# 仓位分配逻辑修改分析

## 一、修改背景

**问题**：当选出的Top3动量标的中存在得分小于0的标的时，仓位如何分配？

**原逻辑**：按实际持仓数量等权分配，选出2只时每只权重50%，选出1只时权重100%。

**问题分析**：原逻辑在标的数量不足时放大了风险敞口，不符合"严格按动量筛选，不满仓则部分现金"的策略意图。

---

## 二、修改内容

**修改文件**：`framework/execution/__init__.py`

**修改方法**：
- `_calculate_daily_returns()` - 收益计算逻辑
- `_apply_trade_cost()` - 交易成本计算逻辑

---

## 三、核心逻辑对比

| 方面 | 原逻辑（动态权重） | 新逻辑（固定仓位） |
|------|---------------------|---------------------|
| **仓位分配** | 按实际持仓数量等权 | 按 `select_num` 固定等权 |
| **权重公式** | `weight = 1 / len(codes)` | `weight = 1 / select_num` |
| **缺失处理** | 无缺失概念 | 缺失仓位用现金替代 |
| **收益计算** | `np.mean(returns)` | `sum(ret × unit_weight)` |

---

## 四、具体示例（select_num=3）

### 仓位分配对比

| 场景 | 原逻辑权重分配 | 新逻辑权重分配 |
|------|----------------|----------------|
| **选出3只** | 每只 33.3% | 每只 33.3% + 现金 0% |
| **选出2只** | 每只 **50%** ← 放大！ | 每只 33.3% + 现金 **33.3%** |
| **选出1只** | **100%** ← 极度放大！ | 33.3% + 现金 **66.7%** |
| **空仓** | 无收益 | 现金 100% |

### 收益计算示例

假设某日选出2只标的，纳指涨+2%，日经涨+1%：

| 逻辑 | 计算方式 | 收益结果 |
|------|----------|----------|
| **原逻辑** | `(2% + 1%) / 2` | **1.5%** |
| **新逻辑** | `(2% + 1%) / 3 + 0` | **1.0%** |
| **差异** | - | **-0.5% (-33%)** |

假设某日选出1只标的，纳指涨+2%：

| 逻辑 | 计算方式 | 收益结果 |
|------|----------|----------|
| **原逻辑** | `2% / 1` | **2%** |
| **新逻辑** | `2% / 3 + 0 + 0` | **0.67%** |
| **差异** | - | **-1.33% (-67%)** |

---

## 五、回测结果对比

| 指标 | 原逻辑 | 新逻辑 | 变化 |
|------|--------|--------|------|
| 累计收益 | 4479.14% | 1677.51% | **↓62.6%** |
| 最终净值 | 45.79 | 17.78 | **↓61.2%** |

### 收益下降原因分析

**数据统计**：
- 总回测天数：3501天
- 持有3只标的：3213天（91.8%）
- 持有2只标的：263天（7.5%）
- 持有1只标的：25天（0.7%）

**影响测算**：
- 8.2%时间（288天）持有少于3只标的
- 原逻辑在这些天放大权重：
  - 2只时：权重从33.3%→50%，波动放大50%
  - 1只时：权重从33.3%→100%，波动放大200%
- 新逻辑保持固定权重，空缺部分现金收益为0

---

## 六、设计意义

### 原逻辑问题

1. ❌ **风险敞口不稳定**：标的数量不足时风险放大
2. ❌ **单标的集中风险**：选出1只时，100%风险集中在单一标的
3. ❌ **收益波动不稳定**：不同仓位状态下波动率差异大

### 新逻辑优势

1. ✅ **稳定风险敞口**：每只标的固定33.3%权重
2. ✅ **现金避险机制**：空缺仓位用现金替代，降低风险
3. ✅ **符合策略意图**：严格按动量筛选，负分标的过滤后缺位用现金填充

---

## 七、结论与建议

### 当前状态

修改已生效，commit: `444dc0e refactor(execution): 改为固定仓位分配逻辑`

### 验证建议

1. 对比两种逻辑在不同市场环境下的表现
2. 分析固定仓位对回撤控制的效果
3. 评估现金替代部分的收益损失是否值得风险降低

### 改进方向

如果需要进一步提升收益，可考虑：
- 降低 `min_score` 阈值（如-0.5），允许轻度负分标的参与
- 增加"相对动量"逻辑：即使负分，大类排名靠前也保留
- 添加分散度约束：强制保持至少2只标的，避免单一标的风险

---

## 八、相关文件

- `framework/execution/__init__.py` - BacktestExecutor 收益计算
- `strategies/shared/signals/selectors.py` - TopNSelector 选股逻辑
- `strategies/rotation/config.yaml` - min_score 配置