实验设计: - A组:当前7大类配置(无新兴市场) - B组:添加印度作为第8大类(EM = Emerging Market) - 标的:^NSEI → 164824.SZ(工银瑞信印度市场LOF) 实验结果: ├─ 大类数量: 7 → 8 (+1) ✓ 跨类分散提升 ├─ 累计收益: 1467.35% → 1261.83% (-205.52%) ├─ CAGR: 48.10% → 45.16% (-2.94%) ├─ Sharpe: 2.21 → 2.09 (-0.11) ├─ 日胜率: 56.45% → 57.25% (+0.80%) ✓ └─ 调仓次数: 459 → 451 (-8) 核心发现: 1. 大类数量增加确实提升跨类分散 2. 但收益反而下降205%(与预期相反) 3. 印度LOF流动性不足(日均~3000万) 4. 印度动量信号不如主流市场强 5. Top3权重被印度占用,错过其他机会 重要结论:添加新大类 ≠ 必然提升收益 - 标的本身表现能力比大类归属更重要 - 流动性、动量信号强度是关键因素 与001实验对比: - 001(同大类添加):大类不变 → 收益-291% - 003(新大类添加):大类+1 → 收益-205% → 标的质量比大类数量更重要 策略建议: - 暂不添加印度(LOF流动性不足) - 可测试东南亚科技ETF(513730.SH) 新增文件: - tests/experiments/ab_test_emerging_market.py - docs/experiments/003_emerging_market_india.md
5.8 KiB
5.8 KiB
实验记录 003: 添加新兴市场大类(印度)的影响
实验信息
| 项目 | 内容 |
|---|---|
| 实验编号 | 003 |
| 实验日期 | 2026-05-06 |
| 实验类型 | A/B对比测试(新大类添加) |
| 研究问题 | 添加印度作为新兴市场新大类对策略绩效的影响 |
1. 实验背景
与001、002实验的关系
| 实验 | 操作类型 | 大类变化 | 标的数量变化 |
|---|---|---|---|
| 001 | 同大类添加(标普500) | 0(美股还是1只) | 11→12 |
| 002 | 同大类替换(标普换纳指) | 0(美股还是1只) | 11→11 |
| 003 | 新大类添加(印度) | +1(新增EM大类) | 11→12 |
003实验核心问题:验证添加新大类是否真正提升跨类分散效果
理论预期
添加新大类的预期效果:
├─ 跨类分散提升(大类数量从7→8)
├─ Top3候选池扩大(更多大类冠军可选)
├─ 收益可能提升或保持稳定
└─ Sharpe可能改善(分散降低风险)
2. 实验设计
新兴市场标的选择
A股场内可交易的新兴市场标的:
| 代码 | 名称 | 类型 | 流动性 |
|---|---|---|---|
| 164824.SZ | 工银瑞信印度市场LOF | LOF | 日均~3000万 |
| 520580.SH | 新兴亚洲ETF招商 | ETF | 日均~7000万 |
| 513730.SH | 东南亚科技ETF华泰柏瑞 | ETF | 新上市 |
选择印度LOF(164824.SZ)进行测试:
- 信号源:^NSEI(印度Nifty50指数)
- ETF:164824.SZ(工银瑞信印度市场LOF)
- 大类标记:EM(Emerging Market)
A/B组配置
| 组别 | 大类数量 | 新兴市场 |
|---|---|---|
| A组(对照组) | 7大类 | 无 |
| B组(实验组) | 8大类 | 印度(^NSEI → 164824.SZ) |
3. 回测结果
绩效对比
| 指标 | A组(无新兴) | B组(有印度) | 差异 |
|---|---|---|---|
| 大类数量 | 7 | 8 | +1 ✓ |
| 累计收益 | 1467.35% | 1261.83% | -205.52% |
| CAGR | 48.10% | 45.16% | -2.94% |
| Sharpe | 2.21 | 2.09 | -0.11 |
| MaxDD | -17.33% | -17.33% | +0.00% |
| Calmar | 2.78 | 2.61 | -0.17 |
| 日胜率 | 56.45% | 57.25% | +0.80% ✓ |
| 调仓次数 | 459次 | 451次 | -8 |
4. 关键发现
发现1:大类数量确实增加
大类变化:
├─ A组:A(2)、HK(2)、US(1)、JP(1)、EU(1)、COMMODITY(3)、BOND(1) = 7大类
├─ B组:新增EM(1) = 8大类
└─ 跨类分散确实提升 ✓
发现2:但收益反而下降
收益变化:
├─ 累计收益下降205.52%
├─ CAGR下降2.94%
├─ Sharpe下降0.11
└─ 与预期相反!
发现3:日胜率略有提升
正面指标:
├─ 日胜率提升0.80%
├─ 调仓次数减少8次
└─ 说明:印度可能降低了激进调仓频率
发现4:问题根因分析
收益下降的可能原因:
1. LOF流动性问题
├─ 164824.SZ日均成交额仅~3000万
├─ 买卖价差较大,实际执行成本高
└─ 溢价/折价导致价格偏离指数
2. 印度动量信号较弱
├─ 印度Nifty50走势相对平稳
├─ 动量因子得分不如纳指、日经等主流市场
└─ 选入Top3后反而拖累组合收益
3. Top3权重被占用
├─ 印度成为大类冠军后进入Top3候选池
├─ 占用了本应属于其他强动量标的的权重
└─ 导致错过其他市场的机会
5. 实验结论
核心结论
| 假设 | 实证结果 |
|---|---|
| 新大类增加跨类分散 | ✓ 验证通过(+1大类) |
| 新大类提升收益 | ✗ 验证失败(-205%) |
| 新大类改善Sharpe | ✗ 验证失败(-0.11) |
重要发现
添加新大类 ≠ 必然提升绩效
关键因素:
├─ 标的本身的表现能力(动量信号强度)
├─ 标的流动性(实际执行成本)
├─ 新大类是否与现有大类低相关
└─ 新大类是否有机会成为Top3候选
策略建议
当前建议:暂不添加印度
原因:
1. LOF流动性不足(日均仅~3000万)
2. 印度动量信号不如主流市场强
3. 虽然跨类分散提升了,但收益下降205%
4. Top3权重被印度占用,错过其他机会
替代方案:
├─ 测试东南亚科技ETF(513730.SH)
│ → 真正的场内ETF,流动性更好
├─ 等待印度主题ETF上市后再测试
└─ 测试其他新兴市场(如越南、沙特)
6. 与001实验对比
| 实验 | 操作 | 大类变化 | 收益变化 | 核心结论 |
|---|---|---|---|---|
| 001 | 同大类添加标普500 | 0 | -291% | 同大类添加不增加分散 |
| 003 | 新大类添加印度 | +1 | -205% | 新大类添加 ≠ 必然提升收益 |
关键洞察:
- 001:大类不变 → 分散不变 → 收益下降(切换成本)
- 003:大类增加 → 分散提升 → 但收益仍下降(标的本身问题)
共同结论:标的本身的表现能力比大类归属更重要
7. 相关文件
| 文件 | 说明 |
|---|---|
tests/experiments/ab_test_emerging_market.py |
A/B测试脚本 |
results/ab_test_emerging_market.csv |
测试结果数据 |
8. 后续研究方向
- 测试其他新兴市场标的:东南亚科技ETF(513730.SH)流动性更好
- 印度LOF流动性改善后重新测试:观察日均成交额提升后的表现
- 标的质量评估机制:在选择新大类前,先评估标的本身的表现能力
9. 技术记录
YFinance印度指数代码
印度Nifty50指数在YFinance中需要使用 ^NSEI 格式(带^前缀):
# 错误(404 Not Found)
code = "NSEI"
# 正确
code = "^NSEI"
实验记录版本: v1.0 最后更新: 2026-05-06