experiment(rotation): 添加新兴市场大类（印度）影响验证

实验设计： - A组：当前7大类配置（无新兴市场） - B组：添加印度作为第8大类（EM = Emerging Market） - 标的：^NSEI → 164824.SZ（工银瑞信印度市场LOF）实验结果： ├─ 大类数量: 7 → 8 (+1) ✓ 跨类分散提升 ├─ 累计收益: 1467.35% → 1261.83% (-205.52%) ├─ CAGR: 48.10% → 45.16% (-2.94%) ├─ Sharpe: 2.21 → 2.09 (-0.11) ├─ 日胜率: 56.45% → 57.25% (+0.80%) ✓ └─ 调仓次数: 459 → 451 (-8) 核心发现： 1. 大类数量增加确实提升跨类分散 2. 但收益反而下降205%（与预期相反） 3. 印度LOF流动性不足（日均~3000万） 4. 印度动量信号不如主流市场强 5. Top3权重被印度占用，错过其他机会重要结论：添加新大类 ≠ 必然提升收益 - 标的本身表现能力比大类归属更重要 - 流动性、动量信号强度是关键因素与001实验对比： - 001（同大类添加）：大类不变 → 收益-291% - 003（新大类添加）：大类+1 → 收益-205% → 标的质量比大类数量更重要策略建议： - 暂不添加印度（LOF流动性不足） - 可测试东南亚科技ETF（513730.SH）新增文件： - tests/experiments/ab_test_emerging_market.py - docs/experiments/003_emerging_market_india.md
2026-05-06 20:55:54 +08:00
parent 6b59855c28
commit 17e806045f
3 changed files with 424 additions and 0 deletions
--- a/docs/experiments/003_emerging_market_india.md
+++ b/docs/experiments/003_emerging_market_india.md
@@ -0,0 +1,225 @@
+# 实验记录 003: 添加新兴市场大类（印度）的影响
+
+## 实验信息
+
+| 项目 | 内容 |
+|------|------|
+| 实验编号 | 003 |
+| 实验日期 | 2026-05-06 |
+| 实验类型 | A/B对比测试（新大类添加） |
+| 研究问题 | 添加印度作为新兴市场新大类对策略绩效的影响 |
+
+---
+
+## 1. 实验背景
+
+### 与001、002实验的关系
+
+| 实验 | 操作类型 | 大类变化 | 标的数量变化 |
+|------|---------|---------|-------------|
+| 001 | 同大类添加（标普500） | 0（美股还是1只） | 11→12 |
+| 002 | 同大类替换（标普换纳指） | 0（美股还是1只） | 11→11 |
+| 003 | **新大类添加（印度）** | **+1（新增EM大类）** | 11→12 |
+
+**003实验核心问题**：验证添加新大类是否真正提升跨类分散效果
+
+### 理论预期
+
+```
+添加新大类的预期效果：
+├─ 跨类分散提升（大类数量从7→8）
+├─ Top3候选池扩大（更多大类冠军可选）
+├─ 收益可能提升或保持稳定
+└─ Sharpe可能改善（分散降低风险）
+```
+
+---
+
+## 2. 实验设计
+
+### 新兴市场标的选择
+
+A股场内可交易的新兴市场标的：
+
+| 代码 | 名称 | 类型 | 流动性 |
+|-----|------|-----|--------|
+| 164824.SZ | 工银瑞信印度市场LOF | LOF | 日均~3000万 |
+| 520580.SH | 新兴亚洲ETF招商 | ETF | 日均~7000万 |
+| 513730.SH | 东南亚科技ETF华泰柏瑞 | ETF | 新上市 |
+
+选择印度LOF（164824.SZ）进行测试：
+- 信号源：^NSEI（印度Nifty50指数）
+- ETF：164824.SZ（工银瑞信印度市场LOF）
+- 大类标记：EM（Emerging Market）
+
+### A/B组配置
+
+| 组别 | 大类数量 | 新兴市场 |
+|------|---------|---------|
+| **A组（对照组）** | 7大类 | 无 |
+| **B组（实验组）** | 8大类 | 印度（^NSEI → 164824.SZ） |
+
+---
+
+## 3. 回测结果
+
+### 绩效对比
+
+| 指标 | A组（无新兴） | B组（有印度） | 差异 |
+|------|-------------|-------------|------|
+| **大类数量** | 7 | 8 | **+1** ✓ |
+| **累计收益** | **1467.35%** | 1261.83% | **-205.52%** |
+| **CAGR** | **48.10%** | 45.16% | **-2.94%** |
+| **Sharpe** | **2.21** | 2.09 | **-0.11** |
+| MaxDD | -17.33% | -17.33% | +0.00% |
+| Calmar | 2.78 | 2.61 | -0.17 |
+| **日胜率** | 56.45% | **57.25%** | **+0.80%** ✓ |
+| 调仓次数 | 459次 | 451次 | -8 |
+
+---
+
+## 4. 关键发现
+
+### 发现1：大类数量确实增加
+
+```
+大类变化：
+├─ A组：A(2)、HK(2)、US(1)、JP(1)、EU(1)、COMMODITY(3)、BOND(1) = 7大类
+├─ B组：新增EM(1) = 8大类
+└─ 跨类分散确实提升 ✓
+```
+
+### 发现2：但收益反而下降
+
+```
+收益变化：
+├─ 累计收益下降205.52%
+├─ CAGR下降2.94%
+├─ Sharpe下降0.11
+└─ 与预期相反！
+```
+
+### 发现3：日胜率略有提升
+
+```
+正面指标：
+├─ 日胜率提升0.80%
+├─ 调仓次数减少8次
+└─ 说明：印度可能降低了激进调仓频率
+```
+
+### 发现4：问题根因分析
+
+```
+收益下降的可能原因：
+
+1. LOF流动性问题
+   ├─ 164824.SZ日均成交额仅~3000万
+   ├─ 买卖价差较大，实际执行成本高
+   └─ 溢价/折价导致价格偏离指数
+
+2. 印度动量信号较弱
+   ├─ 印度Nifty50走势相对平稳
+   ├─ 动量因子得分不如纳指、日经等主流市场
+   └─ 选入Top3后反而拖累组合收益
+
+3. Top3权重被占用
+   ├─ 印度成为大类冠军后进入Top3候选池
+   ├─ 占用了本应属于其他强动量标的的权重
+   └─ 导致错过其他市场的机会
+```
+
+---
+
+## 5. 实验结论
+
+### 核心结论
+
+| 假设 | 实证结果 |
+|-----|---------|
+| 新大类增加跨类分散 | ✓ **验证通过**（+1大类） |
+| 新大类提升收益 | ✗ **验证失败**（-205%） |
+| 新大类改善Sharpe | ✗ **验证失败**（-0.11） |
+
+### 重要发现
+
+```
+添加新大类 ≠ 必然提升绩效
+
+关键因素：
+├─ 标的本身的表现能力（动量信号强度）
+├─ 标的流动性（实际执行成本）
+├─ 新大类是否与现有大类低相关
+└─ 新大类是否有机会成为Top3候选
+```
+
+### 策略建议
+
+```
+当前建议：暂不添加印度
+
+原因：
+1. LOF流动性不足（日均仅~3000万）
+2. 印度动量信号不如主流市场强
+3. 虽然跨类分散提升了，但收益下降205%
+4. Top3权重被印度占用，错过其他机会
+
+替代方案：
+├─ 测试东南亚科技ETF（513730.SH）
+│   → 真正的场内ETF，流动性更好
+├─ 等待印度主题ETF上市后再测试
+└─ 测试其他新兴市场（如越南、沙特）
+```
+
+---
+
+## 6. 与001实验对比
+
+| 实验 | 操作 | 大类变化 | 收益变化 | 核心结论 |
+|------|------|---------|---------|---------|
+| 001 | 同大类添加标普500 | 0 | -291% | 同大类添加不增加分散 |
+| 003 | 新大类添加印度 | +1 | -205% | 新大类添加 ≠ 必然提升收益 |
+
+**关键洞察**：
+- 001：大类不变 → 分散不变 → 收益下降（切换成本）
+- 003：大类增加 → 分散提升 → 但收益仍下降（标的本身问题）
+
+**共同结论**：标的本身的表现能力比大类归属更重要
+
+---
+
+## 7. 相关文件
+
+| 文件 | 说明 |
+|-----|------|
+| `tests/experiments/ab_test_emerging_market.py` | A/B测试脚本 |
+| `results/ab_test_emerging_market.csv` | 测试结果数据 |
+
+---
+
+## 8. 后续研究方向
+
+1. **测试其他新兴市场标的**：东南亚科技ETF（513730.SH）流动性更好
+2. **印度LOF流动性改善后重新测试**：观察日均成交额提升后的表现
+3. **标的质量评估机制**：在选择新大类前，先评估标的本身的表现能力
+
+---
+
+## 9. 技术记录
+
+### YFinance印度指数代码
+
+印度Nifty50指数在YFinance中需要使用 `^NSEI` 格式（带^前缀）：
+
+```python
+# 错误（404 Not Found）
+code = "NSEI"
+
+# 正确
+code = "^NSEI"
+```
+
+---
+
+*实验记录版本: v1.0*
+*最后更新: 2026-05-06*
--- a/docs/experiments/README.md
+++ b/docs/experiments/README.md
@@ -10,6 +10,7 @@
 |------|---------|------|------|---------|
 | [001](001_same_category_expansion_ab_test.md) | 同大类扩充对轮动策略的影响 | 2026-05-06 | A/B测试 | 添加同大类标的不增加跨类分散，反而因切换成本侵蚀收益 |
 | [002](002_ndx_vs_spx_replacement.md) | 纳指100 vs 标普500替换对比 | 2026-05-06 | A/B测试 | 纳指100优于标普500（收益+348%，Sharpe+0.13），成长风格更适合动量 |
+| [003](003_emerging_market_india.md) | 添加新兴市场大类（印度） | 2026-05-06 | A/B测试 | 新大类≠必然提升收益，标的本身表现能力更重要（收益-205%） |

 ---

--- a/tests/experiments/ab_test_emerging_market.py
+++ b/tests/experiments/ab_test_emerging_market.py
@@ -0,0 +1,198 @@
+"""
+A/B测试：添加新兴市场大类的影响
+对比：
+- A组（对照组）：当前配置（无新兴市场）
+- B组（实验组）：添加印度作为新兴市场大类
+
+核心问题：添加新大类是否增加跨类分散、提升绩效
+"""
+
+import sys
+from pathlib import Path
+sys.path.insert(0, str(Path(__file__).parent.parent.parent))
+
+from strategies.rotation.engine import RotationStrategy
+import pandas as pd
+import yaml
+
+
+def create_config_with_india(base_config: dict) -> dict:
+    """在基础配置上添加印度市场"""
+    config = base_config.copy()
+    config['code_list'] = base_config['code_list'].copy()
+    
+    # 添加印度市场（新大类）
+    # YFinance印度指数需要用^NSEI格式
+    config['code_list']['^NSEI'] = {
+        'name': '印度Nifty50',
+        'etf': '164824.SZ',  # 工银瑞信印度市场LOF
+        'market': 'EM'  # 新兴市场大类
+    }
+    
+    return config
+
+
+def run_backtest(config: dict, label: str) -> dict:
+    """运行回测并返回关键指标"""
+    print(f"\n{'='*60}")
+    print(f"  {label}")
+    print(f"{'='*60}")
+    
+    strategy = RotationStrategy(config)
+    result = strategy.run()
+    
+    if result is None or len(result) == 0:
+        return None
+    
+    # 计算指标
+    strategy_nav = result['轮动策略净值']
+    strategy_ret = result['轮动策略日收益率']
+    
+    total_return = strategy_nav.iloc[-1] - 1
+    days = len(result)
+    years = days / 250
+    cagr = (strategy_nav.iloc[-1] ** (1/years)) - 1
+    excess_ret = strategy_ret.mean() * 250
+    vol = strategy_ret.std() * (250 ** 0.5)
+    sharpe = excess_ret / vol if vol > 0 else 0
+    rolling_max = strategy_nav.cummax()
+    drawdown = (strategy_nav - rolling_max) / rolling_max
+    max_dd = drawdown.min()
+    calmar = cagr / abs(max_dd) if max_dd < 0 else 0
+    win_rate = (strategy_ret > 0).sum() / len(strategy_ret)
+    
+    # 计算调仓次数
+    trades = result.get('调仓记录', [])
+    rebalance_count = len(trades) if trades else 0
+    
+    # 统计大类数量
+    markets = set()
+    for code_info in config['code_list'].values():
+        markets.add(code_info.get('market', 'A'))
+    
+    metrics = {
+        'label': label,
+        '大类数量': len(markets),
+        '累计收益': total_return,
+        'CAGR': cagr,
+        'Sharpe': sharpe,
+        'MaxDD': max_dd,
+        'Calmar': calmar,
+        '日胜率': win_rate,
+        '调仓次数': rebalance_count,
+    }
+    
+    print(f"\n大类数量: {metrics['大类数量']}")
+    print(f"累计收益: {metrics['累计收益']:.2%}")
+    print(f"CAGR: {metrics['CAGR']:.2%}")
+    print(f"Sharpe: {metrics['Sharpe']:.2f}")
+    print(f"MaxDD: {metrics['MaxDD']:.2%}")
+    print(f"Calmar: {metrics['Calmar']:.2f}")
+    print(f"日胜率: {metrics['日胜率']:.2%}")
+    print(f"调仓次数: {metrics['调仓次数']}")
+    
+    return metrics
+
+
+def compare_results(a_metrics: dict, b_metrics: dict):
+    """对比两组结果"""
+    print(f"\n{'='*60}")
+    print(f"  对比结果")
+    print(f"{'='*60}")
+    
+    print(f"\n{'指标':<15} {'A组(无新兴)':<15} {'B组(有印度)':<15} {'差异':<15}")
+    print("-" * 60)
+    
+    metrics_keys = ['大类数量', '累计收益', 'CAGR', 'Sharpe', 'MaxDD', 'Calmar', '日胜率', '调仓次数']
+    
+    for key in metrics_keys:
+        a_val = a_metrics.get(key, 0)
+        b_val = b_metrics.get(key, 0)
+        
+        diff = b_val - a_val
+        if key in ['累计收益', 'CAGR', 'MaxDD', '日胜率']:
+            a_str = f"{a_val:.2%}"
+            b_str = f"{b_val:.2%}"
+            diff_str = f"{diff*100:+.2f}%"
+        elif key in ['大类数量', '调仓次数']:
+            a_str = str(a_val)
+            b_str = str(b_val)
+            diff_str = f"+{diff}" if diff > 0 else str(diff)
+        else:
+            a_str = f"{a_val:.2f}"
+            b_str = f"{b_val:.2f}"
+            diff_str = f"{diff:+.2f}"
+        
+        print(f"{key:<15} {a_str:<15} {b_str:<15} {diff_str:<15}")
+    
+    print("-" * 60)
+    
+    print(f"\n【关键发现】")
+    print(f"添加印度新兴市场大类效果：")
+    
+    if b_metrics['大类数量'] > a_metrics['大类数量']:
+        print(f"  ✓ 大类数量增加 {b_metrics['大类数量'] - a_metrics['大类数量']}（跨类分散提升）")
+    
+    if b_metrics['累计收益'] > a_metrics['累计收益']:
+        print(f"  ✓ 累计收益提升 {b_metrics['累计收益'] - a_metrics['累计收益']:.2%}")
+        print(f"  → 新大类确实带来收益增益")
+    elif b_metrics['累计收益'] < a_metrics['累计收益']:
+        print(f"  ✗ 累计收益下降 {a_metrics['累计收益'] - b_metrics['累计收益']:.2%}")
+        print(f"  → 印度市场可能动量信号不够强或流动性问题")
+    
+    if b_metrics['Sharpe'] > a_metrics['Sharpe']:
+        print(f"  ✓ Sharpe改善 {b_metrics['Sharpe'] - a_metrics['Sharpe']:.2f}")
+    else:
+        print(f"  ✗ Sharpe下降 {a_metrics['Sharpe'] - b_metrics['Sharpe']:.2f}")
+    
+    if b_metrics['调仓次数'] > a_metrics['调仓次数'] * 1.1:
+        print(f"  ⚠ 调仓次数增加 {b_metrics['调仓次数'] - a_metrics['调仓次数']}（可能增加切换成本）")
+    
+    print(f"\n【策略建议】")
+    if b_metrics['累计收益'] > a_metrics['累计收益'] and b_metrics['Sharpe'] >= a_metrics['Sharpe'] * 0.95:
+        print(f"  建议：添加印度新兴市场大类（跨类分散有效）")
+    elif b_metrics['累计收益'] < a_metrics['累计收益'] * 0.95:
+        print(f"  建议：暂不添加印度（收益损失较大）")
+        print(f"  原因：LOF流动性可能不足、印度动量信号可能较弱")
+    else:
+        print(f"  建议：进一步测试其他新兴市场标的（如东南亚科技ETF）")
+
+
+def main():
+    """主函数"""
+    config_path = Path(__file__).parent.parent.parent / 'config' / 'strategies' / 'rotation.yaml'
+    with open(config_path, 'r') as f:
+        base_config = yaml.safe_load(f)
+    
+    # 添加 end_date
+    from datetime import datetime
+    base_config['end_date'] = datetime.now().strftime('%Y-%m-%d')
+    
+    print(f"\n{'='*60}")
+    print(f"  A/B测试：添加新兴市场大类（印度）")
+    print(f"{'='*60}")
+    print(f"\n研究问题：")
+    print(f"  - 添加印度作为新大类（EM = Emerging Market）")
+    print(f"  - 跨类分散是否真正提升")
+    print(f"  - 对比001实验（同大类添加），验证新大类添加效果")
+    
+    # A组：当前配置
+    a_metrics = run_backtest(base_config, "A组: 当前配置（无新兴市场）")
+    
+    # B组：添加印度
+    config_with_india = create_config_with_india(base_config)
+    b_metrics = run_backtest(config_with_india, "B组: 添加印度新兴市场")
+    
+    # 对比
+    if a_metrics and b_metrics:
+        compare_results(a_metrics, b_metrics)
+        
+        # 保存结果
+        results_df = pd.DataFrame([a_metrics, b_metrics])
+        results_path = Path(__file__).parent.parent.parent / 'results' / 'ab_test_emerging_market.csv'
+        results_df.to_csv(results_path, index=False)
+        print(f"\n对比结果已保存: {results_path}")
+
+
+if __name__ == '__main__':
+    main()