aszer/etf

Files

aszerW 06df8767b9 docs: add select_num=1 strategy deep analysis report

- Asset contribution attribution (CL=F 59.1%, N225 -11.8%)
- IC analysis across lookback periods (only CL=F and ChiNext have robust positive IC)
- Hurst exponent analysis and asset classification
- Multi-factor direction recommendations

2026-06-07 12:26:13 +08:00

5.2 KiB

Raw Permalink Blame History

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

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
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
单因子 slope_r2 覆盖面不足，仅 2/11 资产有效
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

5.2 KiB Raw Permalink Blame History Unescape Escape