# 实验 008：信号执行延迟对策略收益的影响

**实验日期**：2026-06-15  
**实验目标**：量化信号触发后延迟执行对策略收益的影响，评估策略的执行容错度  
**实验结论**：卖出必须立即执行；买入延迟 1 天可接受（-1.7pp），延迟 2 天以上策略失效

---

## 一、问题背景

### 1.1 当前执行机制

策略采用 T+1 执行模式：

- **T 日 9:00**：信号触发，使用 T-1 收盘数据计算动量因子
- **T 日 9:30**：开盘执行调仓（卖出 + 买入），使用 T 日 ETF 价格

信号生成和执行在同一天，延迟为 0。

### 1.2 测试目的

实盘中可能存在以下情况导致延迟执行：

- 人工操作延迟
- 系统故障导致未能及时下单
- 流动性不足需要分批执行
- 跨时区交易的时间差

需要量化这些延迟对策略的实际影响，评估策略的执行容错度。

### 1.3 两种延迟模式

调仓包含两个动作：**卖出**和**买入**。延迟执行有两种理解方式：

| 模式 | 卖出时机 | 买入时机 | 等待期间状态 |
|------|---------|---------|-------------|
| 模式 A：买卖都延迟 | 延迟 N 天 | 延迟 N 天 | 继续持有原仓位 |
| 模式 B：卖立即、买延迟 | 立即执行 | 延迟 N 天 | 已卖出部分变为现金 |

两种模式对策略的影响可能不同，需要分别测试对比。

---

## 二、实验设计

### 2.1 延迟定义

| 延迟天数 | 含义 |
|---------|------|
| 0 | 基线（当前逻辑），T 日信号 → T 日开盘执行 |
| 1 | 延迟 1 天，T 日信号 → T+1 日开盘执行 |
| 2 | 延迟 2 天，T 日信号 → T+2 日开盘执行 |
| 3 | 延迟 3 天，T 日信号 → T+3 日开盘执行 |

### 2.2 实验配置

- 配置文件：`rotation/config_simple.yaml`
- 因子类型：`slope_r2`，`n_days=25`
- 回测区间：2020-01-10 ~ 2026-06-15（1555 个交易日）
- 标的池：11 资产 / 6 组
- 选择数量：3
- 权重模式：rank

### 2.3 实现方式

在 `SimpleRotationStrategy` 中增加 `execution_delay` 参数，通过修改 `run()` 主循环实现两种延迟模式。

---

## 三、实验 A：买卖都延迟

### 3.1 逻辑说明

信号变化后，整个调仓（卖出 + 买入）延迟 N 天执行。等待期间继续持有原仓位。

### 3.2 实验结果

| 延迟天数 | 总收益 | 年化收益 | 最大回撤 | Sharpe | Calmar | 胜率 | 调仓次数 |
|---------|--------|---------|---------|--------|--------|------|---------|
| 0 | 305.02% | 25.44% | -16.27% | 1.20 | 1.56 | 53.83% | 365 |
| 1 | 207.29% | 19.95% | -22.29% | 0.97 | 0.90 | 53.99% | 340 |
| 2 | 101.57% | 12.03% | -24.53% | 0.65 | 0.49 | 53.57% | 314 |
| 3 | 141.29% | 15.34% | -29.03% | 0.77 | 0.53 | 53.80% | 275 |

### 3.3 NAV 走势对比（关键节点）

| 交易日 | delay=0 | delay=1 | delay=2 | delay=3 |
|--------|---------|---------|---------|---------|
| 100 | 1.0785 | 1.0205 | 1.0287 | 1.1477 |
| 300 | 1.2462 | 1.1517 | 1.1148 | 1.3979 |
| 500 | 1.3847 | 1.2552 | 1.1666 | 1.4580 |
| 700 | 1.7195 | 1.4321 | 1.2339 | 1.4492 |
| 1000 | 1.8482 | 1.5281 | 1.3189 | 1.5750 |
| 1200 | 2.0596 | 1.7315 | 1.3590 | 1.7015 |
| 1555 | 4.0563 | 3.0775 | 2.0187 | 2.4165 |

### 3.4 分析

**收益衰减规律**：

```
delay 0 → 1：年化 -5.5pp（-21.6%）
delay 1 → 2：年化 -7.9pp（-39.7%）
delay 2 → 3：年化 +3.3pp（+27.4%，非单调回升）
```

delay=3 略好于 delay=2 是非单调现象，原因是更长的延迟反而减少了无效调仓（275 vs 314 次），在某些场景下偶然捕获了更好的入场点。

**胜率不变，幅度衰减**：

胜率在各延迟下几乎恒定（53.6% ~ 54.0%），说明：
- 方向判断不受延迟影响 — 同样的信号选出同样的标的
- 收益差异来自入场价格 — 延迟越大，动量已走得越远，入场成本越高

**回撤恶化**：

| 延迟 | 最大回撤 | 回撤恶化幅度 |
|------|---------|------------|
| 0 | -16.27% | 基线 |
| 1 | -22.29% | +6.0pp |
| 2 | -24.53% | +8.3pp |
| 3 | -29.03% | +12.8pp |

延迟导致错过最佳出场时机，风险敞口增大。

---

## 四、实验 B：卖立即、买延迟

### 4.1 逻辑说明

信号变化后：
- **卖出立即执行**：当日开盘卖出，资金变为现金
- **买入延迟 N 天**：等待期间资金闲置（0 收益），到期后开盘买入

### 4.2 实验结果

| 延迟天数 | 总收益 | 年化收益 | 最大回撤 | Sharpe | Calmar | 胜率 | 调仓次数 |
|---------|--------|---------|---------|--------|--------|------|---------|
| 0 | 305.02% | 25.44% | -16.27% | 1.20 | 1.56 | 53.83% | 365 |
| 1 | 271.78% | 23.71% | -15.60% | 1.15 | 1.52 | 53.06% | 365 |
| 2 | 96.92% | 11.61% | -21.40% | 0.66 | 0.54 | 50.87% | 653 |
| 3 | 4.30% | 0.68% | -35.67% | 0.13 | 0.02 | 48.93% | 890 |

### 4.3 分析

**延迟 1 天影响很小**：年化仅损失 1.7pp（25.44% → 23.71%），最大回撤甚至略好（-15.60% vs -16.27%）。因为卖出及时执行，止损不受影响。

**延迟 2-3 天急剧恶化**：调仓次数从 365 飙升到 653/890，说明策略在频繁卖出又买入之间空转。等待期间仓位不满，资金闲置。

---

## 五、两种模式对比

### 5.1 关键指标对比

| 延迟 | 模式 A（买卖都延迟） | 模式 B（卖立即、买延迟） | 差异 |
|------|-------------------|---------------------|------|
| 1 天 | 年化 19.95%，回撤 -22.29% | 年化 23.71%，回撤 -15.60% | 模式 B 好 +3.8pp，回撤少 6.7pp |
| 2 天 | 年化 12.03%，回撤 -24.53% | 年化 11.61%，回撤 -21.40% | 基本持平 |
| 3 天 | 年化 15.34%，回撤 -29.03% | 年化 0.68%，回撤 -35.67% | 模式 A 好 +14.7pp |

### 5.2 核心差异

**延迟 1 天时**：模式 B 明显优于模式 A
- 模式 B 年化高 3.8pp，回撤少 6.7pp
- 原因：及时止损比及时入场更重要

**延迟 2-3 天时**：模式 B 急剧恶化
- 模式 B 调仓次数飙升（653/890 vs 314/275）
- 原因：频繁卖出后等待买入，仓位长期不满，资金闲置

### 5.3 根因分析

策略的 alpha 来源是 **25 天窗口内的短期动量**。信号触发后的第 1 个交易日 move 是动量最集中的阶段：

- 信号触发时，标的刚进入强势趋势
- 延迟 1 天 = 错过趋势最陡的一段
- 延迟 2 天 = 趋势已衰减大半，入场性价比大幅下降

这与实验 007 的结论一致：策略本质是短期轮动而非长期趋势跟踪。

---

## 六、结论

### 6.1 核心结论

1. **卖出必须立即执行** — 及时止损比及时入场更重要
2. **买入延迟 1 天可接受** — 年化仅损失 1.7pp，回撤略好
3. **买入延迟 2 天以上策略失效** — 频繁空转，资金闲置
4. **胜率不受延迟影响** — 衰减完全来自入场价格劣化

### 6.2 对实盘的要求

| 场景 | 可行性 | 预期影响 |
|------|--------|---------|
| T+1 完整执行（买卖同日） | 最佳 | 基线（年化 25.4%） |
| T+1 卖出，T+2 买入 | 可接受 | 年化约 23.7%（-1.7pp） |
| T+2 完整执行 | 勉强 | 年化约 12%（-13pp） |
| T+3 完整执行 | 不可接受 | 策略失效 |

**实盘建议**：
- 信号生成当日必须完成卖出操作
- 如果买入无法当日完成，可延迟 1 天，影响可控
- 需要可靠的自动化下单系统
- 不建议手动操作执行此策略

### 6.3 与实验 007 的关联

实验 007 证明策略的 alpha 来自 25 天短期动量（而非长期趋势）。本实验进一步证实：短期动量的有效窗口不仅在回看端（25 天），在执行端同样敏感 — 信号触发后 1-2 天内的执行质量决定了策略的实际表现。

---

## 七、代码变更

- `rotation/simple_rotation.py`：
  - `__init__` 增加 `execution_delay` 参数
  - `run()` 主循环支持两种延迟模式：
    - 模式 A：`pending_holdings` 存储完整调仓，等待期间持有原仓位
    - 模式 B：`pending_buys` 仅存储买入，卖出立即执行，等待期间资金闲置