etf/docs/experiments/仓位分配逻辑修改分析.md

仓位分配逻辑修改分析

一、修改背景

问题：当选出的Top3动量标的中存在得分小于0的标的时，仓位如何分配？

原逻辑：按实际持仓数量等权分配，选出2只时每只权重50%，选出1只时权重100%。

问题分析：原逻辑在标的数量不足时放大了风险敞口，不符合"严格按动量筛选，不满仓则部分现金"的策略意图。

---

二、修改内容

修改文件：framework/execution/__init__.py

修改方法：

• _calculate_daily_returns() - 收益计算逻辑
• _apply_trade_cost() - 交易成本计算逻辑

---

三、核心逻辑对比

方面	原逻辑（动态权重）	新逻辑（固定仓位）
仓位分配	按实际持仓数量等权	按 select_num 固定等权
权重公式	weight = 1 / len(codes)	weight = 1 / select_num
缺失处理	无缺失概念	缺失仓位用现金替代
收益计算	np.mean(returns)	sum(ret × unit_weight)

---

四、具体示例（select_num=3）

仓位分配对比

场景	原逻辑权重分配	新逻辑权重分配
选出3只	每只 33.3%	每只 33.3% + 现金 0%
选出2只	每只 50% ← 放大！	每只 33.3% + 现金 33.3%
选出1只	100% ← 极度放大！	33.3% + 现金 66.7%
空仓	无收益	现金 100%

收益计算示例

假设某日选出2只标的，纳指涨+2%，日经涨+1%：

逻辑	计算方式	收益结果
原逻辑	(2% + 1%) / 2	1.5%
新逻辑	(2% + 1%) / 3 + 0	1.0%
差异	-	-0.5% (-33%)

假设某日选出1只标的，纳指涨+2%：

逻辑	计算方式	收益结果
原逻辑	2% / 1	2%
新逻辑	2% / 3 + 0 + 0	0.67%
差异	-	-1.33% (-67%)

---

五、回测结果对比

指标	原逻辑	新逻辑	变化
累计收益	4479.14%	1677.51%	↓62.6%
最终净值	45.79	17.78	↓61.2%

收益下降原因分析

数据统计：

• 总回测天数：3501天
• 持有3只标的：3213天（91.8%）
• 持有2只标的：263天（7.5%）
• 持有1只标的：25天（0.7%）

影响测算：

• 8.2%时间（288天）持有少于3只标的
• 原逻辑在这些天放大权重：
  • 2只时：权重从33.3%→50%，波动放大50%
  • 1只时：权重从33.3%→100%，波动放大200%
• 新逻辑保持固定权重，空缺部分现金收益为0

---

六、设计意义

原逻辑问题

1. ❌ 风险敞口不稳定：标的数量不足时风险放大
2. ❌ 单标的集中风险：选出1只时，100%风险集中在单一标的
3. ❌ 收益波动不稳定：不同仓位状态下波动率差异大

新逻辑优势

1. ✅ 稳定风险敞口：每只标的固定33.3%权重
2. ✅ 现金避险机制：空缺仓位用现金替代，降低风险
3. ✅ 符合策略意图：严格按动量筛选，负分标的过滤后缺位用现金填充

---

七、结论与建议

当前状态

修改已生效，commit: 444dc0e refactor(execution): 改为固定仓位分配逻辑

验证建议

1. 对比两种逻辑在不同市场环境下的表现
2. 分析固定仓位对回撤控制的效果
3. 评估现金替代部分的收益损失是否值得风险降低

改进方向

如果需要进一步提升收益，可考虑：

• 降低 min_score 阈值（如-0.5），允许轻度负分标的参与
• 增加"相对动量"逻辑：即使负分，大类排名靠前也保留
• 添加分散度约束：强制保持至少2只标的，避免单一标的风险

---

八、相关文件

• framework/execution/__init__.py - BacktestExecutor 收益计算
• strategies/shared/signals/selectors.py - TopNSelector 选股逻辑
• strategies/rotation/config.yaml - min_score 配置