# select_num=1 策略深度分析报告

> 分析日期：2026-06-07
> 策略版本：基于 config_simple.yaml，select_num 覆盖为 1
> 回测区间：2020-01-10 至今（约 1549 个交易日）

## 1. 策略概述

基于 `slope_r2` 单因子的全球资产轮动策略，每次只持有排名第 1 的资产。

- **因子**：`slope_r2_score` — 归一化价格的线性回归斜率 × R²，回看 25 天
- **资产池**：11 个资产（原油、纳指100、日经225、黄金、DAX、有色金属、创业板指、恒生指数、恒生科技、红利低波、短债）
- **阈值**：动态阈值，以短债指数为参考

## 2. 回撤分析

### 2.1 整体回撤特征

- 显著回撤（>5%）共 34 次
- 水下时间占比 58.9%
- 最大回撤集中在原油高波动期间

### 2.2 主要回撤来源

策略在原油持仓期间的回撤最为剧烈，原因是原油波动率高（年化 ~45%）且事件驱动性强。频繁调仓在市场压力期进一步放大回撤。

## 3. 收益归因

### 3.1 资产贡献度

| 资产 | 收益贡献 | 持仓天数占比 | 贡献效率 |
|------|---------|------------|---------|
| 原油 (CL=F) | 62.8% | 18.9% | 极高 |
| 纳指100 (NDX) | 正贡献 | 中等 | 中等 |
| 创业板指 | 正贡献 | 中等 | 中等 |
| 日经225 (N225) | -15.4% | — | 最大拖累 |

### 3.2 原油收益的可持续性评估

- **正面**：择时 alpha 真实存在，策略收益约为随机择时的 2 倍
- **风险**：约 50% 的原油收益来自事件驱动（如俄乌战争），5 个交易日贡献了原油总收益的 50%
- **收益分布**：正偏度（+0.48）+ 厚尾特征
- **IC（信息系数）**：仅 0.063，信号质量并不高
- **结论**：回测年化 ~43% 中，现实可预期年化约 20-30%

## 4. 资产对比分析：为什么原油/纳指赚钱，日经赔钱

### 4.1 原油 — 长持获胜

- 持仓 >10 天的交易胜率 100%
- 正偏度 + 高波动 = 偶尔的大涨贡献绝大部分收益
- 趋势性较强，适合动量策略

### 4.2 纳指100 — 高盈亏比

- 盈亏比 2.14:1，靠"赚多赔少"取胜
- 资产本身具有正期望收益（长期上涨趋势）
- 即使因子预测能力为负，持有本身仍能获利

### 4.3 日经225 — 全面失败

- 在所有持仓周期（短/中/长）均亏损
- 在所有动量水平均表现不佳
- 均值回归特征明显，与动量因子方向相反

## 5. 回看周期敏感性测试

测试了 10 个回看周期（5d ~ 120d）× 3 个前瞻周期：

### 5.1 slope_r2 因子 IC 汇总

| 资产 | 最优回看 | 最优 IC | 典型 IC 范围 |
|------|---------|--------|-------------|
| 原油 (CL=F) | 20d | 正 | 正（稳健） |
| 创业板指 (399006.SZ) | 10d | 正 | 正（稳健） |
| 纳指100 (NDX) | — | 负 | 全部为负 |
| 日经225 (N225) | 90d | +0.059 | 大部分为负 |
| DAX (GDAXI) | — | 负 | 全部或大部分为负 |
| 恒生科技 (HSTECH.HK) | — | 负 | 全部为负 |

### 5.2 关键发现

- **只有原油和创业板指**对 slope_r2 因子有稳健的正 IC
- 纳指、日经、DAX、恒生科技在几乎所有回看周期下 IC 为负
- 日经即使在最优 90d 回看下，IC 也仅 +0.059，实用价值有限
- 纯收益率动量（不拟合直线）同样对日经/NDX/DAX 失效

### 5.3 结论

日经不是"回看周期不对"的问题，而是**资产本身的均值回归特性**与动量因子方向相反。调整回看周期无法根本解决。

## 6. 单因子局限性分析

### 6.1 核心问题

slope_r2 作为唯一切量因子，11 个资产中仅对 2 个有效（正 IC）。策略本质上在用一把只能开两把锁的钥匙去开 11 把锁。

### 6.2 资产行为分类

根据 Hurst 指数和 IC 分析，资产池可分为两类：

| 类型 | 特征 | 代表资产 |
|------|------|---------|
| 趋势型 | H > 0.5，动量 IC 正 | 原油、创业板指 |
| 均值回归型 | H < 0.5，动量 IC 负 | 日经、DAX、恒生科技 |
| 混合型 | 特征不显著 | 纳指、黄金、恒生指数 |

### 6.3 可行的多因子方向

| 因子类型 | 适用场景 | 对应资产 |
|---------|---------|---------|
| 均值回归因子（短期反转） | IC 为负的资产 | 日经、DAX、恒生科技 |
| 波动率因子（低波动异象） | 防御期选股 | 全资产 |
| 趋势质量因子（ADX/均线排列） | 区分真假动量 | 原油、创业板 |
| 风险动量（收益/波动率） | 替代纯动量 | 纳指（高收益高波动） |

### 6.4 建议方案

**按资产特性分配因子**，而非统一因子：
- 趋势型资产（原油、创业板）→ 动量因子
- 均值回归型资产（日经、DAX）→ 反转因子
- 这比简单叠加多因子效果更精准

## 7. 总结与建议

1. **select_num=1 的收益高度集中于原油**（62.8%），且约半数为事件驱动，可持续性存疑
2. **日经225 是最大拖累**（-15.4% 贡献），根本原因是均值回归特性与动量因子矛盾
3. **单因子 slope_r2 覆盖面不足**，仅 2/11 资产有效
4. **下一步优化方向**：
   - 短期：为均值回归类资产加入反转因子，或直接从池中移除不适合的资产
   - 中期：实现资产级因子自适应选择（根据 Hurst 指数自动分配动量/反转）
   - 长期：引入波动率因子作为风控层，在高波动期切换至防御资产