aszer/etf
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
master
etf/docs/轮动策略核心逻辑_v2.md
aszerW 48ff15d92a docs: 新增轮动策略核心逻辑V2文档 
V2相对于V1的核心升级:
- 候选池: 22只(以A股行业为主) → 11只(全球7大类精选)
- 因子类型: slope_r2(等权回归) → weighted_momentum(加权回归,近期权重2.0)
- 选股模式: 纯Top5 → 跨大类分散化(每大类Top1→全局Top3,等权33%)
- 崩盘过滤: 无 → 有(连续3天跌>5%得分清零)
- 商品信号源: 指数价格 → 期货价格(AU.SHF/CL.NYM/CU.SHF)
- 加密货币: 保留 → 移除(全部使用A股场内ETF交易)

V2实证数据(2019-02~2026-04):
  累计收益1473%, CAGR 46.42%, Sharpe 2.22, MaxDD -17.33%, Calmar 2.68
  diversified=true全面优于false(2022年差异+17.63%)

文档包含完整配置清单、因子计算公式、分散化选股机制、
调仓控制逻辑、溢价率控制、跨市场数据对齐方案、V1 vs V2对比表
2026-04-30 13:49:42 +08:00

9.4 KiB
Raw Permalink Blame History

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