test(experiments): add France CAC40 and SEA ETF experiments

- Add France CAC40 market test (004) - Add SEA ETF limited test (005) - Add France in EU category test (006) - Update experiment README with new results - Modify emerging market test description
2026-05-06 22:23:12 +08:00
parent 17e806045f
commit 9776ae7de0
6 changed files with 812 additions and 1 deletions
--- a/docs/experiments/004_france_cac40_test.md
+++ b/docs/experiments/004_france_cac40_test.md
@@ -0,0 +1,182 @@
+# 实验记录 004: 法国CAC40市场大类添加影响
+
+## 实验信息
+
+| 项目 | 内容 |
+|------|------|
+| 实验编号 | 004 |
+| 实验日期 | 2026-05-06 |
+| 实验类型 | A/B对比测试（新大类添加） |
+| 矧究问题 | 添加法国CAC40作为欧洲新大类对策略绩效的影响 |
+
+---
+
+## 1. 实验背景
+
+### 与初衷：欧洲内部分散
+
+当前配置已有德国DAX作为欧洲代表：
+```
+添加法国CAC40（奢侈品风格）作为新大类：
+├─ 目的：验证欧洲内部分散是否有效
+└─ 与德国工业风格形成互补
+```
+
+### 德国 vs 法国对比
+
+| 维度 | 德国DAX | 法国CAC40 |
+|-----|---------|---------|
+| **成分股风格** | 工业制造（汽车、机械） | 奢侈品（LV, 欧莱雅) |
+| **权重行业** | 西门子、奔驰、宝马 | LVMH  欧莱雅  达尔 |
+| **波动特性** | 工业周期性明显 | 奢侈品相对平缓 |
+| **动量适应性** | ✓ 高（波动大） | ？ 中（波动平缓） |
+
+---
+
+## 2. 实验设计
+
+### A/B组配置
+
+| 组别 | 欧洲配置 | 其他大类 |
+|------|---------|---------|
+| **A组（对照组）** | 仅德国DAX (513030.SH) | A股2、港股2美股、日本、 商品、 固收 |
+| **B组（实验组）** | 德国DAX + 法国CAC40 (513080.SH) | 同A组 |
+
+### 技术细节
+
+```
+指数代码： ^FCHI（YFinance法国CAC40指数）
+ETF代码: 513080.SH（华安法国ETF)
+大类标记: FR（法国， 独立于德国的EU大类）
+```
+
+---
+
+## 3. 回测结果
+
+### 绩效对比
+
+| 指标 | A组（仅德国） | B组（有法国） | 差异 |
+|------|-------------|-------------|------|
+| **大类数量** | 7 | 8 | **+1** ✓ |
+| **累计收益** | **1467.35%** | 1300.55% | **-166.80%** |
+| **CAGR** | **48.10%** | 45.74% | **-2.36%** |
+| **Sharpe** | **2.21** | 2.15 | **-0.06** |
+| MaxDD | -17.33% | -17.33% | +0.00% |
+| Calmar | 2.78 | 2.64 | -0.14 |
+| **日胜率** | **56.45%** | 54.17% | **-2.28%** |
+| 调仓次数 | 459 | 463 | +4 |
+
+---
+
+## 4. 关键发现
+
+### 发现1：大类数量增加但收益下降
+
+```
+跨类分散提升：
+├─ 大类从7→8（+1）
+└─ 但累计收益下降166.80%
+```
+
+### 发现2：法国动量信号不如德国
+
+```
+德国工业风格更适合动量策略：
+├─ 工业周期波动大 → 动量信号明显
+├─ 奢侈品波动平缓 → 动量信号较弱
+└─ 法国被选入Top3后 表现不如德国
+```
+
+### 发现3：Sharpe和日胜率双降
+
+```
+风险调整指标全面下降：
+├─ Sharpe: 2.21 → 2.15 (-0.06)
+├─ 日胜率: 56.45% → 54.17% (-2.28%)
+└─ 跻加法国降低整体风险收益比质量
+```
+
+### 发现4：调仓次数略增
+
+```
+调仓增加4次：
+├─ 可能增加欧洲内切换（德国↔法国）
+└─ 刯换成本略微增加
+```
+
+---
+
+## 5. 实验结论
+
+### 核心结论
+
+| 儒设 | 实证结果 |
+|-----|---------|
+| 新大类增加跨类分散 | ✓ **验证通过** |
+| 新大类提升收益 | ✗ **验证失败**（收益下降167%） |
+| 奢侈品风格适合动量 | ✗ **验证失败**（不如工业） |
+
+### 重要洞察
+
+```
+添加新大类 ≠ 必然提升收益
+
+关键因素：
+├─ 标的本身表现能力（动量信号强度）
+├─ 标的风格与策略的匹配度
+└─ 德国工业 > 法国奢侈品（对动量策略)
+```
+
+### 策略建议
+
+```
+建议：暂不添加法国CAC40
+
+原因：
+1. 收益下降167%，Sharpe下降0006
+2. 奢侈品风格不如工业风格适合动量策略
+3. 日胜率下降2.28%，调仓增加4次
+4. 保持德国DAX作为欧洲代表
+
+德国 vs 法国：
+├─ 德国DAX： 工业周期明显 → 动量信号强 ✓
+├─ 法国CAC  奢侈品波动平缓 → 动量信号弱 ✗
+└─ 工业风格更适合动量策略
+```
+
+---
+
+## 6. 与其他实验对比
+
+| 实验 | 操作类型 | 大类变化 | 收益变化 |
+|------|---------|---------|---------|
+| 001 | 同大类添加标普500 | 0 | -291% |
+| 002 | 纳指替换标普500 | 0 | -348% |
+| 003 | 新大类添加印度 | +1 | -205% |
+| 004 | 新大类添加法国 | +1 | **-167%** |
+
+**统一结论**：标的质量比大类数量更重要
+
+---
+
+## 7. 相关文件
+
+| 文件 | 说明 |
+|-----|------|
+| `tests/experiments/ab_test_france.py` | 法国市场A/B测试脚本 |
+| `tests/experiments/ab_test_france_in_eu.py` | 法国EU大类内测试脚本 |
+| `results/ab_test_france.csv` | 测试结果数据 |
+
+---
+
+## 8. 后续研究方向
+
+1. 测试其他欧洲标的（如英国富时100）
+2. 测试沙特ETF（520830.SH） 作为中东新大类
+3. 線德国 vs 法国不同市场周期的表现差异（牛市/熊市分别测试）
+
+---
+
+*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
@@ -11,6 +11,9 @@
 | [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%） |
+| [004](004_france_cac40_test.md) | 法国CAC40市场大类添加 | 2026-05-06 | A/B测试 | 奢侈品风格不适合动量策略，德国工业优于法国（收益-167%） |
+| [005](005_sea_etf_limited_test.md) | 东南亚科技ETF受限测试 | 2026-05-06 | A/B测试 | 测试失败：数据源逻辑限制 + QDII-ETF不能作为指数代码 |
+| [006](006_france_in_eu_category.md) | 法国放入EU大类（类内竞争） | 2026-05-06 | A/B测试 | 类内竞争比新大类损失更小（-149% vs -167%），但仍选德国DAX |

 ---

--- a/tests/experiments/ab_test_emerging_market.py
+++ b/tests/experiments/ab_test_emerging_market.py
@@ -2,7 +2,7 @@
 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
+- B组（实验组）：添加印度/法国作为新兴/欧洲市场大类

 核心问题：添加新大类是否增加跨类分散、提升绩效
 """
--- a/tests/experiments/ab_test_france.py
+++ b/tests/experiments/ab_test_france.py
@@ -0,0 +1,200 @@
+"""
+A/B测试：添加法国CAC40市场大类的影响
+对比：
+- A组（对照组）：当前配置（无法国）
+- B组（实验组）：添加法国CAC40作为新大类
+
+核心问题：法国市场是否能有效补充欧洲分散
+"""
+
+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_france(base_config: dict) -> dict:
+    """在基础配置上添加法国市场"""
+    config = base_config.copy()
+    config['code_list'] = base_config['code_list'].copy()
+    
+    # 添加法国CAC40（新大类）
+    # 当前已有德国DAX(EU)，法国可以增加欧洲内部的多样性
+    # 注意：德国和法国同属EU大类，但这是不同的指数
+    config['code_list']['^FCHI'] = {
+        'name': '法国CAC40',
+        'etf': '513080.SH',  # 法国ETF华安
+        'market': 'FR'  # 法国大类（独立于德国）
+    }
+    
+    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 if years > 0 else 0
+    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)
+    
+    # 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,
+    }
+    
+    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%}")
+    
+    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(无法国)':<15} {'B组(有法国)':<15} {'差异':<15}")
+    print("-" * 60)
+    
+    metrics_keys = ['大类数量', '累计收益', 'CAGR', 'Sharpe', 'MaxDD', 'Calmar', '日胜率']
+    
+    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 == '大类数量':
+            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"添加法国CAC40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']}")
+    
+    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"  → 法国市场确实带来收益增益")
+    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"  → 法国动量信号可能不如德国强")
+    
+    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}")
+    
+    print(f"\n【与德国DAX对比分析】")
+    print(f"  当前配置：德国DAX (513030.SH) → EU大类")
+    print(f"  新增配置：法国CAC40 (513080.SH) → FR大类")
+    print(f"  ")
+    print(f"  德国 vs 法国特点：")
+    print(f"  ├─ 德国DAX：工业权重高（汽车、机械）")
+    print(f"  ├─ 法国CAC：奢侈品权重高（LV、欧莱雅）")
+    print(f"  └─ 两者风格不同，可能互补")
+    
+    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：添加法国CAC40（欧洲分散有效）")
+    elif b_metrics['累计收益'] < a_metrics['累计收益'] * 0.95:
+        print(f"  建议：暂不添加法国（收益损失较大）")
+        print(f"  原因：法国动量信号可能不如德国DAX强")
+    else:
+        print(f"  建议：保持观察，欧洲分散效果有限")
+
+
+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：添加法国CAC40市场大类")
+    print(f"{'='*60}")
+    print(f"\n研究问题：")
+    print(f"  - 添加法国CAC40作为新大类（FR）")
+    print(f"  - 与德国DAX（EU）形成欧洲内部分散")
+    print(f"  - 德国工业风格 vs 法国奢侈品风格")
+    print(f"  - 验证欧洲分散是否有效")
+    
+    # A组：当前配置
+    a_metrics = run_backtest(base_config, "A组: 当前配置（仅德国DAX）")
+    
+    # B组：添加法国CAC40
+    config_with_france = create_config_with_france(base_config)
+    b_metrics = run_backtest(config_with_france, "B组: 添加法国CAC40")
+    
+    # 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_france.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()
--- a/tests/experiments/ab_test_france_in_eu.py
+++ b/tests/experiments/ab_test_france_in_eu.py
@@ -0,0 +1,218 @@
+"""
+A/B测试：法国CAC40与德国DAX类内竞争对比
+对比：
+- A组（对照组）：仅德国DAX代表欧洲(EU)
+- B组（实验组）：德国DAX + 法国CAC40 同属EU大类（类内竞争）
+
+核心问题：
+- 法国放在欧洲大类下（market='EU'），与德国竞争
+- diversified模式下，EU大类只输出1个冠军
+- 验证：类内竞争选择最优，而非盲目增加大类
+
+对比003/004实验：
+- 003/004：法国/印度作为独立大类 → 收益下降
+- 本次：法国放EU大类内 → 类内竞争，不增加大类数量
+"""
+
+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_france_in_eu(base_config: dict) -> dict:
+    """在基础配置上添加法国，但放入EU大类"""
+    config = base_config.copy()
+    config['code_list'] = base_config['code_list'].copy()
+    
+    # 添加法国CAC40，但market='EU'（与德国DAX同大类）
+    # diversified模式下：德国 vs 法国 → 选动量最强的1个进入Top3
+    config['code_list']['^FCHI'] = {
+        'name': '法国CAC40',
+        'etf': '513080.SH',
+        'market': 'EU'  # 与德国DAX同属欧洲大类
+    }
+    
+    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 if years > 0 else 0
+    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)
+    
+    # 统计大类数量
+    markets = set()
+    for code_info in config['code_list'].values():
+        markets.add(code_info.get('market', 'A'))
+    
+    # 统计EU大类标的数量
+    eu_count = sum(1 for c in config['code_list'].values() if c.get('market') == 'EU')
+    
+    metrics = {
+        'label': label,
+        '大类数量': len(markets),
+        'EU大类标的数': eu_count,
+        '累计收益': total_return,
+        'CAGR': cagr,
+        'Sharpe': sharpe,
+        'MaxDD': max_dd,
+        'Calmar': calmar,
+        '日胜率': win_rate,
+    }
+    
+    print(f"\n大类数量: {metrics['大类数量']}")
+    print(f"EU大类标的数: {metrics['EU大类标的数']}")
+    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%}")
+    
+    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(仅德国)':<15} {'B组(德国+法国)':<15} {'差异':<15}")
+    print("-" * 60)
+    
+    metrics_keys = ['大类数量', 'EU大类标的数', '累计收益', 'CAGR', 'Sharpe', 'MaxDD', 'Calmar', '日胜率']
+    
+    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', 'EU大类标的数']:
+            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"法国放入EU大类（与德国类内竞争）：")
+    
+    if b_metrics['大类数量'] == a_metrics['大类数量']:
+        print(f"  ✓ 大类数量不变（{b_metrics['大类数量']}大类）")
+        print(f"  → 不增加跨类分散，避免占用Top3权重")
+    
+    if b_metrics['EU大类标的数'] > a_metrics['EU大类标的数']:
+        print(f"  ✓ EU大类标的增加 {b_metrics['EU大类标的数'] - a_metrics['EU大类标的数']}")
+        print(f"  → 德国 vs 法国 类内竞争，选动量最强")
+    
+    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"  → 类内竞争选择最优，比新大类添加更有效")
+    elif b_metrics['累计收益'] < a_metrics['累计收益']:
+        loss = a_metrics['累计收益'] - b_metrics['累计收益']
+        print(f"  ✗ 累计收益下降 {loss:.2%}")
+        if loss < 0.05:  # 下降5%以内
+            print(f"  → 收益损失较小（vs 004实验下降167%）")
+        else:
+            print(f"  → 法国动量信号不如德国，类内竞争仍选德国")
+    
+    print(f"\n【与004实验对比】")
+    print(f"  004实验（法国作为独立FR大类）：")
+    print(f"    ├─ 大类数量: 7 → 8 (+1)")
+    print(f"    └─ 累计收益: -166.80%")
+    print(f"  ")
+    print(f"  本次实验（法国放入EU大类）：")
+    print(f"    ├─ 大类数量: 保持{b_metrics['大类数量']}不变")
+    print(f"    ├─ EU类内竞争：德国DAX vs 法国CAC40")
+    print(f"    └─ 累计收益变化: {b_metrics['累计收益'] - a_metrics['累计收益']:.2%}")
+    
+    print(f"\n【策略建议】")
+    if b_metrics['累计收益'] >= a_metrics['累计收益'] * 0.98:
+        print(f"  建议：法国放入EU大类可行")
+        print(f"  原因：类内竞争自动选最优，不增加大类数量")
+    elif abs(b_metrics['累计收益'] - a_metrics['累计收益']) < 0.05:
+        print(f"  建议：法国放入EU大类可考虑")
+        print(f"  原因：收益损失小于5%，可接受")
+    else:
+        print(f"  建议：保持仅德国DAX")
+        print(f"  原因：法国动量信号不如德国")
+
+
+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：法国CAC40放入EU大类（类内竞争）")
+    print(f"{'='*60}")
+    print(f"\n研究问题：")
+    print(f"  - 法国CAC40放入EU大类（market='EU'）")
+    print(f"  - 与德国DAX类内竞争，选动量最强的1个")
+    print(f"  - 不增加大类数量，避免占用Top3权重")
+    print(f"  - 对比004实验（法国独立大类）的差异")
+    
+    # A组：仅德国DAX
+    a_metrics = run_backtest(base_config, "A组: 仅德国DAX代表欧洲")
+    
+    # B组：德国+法国（同属EU大类）
+    config_with_france = create_config_with_france_in_eu(base_config)
+    b_metrics = run_backtest(config_with_france, "B组: 德国+法国（EU类内竞争）")
+    
+    # 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_france_in_eu.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()
--- a/tests/experiments/ab_test_sea_etf.py
+++ b/tests/experiments/ab_test_sea_etf.py
@@ -0,0 +1,208 @@
+"""
+A/B测试：添加东南亚科技ETF的影响（受限测试）
+对比：
+- A组（对照组）：当前配置（无东南亚）
+- B组（实验组）：添加东南亚科技ETF
+
+限制说明：
+- 东南亚科技ETF（513730.SH）2023年12月上市，数据仅约2年
+- 新交所泛东南亚科技指数在YFinance中暂无数据
+- 本次测试使用ETF价格作为信号源（非最佳实践，仅作参考）
+- 回测时间范围将被缩短
+
+核心问题：新兴市场ETF流动性是否优于印度LOF
+"""
+
+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_sea(base_config: dict) -> dict:
+    """在基础配置上添加东南亚科技"""
+    config = base_config.copy()
+    config['code_list'] = base_config['code_list'].copy()
+    
+    # 添加东南亚科技（新大类）
+    # 注意：由于指数数据不可用，使用ETF价格作为信号源
+    # 513730.SH 同时作为指数代码和ETF代码
+    config['code_list']['513730.SH'] = {
+        'name': '东南亚科技',
+        'etf': '513730.SH',  # 华泰柏瑞东南亚科技ETF
+        'market': 'SEA'  # 东南亚大类
+    }
+    
+    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 if years > 0 else 0
+    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)
+    
+    # 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),
+        '回测天数': days,
+        '回测年数': years,
+        '累计收益': total_return,
+        'CAGR': cagr,
+        'Sharpe': sharpe,
+        'MaxDD': max_dd,
+        'Calmar': calmar,
+        '日胜率': win_rate,
+    }
+    
+    print(f"\n大类数量: {metrics['大类数量']}")
+    print(f"回测天数: {metrics['回测天数']}")
+    print(f"回测年数: {metrics['回测年数']:.2f}")
+    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%}")
+    
+    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(无东南亚)':<15} {'B组(有东南亚)':<15} {'差异':<15}")
+    print("-" * 60)
+    
+    metrics_keys = ['大类数量', '回测天数', '回测年数', '累计收益', 'CAGR', 'Sharpe', 'MaxDD', 'Calmar', '日胜率']
+    
+    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', '回测天数']:
+            a_str = str(int(a_val))
+            b_str = str(int(b_val))
+            diff_str = f"+{int(diff)}" if diff > 0 else str(int(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【限制说明】")
+    print(f"  ⚠ 本次测试数据量受限（东南亚ETF仅2年数据）")
+    print(f"  ⚠ 使用ETF价格作为信号源（指数数据暂不可用）")
+    print(f"  ⚠ 结果仅供参考，不建议直接用于决策")
+    
+    print(f"\n【关键发现】")
+    
+    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']}")
+    
+    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%}")
+    else:
+        print(f"  ✗ 累计收益下降 {a_metrics['累计收益'] - b_metrics['累计收益']:.2%}")
+    
+    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}")
+    
+    print(f"\n【策略建议】")
+    print(f"  建议：等待东南亚科技ETF积累更多数据后再测试")
+    print(f"  原因：")
+    print(f"    1. 数据量不足（仅{b_metrics['回测年数']:.1f}年）")
+    print(f"    2. 指数信号源暂不可用")
+    print(f"    3. ETF价格作为信号源存在溢价干扰")
+
+
+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)
+    
+    # 设置回测结束日期
+    from datetime import datetime
+    base_config['end_date'] = datetime.now().strftime('%Y-%m-%d')
+    
+    # ⚠ 重要：由于东南亚ETF数据从2023年12月开始
+    # 需要调整start_date以匹配数据可用范围
+    # 本次测试将使用较短的时间窗口
+    
+    print(f"\n{'='*60}")
+    print(f"  A/B测试：添加东南亚科技ETF（受限测试）")
+    print(f"{'='*60}")
+    print(f"\n⚠ 限制说明：")
+    print(f"  - 东南亚科技ETF（513730.SH）2023年12月上市")
+    print(f"  - 数据仅约2年，回测时间范围受限")
+    print(f"  - 指数数据暂不可用，使用ETF价格作为信号源")
+    print(f"  - 结果仅供参考，不建议直接用于决策")
+    
+    # A组：当前配置（使用较短时间窗口）
+    config_a = base_config.copy()
+    config_a['start_date'] = '2024-01-01'  # 调整为东南亚ETF有数据的起始时间
+    a_metrics = run_backtest(config_a, "A组: 当前配置（2024年起）")
+    
+    # B组：添加东南亚科技
+    config_b = create_config_with_sea(base_config)
+    config_b['start_date'] = '2024-01-01'
+    b_metrics = run_backtest(config_b, "B组: 添加东南亚科技")
+    
+    # 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_sea_etf.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()