# 实验记录 003: 添加新兴市场大类（印度）的影响

## 实验信息

| 项目 | 内容 |
|------|------|
| 实验编号 | 003 |
| 实验日期 | 2026-05-06 |
| 实验类型 | A/B对比测试（新大类添加） |
| 研究问题 | 添加印度作为新兴市场新大类对策略绩效的影响 |

---

## 1. 实验背景

### 与001、002实验的关系

| 实验 | 操作类型 | 大类变化 | 标的数量变化 |
|------|---------|---------|-------------|
| 001 | 同大类添加（标普500） | 0（美股还是1只） | 11→12 |
| 002 | 同大类替换（标普换纳指） | 0（美股还是1只） | 11→11 |
| 003 | **新大类添加（印度）** | **+1（新增EM大类）** | 11→12 |

**003实验核心问题**：验证添加新大类是否真正提升跨类分散效果

### 理论预期

```
添加新大类的预期效果：
├─ 跨类分散提升（大类数量从7→8）
├─ Top3候选池扩大（更多大类冠军可选）
├─ 收益可能提升或保持稳定
└─ Sharpe可能改善（分散降低风险）
```

---

## 2. 实验设计

### 新兴市场标的选择

A股场内可交易的新兴市场标的：

| 代码 | 名称 | 类型 | 流动性 |
|-----|------|-----|--------|
| 164824.SZ | 工银瑞信印度市场LOF | LOF | 日均~3000万 |
| 520580.SH | 新兴亚洲ETF招商 | ETF | 日均~7000万 |
| 513730.SH | 东南亚科技ETF华泰柏瑞 | ETF | 新上市 |

选择印度LOF（164824.SZ）进行测试：
- 信号源：^NSEI（印度Nifty50指数）
- ETF：164824.SZ（工银瑞信印度市场LOF）
- 大类标记：EM（Emerging Market）

### A/B组配置

| 组别 | 大类数量 | 新兴市场 |
|------|---------|---------|
| **A组（对照组）** | 7大类 | 无 |
| **B组（实验组）** | 8大类 | 印度（^NSEI → 164824.SZ） |

---

## 3. 回测结果

### 绩效对比

| 指标 | A组（无新兴） | B组（有印度） | 差异 |
|------|-------------|-------------|------|
| **大类数量** | 7 | 8 | **+1** ✓ |
| **累计收益** | **1467.35%** | 1261.83% | **-205.52%** |
| **CAGR** | **48.10%** | 45.16% | **-2.94%** |
| **Sharpe** | **2.21** | 2.09 | **-0.11** |
| MaxDD | -17.33% | -17.33% | +0.00% |
| Calmar | 2.78 | 2.61 | -0.17 |
| **日胜率** | 56.45% | **57.25%** | **+0.80%** ✓ |
| 调仓次数 | 459次 | 451次 | -8 |

---

## 4. 关键发现

### 发现1：大类数量确实增加

```
大类变化：
├─ A组：A(2)、HK(2)、US(1)、JP(1)、EU(1)、COMMODITY(3)、BOND(1) = 7大类
├─ B组：新增EM(1) = 8大类
└─ 跨类分散确实提升 ✓
```

### 发现2：但收益反而下降

```
收益变化：
├─ 累计收益下降205.52%
├─ CAGR下降2.94%
├─ Sharpe下降0.11
└─ 与预期相反！
```

### 发现3：日胜率略有提升

```
正面指标：
├─ 日胜率提升0.80%
├─ 调仓次数减少8次
└─ 说明：印度可能降低了激进调仓频率
```

### 发现4：问题根因分析

```
收益下降的可能原因：

1. LOF流动性问题
   ├─ 164824.SZ日均成交额仅~3000万
   ├─ 买卖价差较大，实际执行成本高
   └─ 溢价/折价导致价格偏离指数

2. 印度动量信号较弱
   ├─ 印度Nifty50走势相对平稳
   ├─ 动量因子得分不如纳指、日经等主流市场
   └─ 选入Top3后反而拖累组合收益

3. Top3权重被占用
   ├─ 印度成为大类冠军后进入Top3候选池
   ├─ 占用了本应属于其他强动量标的的权重
   └─ 导致错过其他市场的机会
```

---

## 5. 实验结论

### 核心结论

| 假设 | 实证结果 |
|-----|---------|
| 新大类增加跨类分散 | ✓ **验证通过**（+1大类） |
| 新大类提升收益 | ✗ **验证失败**（-205%） |
| 新大类改善Sharpe | ✗ **验证失败**（-0.11） |

### 重要发现

```
添加新大类 ≠ 必然提升绩效

关键因素：
├─ 标的本身的表现能力（动量信号强度）
├─ 标的流动性（实际执行成本）
├─ 新大类是否与现有大类低相关
└─ 新大类是否有机会成为Top3候选
```

### 策略建议

```
当前建议：暂不添加印度

原因：
1. LOF流动性不足（日均仅~3000万）
2. 印度动量信号不如主流市场强
3. 虽然跨类分散提升了，但收益下降205%
4. Top3权重被印度占用，错过其他机会

替代方案：
├─ 测试东南亚科技ETF（513730.SH）
│   → 真正的场内ETF，流动性更好
├─ 等待印度主题ETF上市后再测试
└─ 测试其他新兴市场（如越南、沙特）
```

---

## 6. 与001实验对比

| 实验 | 操作 | 大类变化 | 收益变化 | 核心结论 |
|------|------|---------|---------|---------|
| 001 | 同大类添加标普500 | 0 | -291% | 同大类添加不增加分散 |
| 003 | 新大类添加印度 | +1 | -205% | 新大类添加 ≠ 必然提升收益 |

**关键洞察**：
- 001：大类不变 → 分散不变 → 收益下降（切换成本）
- 003：大类增加 → 分散提升 → 但收益仍下降（标的本身问题）

**共同结论**：标的本身的表现能力比大类归属更重要

---

## 7. 相关文件

| 文件 | 说明 |
|-----|------|
| `tests/experiments/ab_test_emerging_market.py` | A/B测试脚本 |
| `results/ab_test_emerging_market.csv` | 测试结果数据 |

---

## 8. 后续研究方向

1. **测试其他新兴市场标的**：东南亚科技ETF（513730.SH）流动性更好
2. **印度LOF流动性改善后重新测试**：观察日均成交额提升后的表现
3. **标的质量评估机制**：在选择新大类前，先评估标的本身的表现能力

---

## 9. 技术记录

### YFinance印度指数代码

印度Nifty50指数在YFinance中需要使用 `^NSEI` 格式（带^前缀）：

```python
# 错误（404 Not Found）
code = "NSEI"

# 正确
code = "^NSEI"
```

---

*实验记录版本: v1.0*
*最后更新: 2026-05-06*