AI 原生量化投研平台AI-native quantitative research platform
正在加载…Loading…
页面仍在加载,可以继续等待,或重新加载。The page is still loading. You can keep waiting or reload.
部分页面资源未能加载,请重新加载。Some page resources could not load. Please reload.
设备当前处于离线状态,恢复连接后可以继续等待或重新加载。Your device is offline. Once connected, you can keep waiting or reload.
## 策略逻辑 复现论文:杨凯琳《基于动量与风险优化双重视角的ETF行业轮动策略研究》,Finance 金融, 2026, 16(2): 266-276(DOI: 10.12677/fin.2026.162026)。 - **标的池**:13 只 ETF,覆盖商品(黄金、豆粕)、宽基(沪深300、创业板)、行业(创新药、新能车、消费、光伏、通信、计算机、军工)、跨境(纳指、恒生科技) - **复合动量评分**:对过去 25 个交易日的对数收盘价做 OLS 回归,年化收益率 r = exp(252×β) − 1,乘以判定系数 R² 得 score = r × R²,只保留 score > 0 的标的。R² 起到趋势质量过滤作用,斜率高但走势噪声大的标的会被降权 - **协方差收缩**:样本年化协方差 → 相关矩阵向单位矩阵收缩(δ=0.5)→ 用原始波动率重建,缓解小样本下相关系数的估计误差 - **权重优化**:均值-方差 max w'μ − (γ/2)·w'Σw,约束 Σw = 1、w ≥ 0,γ = 2 - **调仓**:每月第一个交易日开盘调仓,权重偏离不足 1% 的标的不动;全部标的得分为负则空仓持现金 - **成本**:佣金买卖各万 2,卖出额外千 1(忠于论文设定,ETF 现实免印花税) - **回测区间**:2021-06-01 至 2025-12-31,基准沪深300 ## 复现结论:论文披露的业绩指标无法复现 本策略严格按论文文字描述实现,但**未能复现论文的业绩指标**,原因在于论文方法本身存在量级不自洽: 预期收益向量 μ = exp(252×β) − 1 的量级(入选标的最大值中位数约 2.11,即 211%)远超风险惩罚项 (γ/2)·w'Σw 的量级(中位数约 0.058),两者相差 1~2 个数量级。在 γ = 2 下,均值-方差优化必然退化为角点解——55 个调仓期中有 47 期为单一标的 100% 满仓,平均持仓数仅 1.15 只,与论文所述"权重分布趋于分散"及年化波动率 16.5% 直接矛盾。 将 γ 从 2 扫描至 1000,不存在任何取值可同时匹配论文的总收益 74.81%、年化波动 16.5%、最大回撤 25.97%、夏普 0.567 四项指标。 本次复现结果与论文披露值对照见下方单元格。**实际回测收益显著高于论文(总收益 390% vs 74.81%),但波动率同样显著更高(30.85% vs 16.5%),本质上是集中持仓而非论文所称的分散配置**,请勿将本策略的高收益理解为对论文结论的验证。 ## 已知口径歧义 论文表述存在两处内部矛盾,代码中以显式开关声明所采用口径: - `MOMENTUM_MODE = "log_price"`:回归因变量取 ln(收盘价),β 为日均对数收益率,与年化公式 exp(252β)−1 自洽,且论文 x = [0..24] 共 25 个点恰好对应 25 个收盘价。另一口径 `"log_return"` 严格照论文字面(因变量取日对数收益率,24 个点),但量纲与年化公式不自洽 - `COV_RETURN_MODE = "simple"`:协方差使用简单收益率序列,可切换为 `"log"`