361b82fa4a
docs(experiment): add holding duration distribution analysis (006)
...
- Analyze holding period distribution from simple_rotation_detail.json
- 391 complete holding episodes across 11 assets
- Median holding: 7 days, mean: 10.9 days
- 75% of holdings within 16 days, 16.4% are 1-day switches
- NDX has longest avg holding (17.4d), HSI shortest (6.5d)
- Insight: consider minimum holding period to reduce noise trades
2026-06-02 21:36:46 +08:00
a47af0f0eb
docs(experiment): add select_num A/B/C comparison report (005)
...
- Experiment: select_num = 1, 2, 3 comparison
- Period: 2020-01-10 ~ 2026-06-02 (1546 trading days)
- Key findings:
- Top-1: highest return (600%), highest drawdown (-25.5%)
- Top-3: best risk-adjusted return (Calmar 1.73, Sharpe 1.35)
- Top-2: balanced middle ground (Calmar 1.69)
- Add rotation/experiment_select_num.py experiment script
- Save report to docs/experiments/005_select_num_comparison.md
2026-06-02 01:32:43 +08:00
43ce8056f1
docs: 添加 982fbe2 后代码变更总结文档
...
记录 framework_v2 配置系统重构和策略框架实现的关键变更
2026-05-24 14:27:06 +08:00
969385f39c
feat(rotation): 采用红利低波+短债指数组合作为防御类资产
...
配置变更：
- H30269.CSI(红利低波指数)归类为BOND大类
- 931862.CSI(短债指数)归类为BOND大类
- 添加正确的标注说明（注明实际是红利低波和短债指数）
防御效果分析：
- 红利低波提供'类债券'股票防御（高股息+低波动）
- 短债指数提供真正的债券防御（极低波动）
- 2008年熊市短债指数持仓172天(55%)，贡献主要防御效果
回测验证：
- 组合配置净值173.83，累计收益17283%
- 比单红利低波配置高50%（115.14 → 173.83）
- 2008年少亏23%（-43.87% → -20.85%）
删除旧报告：红利低波防御配置分析报告.md
创建新报告：防御类资产组合配置分析报告.md
2026-05-16 22:54:51 +08:00
48bf3fde2e
fix(rotation): 纠正指数代码标注，H30269.CSI为红利低波而非国债
...
配置变更：
- H30269.CSI正确标注为'红利低波'（中证红利低波动指数）
- 移除错误配置的931862.CSI（中证0-9个月国债指数，无对应ETF）
- 红利低波归类为DEFENSIVE大类（防御类资产）
分析发现：
- 之前'双国债配置'实际是红利低波+短债指数组合
- 红利低波具有'类债券'属性（高股息+低波动）
- 但本质仍是股票，熊市防御有限
- 短债指数才是2008年防御的主力
收益对比：
- 错误标注(双国债): 净值173.83
- 正确配置(红利低波): 净值115.14
- 差异原因：移除短债指数后防御能力下降
删除旧报告：国债配置实证分析报告.md
创建新报告：红利低波防御配置分析报告.md
2026-05-16 22:41:53 +08:00
306b4022da
feat(rotation): 增加双国债配置实现动态久期选择
...
配置变更：
- 移除错误标注的H30269.CSI（标注为中证红利低波）
- 添加10年国债(931862.CSI)配置，久期8年，波动3-5%
- 添加30年国债(H30269.CSI)配置，久期20年，波动10-15%
- 修正ETF映射：931862→512890, H30269→511090
实证分析结果：
- 方案C(双国债)累计收益17283%，为三种配置最优
- 动态久期选择机制：牛市选30年获取弹性，熊市选10年增强防御
- 债券持仓占比43.9%（10年18.6% + 30年25.3%）
- 详细分析见 docs/experiments/国债配置实证分析报告.md
2026-05-16 22:21:27 +08:00
6308627f8c
docs(experiments): 添加2001年收益深度分析章节
...
从四个维度分析2001年-41.1%收益的根因：
1. 策略原理层面：
- 短期动量陷阱（25天窗口在长期下跌中产生噪音信号）
- 分散化选股约束（必须从US/HK/EU/JP选Top3）
- 空仓机制触发条件（所有标的动量<0才触发）
2. 信号分布分析：
- 空仓31天(9.9%)，部分生效但触发时机不理想
- 股票持仓占比过高(NDX+HSI+GDAXI+N225≈167%)
- 商品持仓不足(GC=F仅30.6%)
3. 大跌月份持仓分析：
- 2月(-18%): HSI持仓87.5%，空仓仅8.3%
- 3月(-18.2%): GC=F持仓57.7%，空仓19.2%
4. 宏观市场环境：
- 互联网泡沫破裂(2000-2002)
- 911事件冲击
- 缺乏债券等防御资产
改进建议：
- 增加长期动量过滤(60/120天)
- 放松分散化约束
- 增加止损机制
- 回测起点后移至2005年
2026-05-16 20:57:40 +08:00
c782830f75
docs(experiments): 轮动策略改进版回测分析报告
...
新增改进版策略分析报告，展示空仓机制和大类冠军二次过滤后的表现：
核心内容：
- 策略改进说明：空仓机制、大类冠军二次过滤、min_score配置化
- 版本对比分析：累计收益+2708%、最大回撤改善10.8%
- 月度收益详细表格：2000-2026年完整数据
- 空仓天数统计：131天(1.6%)，集中在2000-2002年
关键对比：
| 指标 | 原版 | 改进版 | 改善 |
|------|------|--------|------|
| 累计收益 | 11872% | 14580% | +2708% |
| 最大回撤 | -71.9% | -61.1% | +10.8% |
| 空仓天数 | 4天 | 131天 | +127天 |
2026-05-16 20:49:23 +08:00
788120387a
docs: 更新回测分析报告反映空仓机制优化效果
...
主要更新内容：
- 回测概况：累计收益14580%（+2708%），年化25.2%，最大回撤-61.1%（改善10.8%）
- 年度收益：2000年-8.3%（改善17.7%），2001年-41.1%（改善7.6%）
- 回撤分析：新增空仓机制效果说明，低点净值从0.34提升至0.48
- 策略特点：新增空仓机制优势，已实现改进与待优化建议分离
2026-05-16 11:49:40 +08:00
06fc62c51b
test(premium): add ETF溢价率计算验证脚本及校验报告
...
新增验证脚本 tests/verify_premium_calculation.py，支持批量验证config.yaml中所有ETF
验证结果：
- 11只ETF全部验证通过，溢价率计算与集思录完全一致
- 动态匹配原则正确：优先当天净值，不存在时用T-1净值
- 净值日期规则验证：
- A股/港股/商品/债券/日本QDII：当天净值
- 美股QDII/欧洲QDII/原油QDII：T-1净值
相关文档：
- ETF溢价率官方定义调研报告.md
- ETF溢价率计算校验报告.md
2026-05-16 10:24:28 +08:00
4c7538e6e1
docs: 月度收益表格增加年收益列
...
修改内容:
- 表格新增年收益列，直观展示各年度整体表现
- 年收益超过50%或跌幅超过20%用粗体标注
- 高亮年份: 2000(-26%), 2001(-48.7%), 2007(136.7%), 2008(-22.5%), 2024(82.1%)
2026-05-16 01:32:36 +08:00
c8e30dcbdf
docs: 轮动策略回测分析报告（2000-2026）
...
内容:
- 年度收益汇总（26年完整数据）
- 月度收益详细表格（317个月）
- 4次重大回撤分析（互联网泡沫、金融危机、A股调整、新冠疫情）
- 策略特点总结与改进建议
2026-05-16 01:28:29 +08:00
e0d6f81ea1
docs: 仓位分配逻辑修改分析文档
...
- 记录动态权重vs固定仓位逻辑对比
- 分析收益下降原因(4479%→1678%)
- 说明固定仓位设计意义与改进方向
2026-05-16 00:31:14 +08:00
9776ae7de0
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
17e806045f
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
6b59855c28
experiment(rotation): 同大类扩充与纳指vs标普替换对比实验
...
技术修复：
- SOCKS5代理IPv6问题：socks5:// → socks5h:// (hybrid_source.py, yfinance_source.py)
目录整理：
- scripts/ → 仅保留策略入口(daily_scheduler, run_rotation, run_cci_screener)
- 实验脚本移至 tests/experiments/
- 工具脚本移至 tests/utils/
- 实验记录新增 docs/experiments/
- results/ 添加到 gitignore
实验结果：
实验001 - 同大类扩充（添加标普500）：
├─ 累计收益: 1467.35% → 1176.26% (-291%)
├─ CAGR: 48.10% → 43.82% (-4.28%)
├─ 调仓次数: 459 → 501 (+42次)
└─ 结论: 添加同大类标的不增加跨类分散，反而侵蚀收益
实验002 - 纳指vs标普替换对比：
├─ 累计收益: 1467.35% → 1118.77% (-348%)
├─ CAGR: 48.10% → 42.87% (-5.22%)
├─ Sharpe: 2.21 → 2.08 (-0.13)
├─ MaxDD: -17.33% → -15.14% (+2.18%)
└─ 结论: 纳指100优于标普500，成长风格更适合动量策略
策略建议：
- 保持纳指100作为美股大类代表
- 不添加同大类新标的（避免类内切换成本）
- 新增标的应优先考虑新大类（增加跨类分散）
2026-05-06 20:43:38 +08:00
