方法相结合,探索两者的结合点。在算法的构建上,以指数跟踪作为第一层策略,以量化择时作为第二层策略,通过用量化的方法对被动投资的微调,达到在管理成本没有太大变化的前提下,从整体上显著提高组合超额收益的目标。实证分析中,选取ETF300指数相关的日数据,时间跨度为从指数构造至今,将数据分为训练集和测试集,以训练集数据确定合适的因子,在测试集上实时运行隐含马尔可夫算法和隐含最小二乘算法,判断合适择时时机。性能指标选择为最大回撤和超额收益,以静态经典算法为基准作为比找对象。通过本文的实证分析可以看到,这种结合的算法那确实取得了预期的成果,同时这种算法的构造简洁,可以在相同的框架上,改变具体配置,以将很多基础的方法加入其中,以适应市场形式所需。