From 40853745c6d6fc5c05b8701f0878b03bad5c3863 Mon Sep 17 00:00:00 2001
From: aszerW <aszer27937@gmail.com>
Date: Sat, 6 Jun 2026 16:16:42 +0800
Subject: [PATCH] =?UTF-8?q?docs:=20=E6=B7=BB=E5=8A=A0=E5=8A=A8=E9=87=8F?=
 =?UTF-8?q?=E5=9B=A0=E5=AD=90=E5=AF=B9=E6=AF=94=E8=B0=83=E7=A0=94=E6=8A=A5?=
 =?UTF-8?q?=E5=91=8A?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

包含4种因子公式对比、回测结果、slope_r2胜出原因分析、
业界学界方法调研（TSMOM/Baltas&Kosowski/AQR）、
负价格处理机制分析及改进建议
---
 reports/动量因子对比调研报告.md | 262 ++++++++++++++++++++++++++++++++
 1 file changed, 262 insertions(+)
 create mode 100644 reports/动量因子对比调研报告.md

diff --git a/reports/动量因子对比调研报告.md b/reports/动量因子对比调研报告.md
new file mode 100644
index 0000000..1a0f7cd
--- /dev/null
+++ b/reports/动量因子对比调研报告.md
@@ -0,0 +1,262 @@
+# 动量因子对比调研报告
+
+> 调研日期：2026-06-06  
+> 回测区间：2020-01-10 ~ 2026-06-05  
+> 当前结论：`slope_r2` 作为默认因子（年化 19.84%，夏普 1.14）
+
+---
+
+## 1. 问题背景
+
+原始策略使用 `weighted_momentum` 因子，通过加权线性回归计算动量得分。诊断分析发现三个信号质量瓶颈：
+
+1. **跨市场动量不可比**：同组换仓 alpha=+0.47%，跨组换仓仅 +0.03%
+2. **IC 极低**：IC=0.07，ICIR=0.17
+3. **T+1 执行噪声**：跨市场约 50% 翻转率
+
+核心问题是：不同资产的动量得分量纲差异巨大（如 CL=F 原油极端值可达 375,527,068），导致跨资产比较失真。
+
+---
+
+## 2. 四种因子公式对比
+
+### 2.1 weighted_momentum（加权线性回归动量）
+
+$$\text{Score} = (e^{\beta \times 250} - 1) \times R^2$$
+
+**计算逻辑**：
+- 价格变换：$y = \ln(\text{prices})$，取对数
+- 回归权重：$w = \text{linspace}(1, 2, n)$，近期权重线性递增
+- 加权线性回归：$y = \beta x + \alpha$
+- 年化收益：$e^{\beta \times 250} - 1$
+- $R^2$：加权决定系数
+
+**特点**：近期加权强调趋势延续性，对数收益使跨资产量纲部分可比。
+
+---
+
+### 2.2 vol_adjusted_momentum（波动率调整动量）
+
+$$\text{Score} = \frac{\text{年化收益}}{\text{年化波动率}} \times R^2$$
+
+**计算逻辑**：
+- 回归逻辑与 weighted_momentum 完全相同
+- 额外除以已实现波动率：$\sigma = \text{std}(\text{daily\_returns}) \times \sqrt{250}$
+- 最小波动率保护：$\sigma \geq 0.01$
+
+**学术来源**：Moskowitz, Ooi & Pedersen (2012) *Time Series Momentum*，类夏普比率构造。
+
+**特点**：理论上使跨资产更可比，但实践中波动率计算对极端值敏感。
+
+---
+
+### 2.3 slope_r2（斜率×R²，归一化价格）
+
+$$\text{Score} = 10000 \times \text{slope} \times R^2$$
+
+**计算逻辑**：
+- 价格变换：$y = \text{prices} / \text{prices}[0]$，**归一化而非取对数**
+- **无权重**，普通最小二乘回归：$y = \text{slope} \cdot x + \text{intercept}$
+- $R^2$：无权重决定系数
+- 乘以 10000 使数值范围便于阅读
+
+**特点**：归一化天然消除量纲差异，所有资产起点为 1.0，斜率在同尺度上可比。
+
+---
+
+### 2.4 momentum（简单收益率）
+
+$$\text{Score} = \frac{\text{prices}[-1]}{\text{prices}[0]} - 1$$
+
+**计算逻辑**：
+- 最朴素：期末价格 / 期初价格 - 1
+- 不考虑趋势质量（无 $R^2$）、不考虑波动率
+
+**特点**：简单但缺乏趋势质量过滤，对短期噪声敏感。
+
+---
+
+## 3. 回测对比结果
+
+### 3.1 核心指标
+
+| 因子类型 | 年化收益 | 夏普比率 | 最大回撤 | Calmar | 调仓次数 | 胜率 |
+|---------|---------|---------|---------|--------|---------|------|
+| weighted_momentum | 18.36% | 1.02 | -16.36% | 1.12 | 405 | 54.0% |
+| vol_adjusted_momentum | 13.16% | 0.85 | -18.61% | 0.71 | 393 | 55.9% |
+| **slope_r2（当前默认）** | **19.84%** | **1.14** | **-15.35%** | **1.29** | 394 | 54.1% |
+| momentum | 9.27% | 0.57 | -17.42% | 0.53 | 729 | 53.3% |
+
+**结论**：`slope_r2` 全面胜出，年化 +1.48%，夏普 +0.12，回撤改善 +1.01%。
+
+### 3.2 数值尺度分析（2024-06-03 截面）
+
+| 因子 | 最大值 | 最小正值 | max/min 比值 |
+|------|-------|---------|-------------|
+| weighted_momentum | 0.633 | 0.0003 | **2179x** |
+| vol_adjusted_momentum | 4.812 | 0.0014 | **3378x** |
+| **slope_r2** | **23.18** | **0.745** | **31x** |
+| momentum | 0.046 | 0.0005 | 90x |
+
+`slope_r2` 的跨资产数值差距仅 31 倍，远小于其他因子的 2000~3000 倍，这是其跨市场可比的根本原因。
+
+---
+
+## 4. slope_r2 胜出的原因分析
+
+### 4.1 跨市场可比性：归一化消除量纲
+
+| 设计选择 | weighted 的做法 | slope_r2 的做法 | 为什么 slope_r2 更好 |
+|---------|---------------|----------------|-------------------|
+| 价格变换 | $\ln(p)$ | $p/p_0$ | 归一化后所有资产同尺度 |
+| 回归权重 | 近期加权(1→2) | 无权重 | 25 天窗口已短，等权更抗噪 |
+| $R^2$ 质量因子 | ✓ | ✓ | 都保留了趋势质量过滤 |
+
+### 4.2 不加权 > 加权：降噪效应
+
+25 天窗口本身就不长，加权（权重 1→2）相当于把有效窗口缩到约 17 天，增加了随机性。等权回归对 25 天趋势的估计更稳健。
+
+### 4.3 负价格免疫力
+
+WTI 原油 2020-04-21 出现 -37.63 美元/桶的负价格。各因子处理方式：
+
+| 因子 | 处理方式 | 问题 |
+|------|---------|------|
+| weighted | $\ln(\text{clip}(0.01)) = -4.6$ | 虚假平台拉偏回归 |
+| vol_adjusted | 对数收益率跳跃 | vol 被放大，score 压低 |
+| **slope_r2** | $0.01/60 \approx 0.000167$ | 跌幅压缩但不爆炸 |
+| momentum | $25/0.01 - 1 = 2499$ | 荒谬收益率，严重误判 |
+
+---
+
+## 5. 业界学界方法调研
+
+### 5.1 Moskowitz, Ooi & Pedersen (2012) — TSMOM
+
+**核心公式**：
+```
+Signal = sign(r_{t-12, t})     // 仅取过去12月超额收益的符号
+Position = (1/σ_t) × Signal    // 仓位反比于波动率
+```
+
+**关键设计**：
+- 使用**期货超额收益**（简单收益），不用对数收益
+- 只用 sign（正负号）决定方向，不用收益率幅度
+- 仓位大小由波动率倒数控制
+
+**对负价格的态度**：简单收益天然兼容负价格，$(−5−60)/60 = −108\%$ 合法。
+
+### 5.2 Baltas & Kosowski (2012) — 线性趋势拟合
+
+> "Momentum trading signals generated by **fitting a linear trend on the asset price path** maximise the out-of-sample performance while minimizing the portfolio turnover."
+
+这正是 `slope_r2` 的思路——直接拟合价格路径而非计算收益率。
+
+**结论**：线性趋势拟合 > 简单收益率 > 加权收益率。
+
+### 5.3 Dudler, Gmuer, Malamud (2014) — Risk-Adjusted Momentum
+
+$$\text{RAMOM} = \text{mean}\left(\frac{r_1}{\sigma_1}, \frac{r_2}{\sigma_2}, \ldots, \frac{r_n}{\sigma_n}\right)$$
+
+每天先算风险调整收益 $r_t/\sigma_t$，再取均值作为信号。比 TSMOM 整体更优。
+
+### 5.4 AQR / Man Group / Winton — 实盘 CTA 做法
+
+| 方法 | 做法 | 代表机构 |
+|------|------|---------|
+| **简单收益替代对数** | $r = (P_t - P_{t-1}) / P_{t-1}$ | AQR, Man AHL |
+| **排除/跳过** | 窗口内出现非正价格时信号设为 0 | 多数 CTA |
+| **连续合约** | 使用 roll-adjusted futures 价格 | 所有正规 CTA |
+| **波动率缩放** | 只用 sign + vol 倒数，不用幅度 | Moskowitz 方案 |
+
+---
+
+## 6. 负价格处理机制分析
+
+### 6.1 当前实现的问题
+
+四个因子均使用 `np.clip(prices, 0.01, None)` 处理负价格：
+
+```python
+prices = np.clip(prices, 0.01, None)  # 负值 → 0.01
+```
+
+**问题**：这是粗暴的掩盖而非正确处理。
+
+| 因子 | clip 后的核心问题 | 严重程度 |
+|------|------------------|---------|
+| weighted | $\log(0.01) = -4.6$ 形成假平台，拉偏回归 | 中 |
+| vol_adjusted | 对数收益率剧烈跳跃，vol 被放大 | **高** |
+| slope_r2 | 跌幅被压缩，但不产生数值爆炸 | **低** |
+| momentum | 首尾任一被 clip 就产生荒谬比值 | **极高** |
+
+### 6.2 推荐改进方案
+
+**方案 A：排除法（推荐）**
+
+窗口内出现非正价格 → 返回 `None`，该资产不参与排名。
+
+```python
+def _compute_momentum(self, signal_code: str, date: pd.Timestamp) -> Optional[float]:
+    # ... 获取 prices ...
+    if np.any(prices <= 0):
+        return None  # 负价格期间不参与交易
+    # ... 计算 score ...
+```
+
+**优点**：
+- 负油价在历史上只出现几天，排除影响极小
+- 避免所有 clip 导致的信号扭曲
+- 实现成本极低
+
+**方案 B：简单收益替代对数**
+
+把 `weighted_momentum` 和 `vol_adjusted` 的 `log(prices)` 改为简单收益率。但 `slope_r2` 已在价格空间操作，无需修改。
+
+**方案 C：保持现状**
+
+`slope_r2` 已是当前最优（年化 19.84%），且对负价格抵抗力最强。clip 只在极端情况触发，实际影响有限。
+
+---
+
+## 7. 结论与建议
+
+### 7.1 当前决策
+
+**采用 `slope_r2` 作为默认因子**，配置已切换至 `config_simple.yaml`：
+
+```yaml
+factor:
+  type: slope_r2
+  n_days: 25
+```
+
+### 7.2 理论依据
+
+1. **跨市场可比**：归一化价格天然消除量纲差异
+2. **趋势质量**：$R^2$ 过滤噪声趋势
+3. **抗极端值**：不使用对数，对负价格免疫力最强
+4. **学术支持**：Baltas & Kosowski (2012) 证实线性趋势拟合优于简单收益率
+
+### 7.3 后续优化方向
+
+| 方向 | 描述 | 优先级 |
+|------|------|-------|
+| 负价格排除 | 窗口内出现非正价格时返回 None | 低（实际影响极小） |
+| 多窗口融合 | 结合 5/25/60 天信号 | 中 |
+| 截面 rank | 动量值转截面百分位排名 | 低（slope_r2 已天然可比） |
+
+---
+
+## 附录：实验代码
+
+对比实验脚本：`rotation/experiments/factor_comparison.py`
+
+运行方式：
+```bash
+cd /Users/aszer/code/etf
+set -a && source .env && set +a
+python rotation/experiments/factor_comparison.py
+```
+
+结果输出：`rotation/experiments/output/factor_comparison_results.json`