@@ -0,0 +1,257 @@
# ETF轮动策略核心逻辑 V2
## 📊 策略概览
基于**加权动量因子**的跨市场ETF轮动策略, 通过量化评分自动选择表现最优的ETF组合进行投资。V2版本核心升级: **跨大类强制分散化选股**,确保持仓在不同资产类别间均衡配置,避免集中在单一市场。
---
## 🎯 候选池配置
### 覆盖市场( 7大类, 11只标的)
| 大类 (market) | 标的 | 信号源代码 | 交易ETF | 数据来源 |
|---|---|---|---|---|
| **A股 (A)** | 创业板指 | 399006.SZ | 159915.SZ | Tushare |
| **A股 (A)** | 中证红利低波 | H30269.CSI | 512890.SH | Tushare |
| **美股 (US)** | 纳指100 | NDX | 513100.SH | YFinance |
| **日本 (JP)** | 日经225 | N225 | 513520.SH | YFinance |
| **欧洲 (EU)** | 德国DAX | GDAXI | 513030.SH | YFinance |
| **港股 (HK)** | 恒生指数 | HSI | 159920.SZ | YFinance |
| **港股 (HK)** | 恒生科技 | HSTECH.HK | 513130.SH | YFinance |
| **商品 (COMMODITY)** | 黄金 | AU.SHF | 518880.SH | Tushare/期货 |
| **商品 (COMMODITY)** | 原油 | CL.NYM | 160723.SZ | YFinance |
| **商品 (COMMODITY)** | 有色金属(铜) | CU.SHF | 159980.SZ | Tushare/期货 |
| **固收 (BOND)** | 30年国债 | 931862.CSI | 511090.SH | Tushare |
### 双轨数据架构
- **信号源(指数/期货)**:用于计算动量因子得分,决定选哪些标的
- **交易标的( ETF) **: 用于计算实际收益, 所有ETF均在A股场内交易
- 商品类标的使用期货价格作为信号源( AU.SHF→黄金ETF, CL.NYM→原油ETF, CU.SHF→有色ETF) , 保证信号来源的纯粹性
---
## 🧮 得分计算逻辑
### 因子类型:加权线性回归动量 (weighted_momentum)
#### 核心公式
```
得分 = 年化收益率 × R²
```
#### 计算步骤
1. **取对数收益** : `y = ln(价格序列)` ( 过去25个交易日)
2. **构造权重** : `weights = linspace(1, 2, 25)` ( 近期权重2.0, 远期权重1.0,线性递增)
3. **加权线性回归** : `slope, intercept = polyfit(x, y, 1, w=weights)`
4. **年化收益率** : `annualized_returns = exp(slope × 250) - 1`
5. **加权R²** :
```
y_pred = slope × x + intercept
ss_res = Σ(weights × (y - y_pred)²)
ss_tot = Σ(weights × (y - weighted_mean(y))²)
R² = 1 - ss_res / ss_tot
` ``
6. **最终得分**: ` score = annualized_returns × R²`
#### 得分含义
- **正值**:上升趋势,值越大代表趋势越强且越稳定
- **负值**:下降趋势(会被过滤,不参与选股)
- **接近0**:无明显趋势或趋势不稳定
### 崩盘过滤机制
在得分计算后, 对最近3个交易日进行崩盘检测:
- **条件1**: 最近3天中任一天跌幅 > 5%
- **条件2**: 连续3天下跌, 且累计跌幅 > 5%
满足任一条件 → **得分强制清零**,该标的当日不参与选股。
### V1 vs V2 因子对比
| 维度 | V1 (slope_r2) | V2 (weighted_momentum) |
|---|---|---|
| 输入数据 | 归一化价格 | 对数价格 |
| 回归方式 | 等权线性回归 | 加权线性回归(近期权重更高) |
| 得分公式 | ` slope × R² × 10000` | ` 年化收益率 × R²` |
| 权重分配 | 所有交易日等权 | 近期权重2.0, 远期权重1.0 |
| 崩盘过滤 | 无 | 有( 连续3天跌>5%清零) |
---
## 📦 选股逻辑:跨大类强制分散化 (diversified=true)
### 核心机制:两步筛选
**第一步:类内竞争** —— 每个 ` market` 大类只保留得分最高的1只标的( 大类冠军)
` ``
A股: 创业板指 vs 红利低波 → 选1只冠军
港股: 恒生指数 vs 恒生科技 → 选1只冠军
商品: 黄金 vs 原油 vs 有色金属 → 选1只冠军
美股/日本/欧洲/固收: 各1只, 自动成为冠军
` ``
**第二步:跨类排序** —— 从最多7个大类冠军中, 按得分从高到低选 Top 3
` ``
最终持仓 = Top 3 大类冠军( 等权33%)
` ``
### 具体示例
某日各标的得分:
| 大类 | 标的 | 得分 | 类内排名 |
|---|---|---|---|
| A | 创业板指 | 2.5 | ✓ 冠军 |
| A | 红利低波 | 1.8 | ✗ 淘汰 |
| US | 纳指100 | 4.7 | ✓ 冠军 |
| JP | 日经225 | 3.5 | ✓ 冠军 |
| HK | 恒生科技 | 1.2 | ✓ 冠军 |
| HK | 恒生指数 | 0.8 | ✗ 淘汰 |
| COMMODITY | 黄金 | 3.1 | ✓ 冠军 |
| COMMODITY | 原油 | -0.5 | ✗ 负分过滤 |
→ 大类冠军: 纳指100(4.7) > 日经225(3.5) > 黄金(3.1) > 创业板指(2.5) > 恒生科技(1.2)
→ 选 Top 3: **纳指100 + 日经225 + 黄金**( 各33%)
### 为什么使用分散化?
实证对比( 11只标的, 2019-2026) :
| 指标 | diversified=true | diversified=false | 差异 |
|---|---|---|---|
| CAGR | 46.45% | 44.19% | +2.26% |
| Sharpe | 2.22 | 2.13 | +0.09 |
| 最大回撤 | -17.33% | -18.12% | 改善0.79% |
| Calmar | 2.68 | 2.44 | +0.24 |
关键差异在2022年( +17.63%) : ` false` 模式集中持有3只商品, 商品回调时同步下跌; ` true` 模式强制分散到不同大类,有效对冲单一资产类别风险。
---
## ⏱️ 调仓控制
### 调仓触发条件
每日检查,同时满足以下条件才触发调仓:
1. **最低持仓期**:距上次调仓 ≥ 1个交易日( ` rebalance_days = 1`)
2. **得分改善检查**:
- 多品种模式:` 新组合总得分 / 旧组合总得分 - 1 ≥ 0%`( ` rebalance_threshold = 0.0`)
- 即:只要新组合得分更高就调仓
3. **目标信号有效**:目标组合不为空(所有标的得分为负时不调仓,继续持有)
### T+1执行机制
- T日收盘后计算因子得分, 生成信号( ` 信号_raw`)
- 信号向后移位1天( ` shift(1)`) 作为T+1日的执行信号
- **运行时间**: T+1日上午9:00( 北京时间) , 因美股/期货数据凌晨才可用
### 交易成本
- **成本率**: 0.1%(双边,含佣金+滑点)
- **扣除方式**:按换手率比例扣除
- ` 换手率 = 新增品种数 / 旧持仓品种数`
- ` 成本 = 换手率 × 0.1%`
- 例如: 3只持仓换1只 → 换手率1/3 → 成本0.033%
---
## 🛡️ 溢价率控制
### 机制说明
跨境ETF( 港股/美股) 在A股交易时可能出现溢价( ETF价格 > 净值),溢价过高时买入风险大。
### 控制配置
| 市场类型 | 启用 | 阈值 | 模式 |
|---|---|---|---|
| A股 | 否 | — | — |
| 港股 | 是 | 10% | filter( 完全排除) |
| 美股 | 是 | 10% | filter( 完全排除) |
| 商品 | 否 | — | — |
| 固收 | 否 | — | — |
### 溢价率计算
` ``
溢价率 = ETF收盘价 / ETF单位净值 - 1
` ``
- 净值数据通过 Tushare ` fund_nav` 接口获取
- ` filter` 模式:溢价超阈值的标的直接从当日候选池排除
- ` penalize` 模式( 可选) : 对高溢价标的得分乘以惩罚系数( 0.5)
---
## 📡 跨市场数据对齐
### 基准日历
以**A股交易日历**为基准,所有标的数据对齐到该日历。
### 数据对齐策略
1. **A股指数/期货**: Tushare直连获取, 天然对齐A股交易日
2. **非A股标的**(港美股等):
- 各标的按自身交易日历计算因子得分
- 计算完成后,通过 ` ffill`( 前向填充) 对齐到A股交易日
- 例: 周一A股开盘但美股假期 → 使用上周五美股数据
3. **数据质量检查** :对齐后缺失率 > 50% 的标的自动剔除
### 数据源路由
| 数据类型 | 数据源 | 代理方式 |
|---|---|---|
| A股指数 (.SH/.SZ/.CSI) | Tushare | 直连(清除代理) |
| 期货 (AU.SHF/CU.SHF) | Tushare fut_daily | 直连 |
| 港股/美股/欧日 | YFinance | SSH隧道(SOCKS5) |
| 原油 (CL.NYM) | YFinance (CL=F) | SSH隧道 |
| ETF价格 | Tushare fund_daily | 直连 |
| ETF净值 | Tushare fund_nav | 直连 |
| 基准指数 | Tushare | 直连 |
---
## 📈 回测绩效( 2019-02 ~ 2026-04)
| 维度 | V2配置 |
|---|---|
| 累计收益 | 1473% |
| CAGR | 46.42% |
| Sharpe | 2.22 |
| 最大回撤 | -17.33% |
| Calmar | 2.68 |
| 日胜率 | 56.48% |
| 基准(沪深300) | CAGR 5.23% |
| 最大回撤区间 | 2020-02-13 ~ 2020-03-23 |
---
## 📋 策略特点总结
| 维度 | V1配置 | V2配置 |
|---|---|---|
| **候选池** | 22只( 以A股行业为主) | 11只( 全球7大类精选) |
| **市场覆盖** | A股17 + 港1 + 美1 + 商品1 + 加密2 | A股2 + 美1 + 日1 + 欧1 + 港2 + 商品3 + 固收1 |
| **因子类型** | slope_r2 | weighted_momentum( 加权, 近期权重更高) |
| **崩盘过滤** | 无 | 有( 3天跌>5%得分清零) |
| **持仓数量** | 5只( 等权20%) | 3只( 等权33%) |
| **选股模式** | 纯Top N | 跨大类分散化( 每类Top1→全局Top3) |
| **调仓频率** | 每日评估 | 每日评估 |
| **交易成本** | 0.1% | 0.1%(按换手率比例扣除) |
| **溢价控制** | 港3%/美2% | 港美统一10%( filter模式) |
| **数据源** | Tushare + YFinance + CCXT | Tushare + YFinance( 去掉加密货币) |
| **基准指数** | 沪深300 | 沪深300 |
---
## 💡 V2核心优势
1. **全球分散** : 7大类资产覆盖全球主要市场, 降低单一市场/经济体风险
2. **强制分散化** : diversified模式确保持仓跨大类配置, 避免同类资产集中
3. **期货信号+ETF交易** : 商品类使用期货价格作为信号源, ETF作为交易载体, 两者分离
4. **加权动量** :近期数据权重更高,对趋势变化更敏感
5. **崩盘保护** :短期暴跌自动清零得分,避免追接下跌中的飞刀
6. **全A股可交易** : 所有标的均有对应的A股场内ETF, 无需境外账户
---
*文档版本: V2.0*
*更新时间: 2026-04-30*
*对应配置: config/strategies/rotation.yaml*