/tag/市值

一段电梯内的亲密视频，让市值超3000亿元的PCB巨头胜宏科技陷入了始料未及的舆论风暴。据媒体报道，前述视频由抖音用户“珍珍Janice”（简称“珍珍”）发布，其声称陈涛不仅隐瞒身体状况诱骗其生子，更在她抑郁住院后直接拉黑失联。 而陈涛正是上市公司胜宏科技的董事长，其还被英伟达首席执行官黄仁勋亲切称呼为自己的“中国搭子”。 对于此次“电梯门”风波，胜宏科技回应称，网传消息与公司生产经营活动无关。公司总裁赵启祥还表示，陈涛已就相关情况与公司董事沟通，网传新消息不完全属实，公司已报警处理。 6月8日，胜宏科技股价报收314.8元/股，较前一个交易日下跌7.11%，市值单日缩水超230亿元。 6月9日，胜宏科技股价回升8.82%至342.55元/股。6月10日，胜宏科技股价再度下跌3.59%，最新市值约3246亿元。 值得一提的是，在今年3月揭晓的《2026胡润全球富豪榜》上，陈涛、刘春兰夫妇以680亿元的身家，问鼎广东惠州首富（以居住地为标准）宝座。 惠州首富卷入“桃色风波”，胜宏科技总裁：不完全属实 6月6日，抖音用户“珍珍Janice”在社交平台发布一段监控视频，并称画面中与她亲密接吻的男子是胜宏科技董事长陈涛。该视频据称于2025年4月在公司专属电梯内拍摄。 据凤凰网财经《公司研究院》，该用户爆料，其与陈涛的关系始于2022年。在入职胜宏科技相关岗位后，她与对方确立了交往关系。 “陈涛刚认识就骗我给他生小孩，后面我发现他有弱精症”，珍珍表示，“我生气的是一切都好好的，我抑郁症住院了他就把我拉黑，怎么都联系不到了，直到现在，我也不想联系了。” 珍珍还表示：“我认识他时候他是个弟弟，我是网红我有存款但是不多，他是企业家他扩张负债过亿，我陪他从300亿到3000亿，认识他到现在一共给我花了几十万，也没有教我炒股，我还要自己交房租和生活开销。” 面对网友就视频来源的质疑，珍珍则直接表示是“他让我去物业拿去报警的”。 至于介入已婚人士生活的道德指责，珍珍则回应称：“阿涛说为了孩子没办法。” 据凤凰网财经《公司研究院》，早在去年9月，这场纠葛就疑似已小范围曝光。如今旧事重提，却赶上了胜宏科技的高光时刻。 2025年，国内掀起一波AI热潮，凭借英伟达供应商的身份，胜宏科技的股价持续飙升。今年4月，胜宏科技又顺利登陆港股，其A股股价一度达到402.6元/股的历史高点。 或是受到此次“电梯门”事件的影响，6月8日，胜宏科技股价下跌7.11%至314.8元/股，市值单日缩水超230亿元。 6月9日，胜宏科技的股价有所回暖，单日上涨8.82%。不过，6月10日，胜宏科技股价再度下跌3.59%，最新市值约为3246亿元。 对于此番闹得沸沸扬扬的传闻，6月8日上午，胜宏科技方面向媒体表示，公司已关注到相关信息，但网传视频及相关信息所反映的内容与公司的生产经营活动无关，亦不涉及公司治理、内部控制或任何应披露的重大信息。 胜宏科技还强调，该等事项不会对公司的日常经营造成任何影响。当前公司生产经营活动一切正常、订单充沛，各项工作均在有序推进中。 不过，截至目前，作为此次事件当事人之一的陈涛，并未公开回应此事。另据长江商报，陈涛配偶刘春兰已经与珍珍交涉过。 据媒体报道，胜宏科技总裁赵启祥在接受媒体采访时表示，陈涛已就相关情况与公司董事沟通，“网传消息不完全属实，公司已于6月6日报警，有关部门已介入。” 赵启祥还表示，公司已关注到网上股民的反馈，深交所方面也已关注此事，但是否需要发布公告仍待评估。 对于报警一事，珍珍则回应称：“我已经答应闭嘴了，我讲信用，我没事所有人都没事，我有事了就同归于尽。” 70后夫妻创业，攒起680亿身家 天眼查显示，胜宏科技（惠州）股份有限公司于2006年正式注册成立，公司专注于高精密多层、HDI PCB、FPC及软硬结合板的研发、生产与销售。 作为全球AI算力PCB龙头，胜宏科技的产品广泛应用于人工智能、大数据中心、工业互联、汽车电子(新能源)、新一代通信技术、新能源、航空航天、医疗仪器等领域。 而胜宏科技的成功，离不开陈涛、刘春兰夫妇的共同努力。公开资料显示，陈涛1972年出生于甘肃陇南，17岁时远赴新疆当兵，退役后曾在喀什二轻局工作。 1995年，陈涛在去广东出差时，被改革开放前沿阵地生机勃勃的景象所打动，于是次年辞职南下。 独自来到广东惠州后，陈涛从外企销售员干起，不到两个月就拉回了200万元的订单。 在接触到PCB行业后，产品供不应求的蓝海景象让陈涛心潮澎湃，于是他果断投身创业。 2001年，陈涛联合昔日老同事出资50万元创立深圳市胜华欣业投资有限公司，主营线路板设备转售业务。 天眼查显示，彼时，24岁的刘春兰出任胜华欣业监事，并在11年后担任胜华欣业总经理。 依靠低价与快速维修策略，公司仅用三年便斩获2000万，借此完成原始资本积累。 2003年，夫妻二人共同创办胜华电子（胜宏科技前身），向全行业立下了“48小时打样，7天拿货”的军令状，并凭借高效交付能力拿下了TCL、创维等大客户。 2006年，胜宏科技规划筹建“百亿园区”。2008年，“百亿园区”第一期工程竣工投产，月产能达5万平米。随着产能不断提升，公司营收规模逐步达到亿级。 为了进一步打开数据中心和通信设备等新赛道，完成产品高端化转型，2015年，陈涛成功推动胜宏科技在A股上市，此后带领企业持续扩张。 今年4月，胜宏科技又成功在港交所主板挂牌上市，成为惠州首家“A+H”上市公司。 据胜宏科技4月27日披露的公告，因赴港上市，公司控股股东胜华欣业及一致行动人胜宏香港、刘春兰、陈勇在持股数量不变的情况下，合计持股比例由28.13%被动稀释至27.71%。 目前，陈涛在胜宏科技担任董事长一职，刘春兰则是公司董事。2025年，二人从公司获得的税前报酬总额分别为639.46万元、375.46万元。 在今年3月出炉的《2026胡润全球富豪榜》上，陈涛、刘春兰夫妇以680亿元的身家问鼎惠州首富。 一季度狂赚近13亿，去年多位股东减持 事实上，胜宏科技近来市值狂飙，离不开这波AI浪潮的加持。在AI技术爆发式增长的当下，AI算力硬件迭代催生PCB行业结构性增长机遇。 在赴港上市的招股书中，胜宏科技称其是先进的人工智能及高性能计算印刷电路板（PCB）产品主要供应商之一。凭借领先的技术、高品质产品和强大的生产能力，公司成为众多全球顶尖科技企业的重要合作伙伴。 根据弗若斯特沙利文的资料，以2025年上半年人工智能及高性能算力PCB收入规模计，胜宏科技以13.8%的市场份额位居全球第一。 今年1月31日晚，英伟达首席执行官黄仁勋在中国台北设宴款待供应链伙伴。由于出席的董事长们所属的企业市值规模已超万亿新台币，这场聚会也被外界称为“兆元宴”。 其中，陈涛作为唯一一家大陆企业的董事长，连续两年现身“兆元宴”，并与黄仁勋合影。黄仁勋甚至还曾公开称陈涛为“中国搭子”、“英伟达在中国的关键先生”。 而在英伟达等各大科技公司AI算力需求的强力拉升下，胜宏科技的业绩于近年飞速增长。 2025年，胜宏科技实现营收192.92亿元，同比增长79.77%；录得归母净利润43.12亿元，同比暴涨273.52%。 今年第一季度，胜宏科技的营收再度增长27.99%至55.19亿元，归母净利润更是大幅增长39.95%至12.88亿元，单季净利润已经超过2024年的全年水平。 不过，胜宏科技也面临一定的大客户集中风险。年报显示，2025年，公司的前五大客户合计贡献销售额80.98亿元，占公司年度销售总额比例为41.98%。其中，仅前三大客户的销售额占年度销售总额的比例便超过37%。 值得一提的是，在公司股价飞涨之际，胜宏科技的多位股东或高管因自身资金需求纷纷抛出减持计划。 去年5月30日，胜宏科技发布公告称，公司控股股东胜华欣业通过询价转让的方式减持2573万股，占公司总股本的2.98%。按65.85元/股的询价转让价格计算，合计套现约16.9亿元。 同年7月31日至8月1日，胜宏科技的董事刘春兰、董事兼总裁赵启祥、董事兼副总裁陈勇、执行副总裁王辉、财务总监朱国强又合计减持237万股，共套现约4.5亿元。 查看评论

IT之家 6 月 6 日消息，半导体行业独立研究公司 SemiAnalysis 于 6 月 4 日发布一份晨间简报， 预估英伟达 Rubin NVL72 的 SOCAMM 容量从 55TB 降至 28TB，引发美光股价盘中跌超 10％。 该简报指出英伟达下一代 Vera Rubin NVL72 的 SOCAMM 内存配置或低于预期。 IT之家注：Rubin NVL72 每柜含 72 颗 Rubin 图形处理器和 36 颗 Vera 处理器，理论上 36 颗处理器可配约 54TB 的 LPDDR5X 内存。 SemiAnalysis 称，实际出货配置大概率不会满配 192GB 模块，多数系统会采用 96GB SOCAMM 模块。这样每颗处理器为 768GB，整柜约 28TB。 报告强调，此次缩减不会影响 HBM4 的需求。每颗 Rubin GPU 搭载 288GB HBM4，72 颗 GPU 合计约 20.7TB，这一数字保持不变。 市场随即反应激烈，美光科技的股价盘中暴跌超过 10%，从前一日创下的历史新高 1089 美元跌至 971 美元，市值在一天之内蒸发超过 1000 亿美元（现汇率约合 6792.76 亿元人民币）。 不过多家媒体指出，市场误读了“初始配置下调”，降配主因不是客户不需要内存，更主要的原因是 2026 年 LPDDR5X 供应极度紧张。 而且 SOCAMM（可插拔内存模块）不是焊死在主板上的内存。Rubin 平台采用 JEDEC 标准化 SOCAMM2 模块，可拆卸、可替换、可升级。客户可以先装 96GB，后续仍可换成 192GB 或 256GB 模块。

IT之家 6 月 6 日消息，据路透社报道，博通本周早些时候发布了一份弱于市场预期的成绩单，冲击效应在华尔街持续扩散中。当地时间周五，美国上市芯片股集体暴跌，市值合计蒸发 约 1.3 万亿美元（IT之家注：现汇率约合 8.83 万亿元人民币） ，英伟达、美光科技、AMD 等 AI 热门股跌幅尤为明显。 当日，费城半导体指数下跌 10.3%，创下 2020 年 3 月新冠疫情冲击全球市场以来的最大单日跌幅。 当地时间周四，博通财报拖累芯片股走低。博通的季度报告显示，定制 AI 芯片业务需求没有达到此前的高预期，翌日的抛售进一步加剧。 费城半导体指数 两个交易日累计下跌 12% ，表明投资者对高估值科技股的担忧正在升温。与此同时，马斯克准备让 SpaceX 下周启动备受关注的 IPO，SpaceX 估值高达 1.75 万亿美元，也让市场对热门资产定价更加敏感。 当地时间周三，费城半导体指数刚创下历史新高。即便经历周五重挫，今年以来指数 仍上涨 73% 。 英伟达下跌约 6%， 市值缩水超过 3000 亿美元（现汇率约合 2.04 万亿元人民币） 。英伟达仍是全球市值最高的芯片制造商。 美光科技暴跌 13%， 市值蒸发约 1500 亿美元（现汇率约合 1.02 万亿元人民币） 。近期受到投资者追捧的 美满下跌 17% ， AMD 跌幅接近 11% 。 Triple D Trading 自营交易员丹尼斯 · 迪克表示：“这里有很多人之前一直在盲目逢低买入。盲目逢低买入曾经能赚钱，但今天这一套失灵了。” 强于预期的就业数据也加剧了市场对利率维持高位的担忧，美国股市整体承压， 标普 500 指数下跌 2.6% 。 博通是 AI 热潮的主要受益者之一，但周五下跌 7.9%，两个交易日 累计跌幅已近 20% 。 富国银行首席股票策略师权五成（音译）表示：“半导体板块此前已经严重超买，所以现在出现了抛售。我不认为半导体牛市已经结束。”

5日，美国芯片股在周五大幅下挫，单日蒸发市值约1.3万亿美元，英伟达、镁光科技和超威半导体等多只人工智能概念“重量级”个股遭遇深度回调，此前博通发布的疲弱业绩继续在华尔街引发连锁反应。 追踪美国主要半导体公司的费城半导体指数当日大跌10.3%，创下自2020年3月新冠疫情引发全球市场暴跌以来最大单日跌幅。该指数在周三刚刚创下历史新高，即便经历周四、周五连续重挫两日，年内累计涨幅仍高达73%。 本周早些时候，博通公布的季度财报显示，其定制人工智能芯片业务需求不及市场先前极高的预期，引发投资者对相关高估值科技股的担忧，并在周四已带来明显抛压。费城半导体指数在过去两个交易日合计跌幅已达12%，显示资金对“高价、强势”科技股的谨慎情绪正在升温，恰逢埃隆·马斯克计划于下周推动太空探索技术公司（SpaceX）估值高达1.75万亿美元的首次公开募股，被视为新一轮科技热潮的高点之一。 作为全球市值最高的芯片制造商，英伟达股价当日下跌约6%，市值单日缩水超过3000亿美元。镁光科技暴跌13%，约1500亿美元市值蒸发，近期备受追捧的迈威尔科技回吐17%，而超威半导体股价则下挫近11%。 一位来自Triple D Trading的自营交易员Dennis Dick表示，近期市场中“逢低盲目买入”的行为十分普遍，而此前这一策略屡屡奏效，但这种简单粗放的方式“在今天失灵了”。与此同时，强于预期的就业数据加剧市场对利率维持高位的担忧，美股整体承压，标普500指数当日下跌2.6%。 在本轮人工智能竞赛中受益显著的博通股价周五再跌7.9%，累计两日跌幅接近20%。富国银行首席股票策略师权五成（Ohsung Kwon）指出，半导体板块此前严重超买，因此当前出现的抛售并不意外，但他认为这并不意味着半导体牛市已经终结。 查看评论

作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受： 这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性 。 但最近两个月盯盘下来，我发现一个问题： ETF 行情太好了 。 纳指 ETF 、黄金 ETF 、港股互联网 ETF……这些标的动辄月涨 10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在 A 股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF 板块性行情轮动」的阶段，就会显得力不从心—— 小市值在休息，ETF 在狂飙，两边接不上 。 于是我开始在社区里大量翻阅 ETF 轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法： 能不能把小市值和 ETF 轮动组合起来，搞一个"双核引擎"？ 说实话，ETF 轮动这块我是完完全全的新手。下面文章里涉及的 ETF 池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教? 小市值负责在 A 股弹性行情里捕捉超额； ETF 轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字： 「双龙出海」 。 一、为什么要加 ETF ？先看数据说话 单跑小市值策略，5 年 30 倍，年化收益极高，但有一个问题： 回撤集中在大盘系统性下跌的阶段 。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。 而 ETF 轮动策略有一个天然优势： 它可以在全球资产中切换 。A 股不行就切港股 ETF ，港股不行就切纳指 ETF ，纳指也不行就直接买货币基金（银华日利 511880 ）躺平。 加上 ETF 之后效果怎么样？我跑了 2021 年至今的回测，结果直接把我看傻了： 指标 双龙出海（小市值+ETF ） 基准（沪深 300 ） 总收益 4632.93%（约 47 倍） -9.11% 年化收益 112.53% — 最大回撤 15.50% — 夏普比率 4.589 — 索提诺比率 7.535 — 胜率 56.7% — 盈亏比 2.505 — 阿尔法 1.115 — 贝塔 0.502 — 5 年 47 倍，年化 112%，最大回撤才 15.5%——对比上一篇纯小市值的"5 年 30 倍 17 回撤"，**收益从 30 倍提升到 47 倍，回撤反而从 17%降到了 15.5%**。 说白了就是： 加了 ETF 引擎之后，不仅赚得更多了，还更稳了 。这不就是"既要又要"的最佳答案么？ 维度 纯小市值 小市值 + ETF 轮动 进攻性 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 防守性 ⭐⭐⭐ ⭐⭐⭐⭐⭐ 行情适应性 A 股弹性行情 全市场+全球资产 空仓时的机会成本 高（只能买货币 ETF ） 低（自动切到强势 ETF ） 核心逻辑：小市值是矛，ETF 轮动是盾——双核协同，攻守兼备 。 二、架构设计：两个子账户，各管各的 双核策略的架构其实不复杂，核心就是 子账户隔离 ： 总资金 100% ├── 子账户 0：小市值策略（ 50%） │ └── 每周二调仓，选中证 1000 最小市值股票 └── 子账户 1：五福 ETF 轮动（ 50%） └── 每日午后轮动，从 100+只 ETF 中挑最强的 1 只 聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰： set_subportfolios([ SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户 0 SubPortfolioConfig(cash=ETF 资金, type='stock'), # 子账户 1 ]) 这样做的好处是： 策略之间完全隔离 ：小市值止损不会影响 ETF 持仓，反之亦然 资金分配清晰 ：各占 50%，不会出现一边吃掉另一边资金的情况 独立记录收益 ：可以分别看两个策略各自的表现，方便归因分析 三、ETF 轮动引擎拆解（站在大佬肩膀上） 小市值部分的逻辑我在上一篇已经拆过了，这里重点讲 ETF 轮动部分。 先说声感谢 ：ETF 轮动这块我参考了社区里很多大佬的策略和思路，包括 ETF 池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的? 3.1 ETF 池子：固定池 + 动态池，双池合并 ETF 轮动的第一个难题是： 从哪些 ETF 里选？ 我学习到的一个很聪明的做法—— 固定池 + 动态池合并 ： 固定池 （ 108 只）：手工精选的优质 ETF ，覆盖黄金、白银、纳指、恒生、各行业板块等 动态池 （全市场扫描）：每天从全市场 ETF 中自动筛选流动性达标的头部标的，去重后取行业最强的那一只 关键过滤逻辑： 剔除宽基指数 ETF （沪深 300 、中证 500 等——这些不是行业轮动标的） 剔除债券/货币类 ETF （短融、国债、可转债等——这些不是趋势标的） 流动性门槛 ：日均成交额低于全市场 ETF 均值/20000 的，直接淘汰 行业去重 ：同行业多只 ETF 时，只保留成交额最高的那一只 最终合并出约 100-150 只 ETF 的"作战池"。 3.2 动量打分：拉普拉斯滤波 + 高斯滤波 ETF 轮动最核心的问题是： 怎么判断哪只 ETF 最强？ 策略用的是 加权线性回归 + 数学滤波器 的组合方案： 动量得分计算 （ 25 日回看）： 1. 对收盘价取对数 2. 用加权最小二乘法拟合趋势线（近期数据权重更高） 3. 斜率年化 → 年化收益率 4. 计算 R²（拟合优度）→ 趋势稳定度 5. 动量得分 = 年化收益率 × R² 说人话就是： 涨得快还涨得稳的 ETF ，得分最高 。 但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"： 滤波器 用途 触发条件 拉普拉斯滤波 （正常期使用） 平滑价格，识别趋势 价格 > 滤波值 且 斜率 > 0.002 高斯滤波 （震荡期使用） 更强的降噪，更保守 价格 > 滤波值 且 斜率 > 0.002 正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。 两个滤波器自动切换 ，这个设计很巧妙。 3.3 震荡期自动切换：市场的"红绿灯" 策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期： 进入震荡期（亮红灯） ——满足任一条件： 沪深 300 的乖离率（ BIAS ）> 8%（涨太多了，有回调风险） RSI 从 70 以上回落到 65 以下（超买后开始回落） 当天触发了止损（市场可能在变差） 退出震荡期（亮绿灯） ——满足任一条件： 从近 20 日低点反弹超过 4% 回撤收窄 + 多个复苏信号连续出现 震荡期持续超过 20 个交易日（强制退出，不能永远观望） 还有一个 冷却期设计 ：每次红绿灯切换后，3 个交易日内不允许再次切换，防止频繁反复。 3.4 多层过滤漏斗 从作战池到最终买入，要过 七道关 ： 100+只 ETF → 动量得分过滤（ 0 ≤ 得分 ≤ 5 ） → R²过滤（> 0.4 ，趋势不稳的排除） → 成交量过滤（量比 <1.8 ，异常放量的排除） → 短期风控（近 3 天没有单日跌 > 3%） → 溢价率过滤（可选，防止 QDII 高溢价陷阱） → 动态滤波过滤（正常期/震荡期分别用不同滤波器） → 最终只选 1 只！ 没错， 最终只持有 1 只 ETF 。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在 ETF 轮动里反而是稀释收益，不如集中火力追最强的那个。 3.5 分钟级止损：最后的保险丝 ETF 策略还有一个分钟级的止损机制（ every_bar 频率运行）： 固定止损 ：当前价格跌破成本价的 95%时，立刻卖出 日内跌幅止损 （可选）：如果当天相对昨收跌超过 5%，也立刻卖出 触发止损后会标记 stop_loss_triggered_today ，在午后 13:10 的检查中自动触发进入震荡期—— 止损不仅是保护本金，还会触发策略整体进入防守姿态 。 四、双核协同的几个关键细节 4.1 资金分配 当前是简单的 50:50 平分。但我在想，未来可以根据市场状态动态调整——比如 A 股弹性好的时候多给小市值，ETF 板块轮动强的时候多给 ETF 。这是一个可以继续优化的方向。 4.2 独立收益记录 策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。 def record_daily_performance(context): for i, strategy_key in enumerate(['strategy1', 'strategy2']): sub_portfolio = context.subportfolios[i] cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100 # 记录到图表 record(小市值=小市值收益率, 五福 ETF=ETF 收益率) 4.3 滑点和佣金的差异化设置 很多人忽略的一个细节—— 股票和 ETF 的交易成本是不一样的 ： set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点 set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点 # 股票佣金：万 0.85 ，卖出还有千分之 0.5 的印花税 # ETF 佣金：万 0.5 ，无印花税 ETF 的交易成本天然比股票低很多，这也是 ETF 轮动策略能频繁调仓的基础。 五、一个小白的学习感悟 不要只盯一个赛道 。小市值再好，碰到风格切换也会歇菜。加一个 ETF 轮动引擎，相当于给自己多开了一个全球化的战场。 站在巨人肩膀上学得更快 。ETF 轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。 聚宽社区的开源氛围真的很好 ，感谢每一位分享策略的前辈。 数学滤波器很有意思 。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。 震荡期切换是 ETF 轮动的灵魂 。没有这个机制，ETF 轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。 子账户隔离是个好设计 。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。 最后还是那句话：风控是一切的基础 。不管是小市值的五道防线，还是 ETF 的分钟级止损，核心都是同一个信仰—— 先活着，再赚钱 。 六、实战检验 说得再好不如跑起来看。我已经把这套「小市值+ETF 轮动_双龙出海」策略上传到了 ** 9db 量化竞技场 **，用真实模拟盘每天跑。 欢迎围观、拍砖。在 9db 上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。 也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。 作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。 免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。

作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受： 这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性 。 但最近两个月盯盘下来，我发现一个问题： ETF 行情太好了 。 纳指 ETF 、黄金 ETF 、港股互联网 ETF……这些标的动辄月涨 10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在 A 股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF 板块性行情轮动」的阶段，就会显得力不从心—— 小市值在休息，ETF 在狂飙，两边接不上 。 于是我开始在社区里大量翻阅 ETF 轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法： 能不能把小市值和 ETF 轮动组合起来，搞一个"双核引擎"？ 说实话，ETF 轮动这块我是完完全全的新手。下面文章里涉及的 ETF 池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教? 小市值负责在 A 股弹性行情里捕捉超额； ETF 轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字： 「双龙出海」 。 一、为什么要加 ETF ？先看数据说话 单跑小市值策略，5 年 30 倍，年化收益极高，但有一个问题： 回撤集中在大盘系统性下跌的阶段 。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。 而 ETF 轮动策略有一个天然优势： 它可以在全球资产中切换 。A 股不行就切港股 ETF ，港股不行就切纳指 ETF ，纳指也不行就直接买货币基金（银华日利 511880 ）躺平。 加上 ETF 之后效果怎么样？我跑了 2021 年至今的回测，结果直接把我看傻了： 指标 双龙出海（小市值+ETF ） 基准（沪深 300 ） 总收益 4632.93%（约 47 倍） -9.11% 年化收益 112.53% — 最大回撤 15.50% — 夏普比率 4.589 — 索提诺比率 7.535 — 胜率 56.7% — 盈亏比 2.505 — 阿尔法 1.115 — 贝塔 0.502 — 5 年 47 倍，年化 112%，最大回撤才 15.5%——对比上一篇纯小市值的"5 年 30 倍 17 回撤"，**收益从 30 倍提升到 47 倍，回撤反而从 17%降到了 15.5%**。 说白了就是： 加了 ETF 引擎之后，不仅赚得更多了，还更稳了 。这不就是"既要又要"的最佳答案么？ 维度 纯小市值 小市值 + ETF 轮动 进攻性 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 防守性 ⭐⭐⭐ ⭐⭐⭐⭐⭐ 行情适应性 A 股弹性行情 全市场+全球资产 空仓时的机会成本 高（只能买货币 ETF ） 低（自动切到强势 ETF ） 核心逻辑：小市值是矛，ETF 轮动是盾——双核协同，攻守兼备 。 二、架构设计：两个子账户，各管各的 双核策略的架构其实不复杂，核心就是 子账户隔离 ： 总资金 100% ├── 子账户 0：小市值策略（ 50%） │ └── 每周二调仓，选中证 1000 最小市值股票 └── 子账户 1：五福 ETF 轮动（ 50%） └── 每日午后轮动，从 100+只 ETF 中挑最强的 1 只 聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰： set_subportfolios([ SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户 0 SubPortfolioConfig(cash=ETF 资金, type='stock'), # 子账户 1 ]) 这样做的好处是： 策略之间完全隔离 ：小市值止损不会影响 ETF 持仓，反之亦然 资金分配清晰 ：各占 50%，不会出现一边吃掉另一边资金的情况 独立记录收益 ：可以分别看两个策略各自的表现，方便归因分析 三、ETF 轮动引擎拆解（站在大佬肩膀上） 小市值部分的逻辑我在上一篇已经拆过了，这里重点讲 ETF 轮动部分。 先说声感谢 ：ETF 轮动这块我参考了社区里很多大佬的策略和思路，包括 ETF 池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的? 3.1 ETF 池子：固定池 + 动态池，双池合并 ETF 轮动的第一个难题是： 从哪些 ETF 里选？ 我学习到的一个很聪明的做法—— 固定池 + 动态池合并 ： 固定池 （ 108 只）：手工精选的优质 ETF ，覆盖黄金、白银、纳指、恒生、各行业板块等 动态池 （全市场扫描）：每天从全市场 ETF 中自动筛选流动性达标的头部标的，去重后取行业最强的那一只 关键过滤逻辑： 剔除宽基指数 ETF （沪深 300 、中证 500 等——这些不是行业轮动标的） 剔除债券/货币类 ETF （短融、国债、可转债等——这些不是趋势标的） 流动性门槛 ：日均成交额低于全市场 ETF 均值/20000 的，直接淘汰 行业去重 ：同行业多只 ETF 时，只保留成交额最高的那一只 最终合并出约 100-150 只 ETF 的"作战池"。 3.2 动量打分：拉普拉斯滤波 + 高斯滤波 ETF 轮动最核心的问题是： 怎么判断哪只 ETF 最强？ 策略用的是 加权线性回归 + 数学滤波器 的组合方案： 动量得分计算 （ 25 日回看）： 1. 对收盘价取对数 2. 用加权最小二乘法拟合趋势线（近期数据权重更高） 3. 斜率年化 → 年化收益率 4. 计算 R²（拟合优度）→ 趋势稳定度 5. 动量得分 = 年化收益率 × R² 说人话就是： 涨得快还涨得稳的 ETF ，得分最高 。 但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"： 滤波器 用途 触发条件 拉普拉斯滤波 （正常期使用） 平滑价格，识别趋势 价格 > 滤波值 且 斜率 > 0.002 高斯滤波 （震荡期使用） 更强的降噪，更保守 价格 > 滤波值 且 斜率 > 0.002 正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。 两个滤波器自动切换 ，这个设计很巧妙。 3.3 震荡期自动切换：市场的"红绿灯" 策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期： 进入震荡期（亮红灯） ——满足任一条件： 沪深 300 的乖离率（ BIAS ）> 8%（涨太多了，有回调风险） RSI 从 70 以上回落到 65 以下（超买后开始回落） 当天触发了止损（市场可能在变差） 退出震荡期（亮绿灯） ——满足任一条件： 从近 20 日低点反弹超过 4% 回撤收窄 + 多个复苏信号连续出现 震荡期持续超过 20 个交易日（强制退出，不能永远观望） 还有一个 冷却期设计 ：每次红绿灯切换后，3 个交易日内不允许再次切换，防止频繁反复。 3.4 多层过滤漏斗 从作战池到最终买入，要过 七道关 ： 100+只 ETF → 动量得分过滤（ 0 ≤ 得分 ≤ 5 ） → R²过滤（> 0.4 ，趋势不稳的排除） → 成交量过滤（量比 <1.8 ，异常放量的排除） → 短期风控（近 3 天没有单日跌 > 3%） → 溢价率过滤（可选，防止 QDII 高溢价陷阱） → 动态滤波过滤（正常期/震荡期分别用不同滤波器） → 最终只选 1 只！ 没错， 最终只持有 1 只 ETF 。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在 ETF 轮动里反而是稀释收益，不如集中火力追最强的那个。 3.5 分钟级止损：最后的保险丝 ETF 策略还有一个分钟级的止损机制（ every_bar 频率运行）： 固定止损 ：当前价格跌破成本价的 95%时，立刻卖出 日内跌幅止损 （可选）：如果当天相对昨收跌超过 5%，也立刻卖出 触发止损后会标记 stop_loss_triggered_today ，在午后 13:10 的检查中自动触发进入震荡期—— 止损不仅是保护本金，还会触发策略整体进入防守姿态 。 四、双核协同的几个关键细节 4.1 资金分配 当前是简单的 50:50 平分。但我在想，未来可以根据市场状态动态调整——比如 A 股弹性好的时候多给小市值，ETF 板块轮动强的时候多给 ETF 。这是一个可以继续优化的方向。 4.2 独立收益记录 策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。 def record_daily_performance(context): for i, strategy_key in enumerate(['strategy1', 'strategy2']): sub_portfolio = context.subportfolios[i] cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100 # 记录到图表 record(小市值=小市值收益率, 五福 ETF=ETF 收益率) 4.3 滑点和佣金的差异化设置 很多人忽略的一个细节—— 股票和 ETF 的交易成本是不一样的 ： set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点 set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点 # 股票佣金：万 0.85 ，卖出还有千分之 0.5 的印花税 # ETF 佣金：万 0.5 ，无印花税 ETF 的交易成本天然比股票低很多，这也是 ETF 轮动策略能频繁调仓的基础。 五、一个小白的学习感悟 不要只盯一个赛道 。小市值再好，碰到风格切换也会歇菜。加一个 ETF 轮动引擎，相当于给自己多开了一个全球化的战场。 站在巨人肩膀上学得更快 。ETF 轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。 聚宽社区的开源氛围真的很好 ，感谢每一位分享策略的前辈。 数学滤波器很有意思 。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。 震荡期切换是 ETF 轮动的灵魂 。没有这个机制，ETF 轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。 子账户隔离是个好设计 。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。 最后还是那句话：风控是一切的基础 。不管是小市值的五道防线，还是 ETF 的分钟级止损，核心都是同一个信仰—— 先活着，再赚钱 。 六、实战检验 说得再好不如跑起来看。我已经把这套「小市值+ETF 轮动_双龙出海」策略上传到了 ** 9db 量化竞技场 **，用真实模拟盘每天跑。 欢迎围观、拍砖。在 9db 上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。 也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。 作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。 免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。

作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受： 这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性 。 但最近两个月盯盘下来，我发现一个问题： ETF 行情太好了 。 纳指 ETF 、黄金 ETF 、港股互联网 ETF……这些标的动辄月涨 10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在 A 股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF 板块性行情轮动」的阶段，就会显得力不从心—— 小市值在休息，ETF 在狂飙，两边接不上 。 于是我开始在社区里大量翻阅 ETF 轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法： 能不能把小市值和 ETF 轮动组合起来，搞一个"双核引擎"？ 说实话，ETF 轮动这块我是完完全全的新手。下面文章里涉及的 ETF 池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教? 小市值负责在 A 股弹性行情里捕捉超额； ETF 轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字： 「双龙出海」 。 一、为什么要加 ETF ？先看数据说话 单跑小市值策略，5 年 30 倍，年化收益极高，但有一个问题： 回撤集中在大盘系统性下跌的阶段 。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。 而 ETF 轮动策略有一个天然优势： 它可以在全球资产中切换 。A 股不行就切港股 ETF ，港股不行就切纳指 ETF ，纳指也不行就直接买货币基金（银华日利 511880 ）躺平。 加上 ETF 之后效果怎么样？我跑了 2021 年至今的回测，结果直接把我看傻了： 指标 双龙出海（小市值+ETF ） 基准（沪深 300 ） 总收益 4632.93%（约 47 倍） -9.11% 年化收益 112.53% — 最大回撤 15.50% — 夏普比率 4.589 — 索提诺比率 7.535 — 胜率 56.7% — 盈亏比 2.505 — 阿尔法 1.115 — 贝塔 0.502 — 5 年 47 倍，年化 112%，最大回撤才 15.5%——对比上一篇纯小市值的"5 年 30 倍 17 回撤"，**收益从 30 倍提升到 47 倍，回撤反而从 17%降到了 15.5%**。 说白了就是： 加了 ETF 引擎之后，不仅赚得更多了，还更稳了 。这不就是"既要又要"的最佳答案么？ 维度 纯小市值 小市值 + ETF 轮动 进攻性 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 防守性 ⭐⭐⭐ ⭐⭐⭐⭐⭐ 行情适应性 A 股弹性行情 全市场+全球资产 空仓时的机会成本 高（只能买货币 ETF ） 低（自动切到强势 ETF ） 核心逻辑：小市值是矛，ETF 轮动是盾——双核协同，攻守兼备 。 二、架构设计：两个子账户，各管各的 双核策略的架构其实不复杂，核心就是 子账户隔离 ： 总资金 100% ├── 子账户 0：小市值策略（ 50%） │ └── 每周二调仓，选中证 1000 最小市值股票 └── 子账户 1：五福 ETF 轮动（ 50%） └── 每日午后轮动，从 100+只 ETF 中挑最强的 1 只 聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰： set_subportfolios([ SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户 0 SubPortfolioConfig(cash=ETF 资金, type='stock'), # 子账户 1 ]) 这样做的好处是： 策略之间完全隔离 ：小市值止损不会影响 ETF 持仓，反之亦然 资金分配清晰 ：各占 50%，不会出现一边吃掉另一边资金的情况 独立记录收益 ：可以分别看两个策略各自的表现，方便归因分析 三、ETF 轮动引擎拆解（站在大佬肩膀上） 小市值部分的逻辑我在上一篇已经拆过了，这里重点讲 ETF 轮动部分。 先说声感谢 ：ETF 轮动这块我参考了社区里很多大佬的策略和思路，包括 ETF 池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的? 3.1 ETF 池子：固定池 + 动态池，双池合并 ETF 轮动的第一个难题是： 从哪些 ETF 里选？ 我学习到的一个很聪明的做法—— 固定池 + 动态池合并 ： 固定池 （ 108 只）：手工精选的优质 ETF ，覆盖黄金、白银、纳指、恒生、各行业板块等 动态池 （全市场扫描）：每天从全市场 ETF 中自动筛选流动性达标的头部标的，去重后取行业最强的那一只 关键过滤逻辑： 剔除宽基指数 ETF （沪深 300 、中证 500 等——这些不是行业轮动标的） 剔除债券/货币类 ETF （短融、国债、可转债等——这些不是趋势标的） 流动性门槛 ：日均成交额低于全市场 ETF 均值/20000 的，直接淘汰 行业去重 ：同行业多只 ETF 时，只保留成交额最高的那一只 最终合并出约 100-150 只 ETF 的"作战池"。 3.2 动量打分：拉普拉斯滤波 + 高斯滤波 ETF 轮动最核心的问题是： 怎么判断哪只 ETF 最强？ 策略用的是 加权线性回归 + 数学滤波器 的组合方案： 动量得分计算 （ 25 日回看）： 1. 对收盘价取对数 2. 用加权最小二乘法拟合趋势线（近期数据权重更高） 3. 斜率年化 → 年化收益率 4. 计算 R²（拟合优度）→ 趋势稳定度 5. 动量得分 = 年化收益率 × R² 说人话就是： 涨得快还涨得稳的 ETF ，得分最高 。 但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"： 滤波器 用途 触发条件 拉普拉斯滤波 （正常期使用） 平滑价格，识别趋势 价格 > 滤波值 且 斜率 > 0.002 高斯滤波 （震荡期使用） 更强的降噪，更保守 价格 > 滤波值 且 斜率 > 0.002 正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。 两个滤波器自动切换 ，这个设计很巧妙。 3.3 震荡期自动切换：市场的"红绿灯" 策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期： 进入震荡期（亮红灯） ——满足任一条件： 沪深 300 的乖离率（ BIAS ）> 8%（涨太多了，有回调风险） RSI 从 70 以上回落到 65 以下（超买后开始回落） 当天触发了止损（市场可能在变差） 退出震荡期（亮绿灯） ——满足任一条件： 从近 20 日低点反弹超过 4% 回撤收窄 + 多个复苏信号连续出现 震荡期持续超过 20 个交易日（强制退出，不能永远观望） 还有一个 冷却期设计 ：每次红绿灯切换后，3 个交易日内不允许再次切换，防止频繁反复。 3.4 多层过滤漏斗 从作战池到最终买入，要过 七道关 ： 100+只 ETF → 动量得分过滤（ 0 ≤ 得分 ≤ 5 ） → R²过滤（> 0.4 ，趋势不稳的排除） → 成交量过滤（量比 <1.8 ，异常放量的排除） → 短期风控（近 3 天没有单日跌 > 3%） → 溢价率过滤（可选，防止 QDII 高溢价陷阱） → 动态滤波过滤（正常期/震荡期分别用不同滤波器） → 最终只选 1 只！ 没错， 最终只持有 1 只 ETF 。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在 ETF 轮动里反而是稀释收益，不如集中火力追最强的那个。 3.5 分钟级止损：最后的保险丝 ETF 策略还有一个分钟级的止损机制（ every_bar 频率运行）： 固定止损 ：当前价格跌破成本价的 95%时，立刻卖出 日内跌幅止损 （可选）：如果当天相对昨收跌超过 5%，也立刻卖出 触发止损后会标记 stop_loss_triggered_today ，在午后 13:10 的检查中自动触发进入震荡期—— 止损不仅是保护本金，还会触发策略整体进入防守姿态 。 四、双核协同的几个关键细节 4.1 资金分配 当前是简单的 50:50 平分。但我在想，未来可以根据市场状态动态调整——比如 A 股弹性好的时候多给小市值，ETF 板块轮动强的时候多给 ETF 。这是一个可以继续优化的方向。 4.2 独立收益记录 策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。 def record_daily_performance(context): for i, strategy_key in enumerate(['strategy1', 'strategy2']): sub_portfolio = context.subportfolios[i] cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100 # 记录到图表 record(小市值=小市值收益率, 五福 ETF=ETF 收益率) 4.3 滑点和佣金的差异化设置 很多人忽略的一个细节—— 股票和 ETF 的交易成本是不一样的 ： set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点 set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点 # 股票佣金：万 0.85 ，卖出还有千分之 0.5 的印花税 # ETF 佣金：万 0.5 ，无印花税 ETF 的交易成本天然比股票低很多，这也是 ETF 轮动策略能频繁调仓的基础。 五、一个小白的学习感悟 不要只盯一个赛道 。小市值再好，碰到风格切换也会歇菜。加一个 ETF 轮动引擎，相当于给自己多开了一个全球化的战场。 站在巨人肩膀上学得更快 。ETF 轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。 聚宽社区的开源氛围真的很好 ，感谢每一位分享策略的前辈。 数学滤波器很有意思 。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。 震荡期切换是 ETF 轮动的灵魂 。没有这个机制，ETF 轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。 子账户隔离是个好设计 。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。 最后还是那句话：风控是一切的基础 。不管是小市值的五道防线，还是 ETF 的分钟级止损，核心都是同一个信仰—— 先活着，再赚钱 。 六、实战检验 说得再好不如跑起来看。我已经把这套「小市值+ETF 轮动_双龙出海」策略上传到了 ** 9db 量化竞技场 **，用真实模拟盘每天跑。 欢迎围观、拍砖。在 9db 上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。 也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。 作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。 免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。

作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受： 这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性 。 但最近两个月盯盘下来，我发现一个问题： ETF 行情太好了 。 纳指 ETF 、黄金 ETF 、港股互联网 ETF……这些标的动辄月涨 10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在 A 股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF 板块性行情轮动」的阶段，就会显得力不从心—— 小市值在休息，ETF 在狂飙，两边接不上 。 于是我开始在社区里大量翻阅 ETF 轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法： 能不能把小市值和 ETF 轮动组合起来，搞一个"双核引擎"？ 说实话，ETF 轮动这块我是完完全全的新手。下面文章里涉及的 ETF 池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教? 小市值负责在 A 股弹性行情里捕捉超额； ETF 轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字： 「双龙出海」 。 一、为什么要加 ETF ？先看数据说话 单跑小市值策略，5 年 30 倍，年化收益极高，但有一个问题： 回撤集中在大盘系统性下跌的阶段 。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。 而 ETF 轮动策略有一个天然优势： 它可以在全球资产中切换 。A 股不行就切港股 ETF ，港股不行就切纳指 ETF ，纳指也不行就直接买货币基金（银华日利 511880 ）躺平。 加上 ETF 之后效果怎么样？我跑了 2021 年至今的回测，结果直接把我看傻了： 指标 双龙出海（小市值+ETF ） 基准（沪深 300 ） 总收益 4632.93%（约 47 倍） -9.11% 年化收益 112.53% — 最大回撤 15.50% — 夏普比率 4.589 — 索提诺比率 7.535 — 胜率 56.7% — 盈亏比 2.505 — 阿尔法 1.115 — 贝塔 0.502 — 5 年 47 倍，年化 112%，最大回撤才 15.5%——对比上一篇纯小市值的"5 年 30 倍 17 回撤"，**收益从 30 倍提升到 47 倍，回撤反而从 17%降到了 15.5%**。 说白了就是： 加了 ETF 引擎之后，不仅赚得更多了，还更稳了 。这不就是"既要又要"的最佳答案么？ 维度 纯小市值 小市值 + ETF 轮动 进攻性 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 防守性 ⭐⭐⭐ ⭐⭐⭐⭐⭐ 行情适应性 A 股弹性行情 全市场+全球资产 空仓时的机会成本 高（只能买货币 ETF ） 低（自动切到强势 ETF ） 核心逻辑：小市值是矛，ETF 轮动是盾——双核协同，攻守兼备 。 二、架构设计：两个子账户，各管各的 双核策略的架构其实不复杂，核心就是 子账户隔离 ： 总资金 100% ├── 子账户 0：小市值策略（ 50%） │ └── 每周二调仓，选中证 1000 最小市值股票 └── 子账户 1：五福 ETF 轮动（ 50%） └── 每日午后轮动，从 100+只 ETF 中挑最强的 1 只 聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰： set_subportfolios([ SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户 0 SubPortfolioConfig(cash=ETF 资金, type='stock'), # 子账户 1 ]) 这样做的好处是： 策略之间完全隔离 ：小市值止损不会影响 ETF 持仓，反之亦然 资金分配清晰 ：各占 50%，不会出现一边吃掉另一边资金的情况 独立记录收益 ：可以分别看两个策略各自的表现，方便归因分析 三、ETF 轮动引擎拆解（站在大佬肩膀上） 小市值部分的逻辑我在上一篇已经拆过了，这里重点讲 ETF 轮动部分。 先说声感谢 ：ETF 轮动这块我参考了社区里很多大佬的策略和思路，包括 ETF 池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的? 3.1 ETF 池子：固定池 + 动态池，双池合并 ETF 轮动的第一个难题是： 从哪些 ETF 里选？ 我学习到的一个很聪明的做法—— 固定池 + 动态池合并 ： 固定池 （ 108 只）：手工精选的优质 ETF ，覆盖黄金、白银、纳指、恒生、各行业板块等 动态池 （全市场扫描）：每天从全市场 ETF 中自动筛选流动性达标的头部标的，去重后取行业最强的那一只 关键过滤逻辑： 剔除宽基指数 ETF （沪深 300 、中证 500 等——这些不是行业轮动标的） 剔除债券/货币类 ETF （短融、国债、可转债等——这些不是趋势标的） 流动性门槛 ：日均成交额低于全市场 ETF 均值/20000 的，直接淘汰 行业去重 ：同行业多只 ETF 时，只保留成交额最高的那一只 最终合并出约 100-150 只 ETF 的"作战池"。 3.2 动量打分：拉普拉斯滤波 + 高斯滤波 ETF 轮动最核心的问题是： 怎么判断哪只 ETF 最强？ 策略用的是 加权线性回归 + 数学滤波器 的组合方案： 动量得分计算 （ 25 日回看）： 1. 对收盘价取对数 2. 用加权最小二乘法拟合趋势线（近期数据权重更高） 3. 斜率年化 → 年化收益率 4. 计算 R²（拟合优度）→ 趋势稳定度 5. 动量得分 = 年化收益率 × R² 说人话就是： 涨得快还涨得稳的 ETF ，得分最高 。 但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"： 滤波器 用途 触发条件 拉普拉斯滤波 （正常期使用） 平滑价格，识别趋势 价格 > 滤波值 且 斜率 > 0.002 高斯滤波 （震荡期使用） 更强的降噪，更保守 价格 > 滤波值 且 斜率 > 0.002 正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。 两个滤波器自动切换 ，这个设计很巧妙。 3.3 震荡期自动切换：市场的"红绿灯" 策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期： 进入震荡期（亮红灯） ——满足任一条件： 沪深 300 的乖离率（ BIAS ）> 8%（涨太多了，有回调风险） RSI 从 70 以上回落到 65 以下（超买后开始回落） 当天触发了止损（市场可能在变差） 退出震荡期（亮绿灯） ——满足任一条件： 从近 20 日低点反弹超过 4% 回撤收窄 + 多个复苏信号连续出现 震荡期持续超过 20 个交易日（强制退出，不能永远观望） 还有一个 冷却期设计 ：每次红绿灯切换后，3 个交易日内不允许再次切换，防止频繁反复。 3.4 多层过滤漏斗 从作战池到最终买入，要过 七道关 ： 100+只 ETF → 动量得分过滤（ 0 ≤ 得分 ≤ 5 ） → R²过滤（> 0.4 ，趋势不稳的排除） → 成交量过滤（量比 <1.8 ，异常放量的排除） → 短期风控（近 3 天没有单日跌 > 3%） → 溢价率过滤（可选，防止 QDII 高溢价陷阱） → 动态滤波过滤（正常期/震荡期分别用不同滤波器） → 最终只选 1 只！ 没错， 最终只持有 1 只 ETF 。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在 ETF 轮动里反而是稀释收益，不如集中火力追最强的那个。 3.5 分钟级止损：最后的保险丝 ETF 策略还有一个分钟级的止损机制（ every_bar 频率运行）： 固定止损 ：当前价格跌破成本价的 95%时，立刻卖出 日内跌幅止损 （可选）：如果当天相对昨收跌超过 5%，也立刻卖出 触发止损后会标记 stop_loss_triggered_today ，在午后 13:10 的检查中自动触发进入震荡期—— 止损不仅是保护本金，还会触发策略整体进入防守姿态 。 四、双核协同的几个关键细节 4.1 资金分配 当前是简单的 50:50 平分。但我在想，未来可以根据市场状态动态调整——比如 A 股弹性好的时候多给小市值，ETF 板块轮动强的时候多给 ETF 。这是一个可以继续优化的方向。 4.2 独立收益记录 策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。 def record_daily_performance(context): for i, strategy_key in enumerate(['strategy1', 'strategy2']): sub_portfolio = context.subportfolios[i] cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100 # 记录到图表 record(小市值=小市值收益率, 五福 ETF=ETF 收益率) 4.3 滑点和佣金的差异化设置 很多人忽略的一个细节—— 股票和 ETF 的交易成本是不一样的 ： set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点 set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点 # 股票佣金：万 0.85 ，卖出还有千分之 0.5 的印花税 # ETF 佣金：万 0.5 ，无印花税 ETF 的交易成本天然比股票低很多，这也是 ETF 轮动策略能频繁调仓的基础。 五、一个小白的学习感悟 不要只盯一个赛道 。小市值再好，碰到风格切换也会歇菜。加一个 ETF 轮动引擎，相当于给自己多开了一个全球化的战场。 站在巨人肩膀上学得更快 。ETF 轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。 聚宽社区的开源氛围真的很好 ，感谢每一位分享策略的前辈。 数学滤波器很有意思 。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。 震荡期切换是 ETF 轮动的灵魂 。没有这个机制，ETF 轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。 子账户隔离是个好设计 。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。 最后还是那句话：风控是一切的基础 。不管是小市值的五道防线，还是 ETF 的分钟级止损，核心都是同一个信仰—— 先活着，再赚钱 。 六、实战检验 说得再好不如跑起来看。我已经把这套「小市值+ETF 轮动_双龙出海」策略上传到了 ** 9db 量化竞技场 **，用真实模拟盘每天跑。 欢迎围观、拍砖。在 9db 上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。 也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。 作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。 免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。

作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受： 这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性 。 但最近两个月盯盘下来，我发现一个问题： ETF 行情太好了 。 纳指 ETF 、黄金 ETF 、港股互联网 ETF……这些标的动辄月涨 10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在 A 股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF 板块性行情轮动」的阶段，就会显得力不从心—— 小市值在休息，ETF 在狂飙，两边接不上 。 于是我开始在社区里大量翻阅 ETF 轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法： 能不能把小市值和 ETF 轮动组合起来，搞一个"双核引擎"？ 说实话，ETF 轮动这块我是完完全全的新手。下面文章里涉及的 ETF 池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教? 小市值负责在 A 股弹性行情里捕捉超额； ETF 轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字： 「双龙出海」 。 一、为什么要加 ETF ？先看数据说话 单跑小市值策略，5 年 30 倍，年化收益极高，但有一个问题： 回撤集中在大盘系统性下跌的阶段 。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。 而 ETF 轮动策略有一个天然优势： 它可以在全球资产中切换 。A 股不行就切港股 ETF ，港股不行就切纳指 ETF ，纳指也不行就直接买货币基金（银华日利 511880 ）躺平。 加上 ETF 之后效果怎么样？我跑了 2021 年至今的回测，结果直接把我看傻了： 指标 双龙出海（小市值+ETF ） 基准（沪深 300 ） 总收益 4632.93%（约 47 倍） -9.11% 年化收益 112.53% — 最大回撤 15.50% — 夏普比率 4.589 — 索提诺比率 7.535 — 胜率 56.7% — 盈亏比 2.505 — 阿尔法 1.115 — 贝塔 0.502 — 5 年 47 倍，年化 112%，最大回撤才 15.5%——对比上一篇纯小市值的"5 年 30 倍 17 回撤"，**收益从 30 倍提升到 47 倍，回撤反而从 17%降到了 15.5%**。 说白了就是： 加了 ETF 引擎之后，不仅赚得更多了，还更稳了 。这不就是"既要又要"的最佳答案么？ 维度 纯小市值 小市值 + ETF 轮动 进攻性 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 防守性 ⭐⭐⭐ ⭐⭐⭐⭐⭐ 行情适应性 A 股弹性行情 全市场+全球资产 空仓时的机会成本 高（只能买货币 ETF ） 低（自动切到强势 ETF ） 核心逻辑：小市值是矛，ETF 轮动是盾——双核协同，攻守兼备 。 二、架构设计：两个子账户，各管各的 双核策略的架构其实不复杂，核心就是 子账户隔离 ： 总资金 100% ├── 子账户 0：小市值策略（ 50%） │ └── 每周二调仓，选中证 1000 最小市值股票 └── 子账户 1：五福 ETF 轮动（ 50%） └── 每日午后轮动，从 100+只 ETF 中挑最强的 1 只 聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰： set_subportfolios([ SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户 0 SubPortfolioConfig(cash=ETF 资金, type='stock'), # 子账户 1 ]) 这样做的好处是： 策略之间完全隔离 ：小市值止损不会影响 ETF 持仓，反之亦然 资金分配清晰 ：各占 50%，不会出现一边吃掉另一边资金的情况 独立记录收益 ：可以分别看两个策略各自的表现，方便归因分析 三、ETF 轮动引擎拆解（站在大佬肩膀上） 小市值部分的逻辑我在上一篇已经拆过了，这里重点讲 ETF 轮动部分。 先说声感谢 ：ETF 轮动这块我参考了社区里很多大佬的策略和思路，包括 ETF 池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的? 3.1 ETF 池子：固定池 + 动态池，双池合并 ETF 轮动的第一个难题是： 从哪些 ETF 里选？ 我学习到的一个很聪明的做法—— 固定池 + 动态池合并 ： 固定池 （ 108 只）：手工精选的优质 ETF ，覆盖黄金、白银、纳指、恒生、各行业板块等 动态池 （全市场扫描）：每天从全市场 ETF 中自动筛选流动性达标的头部标的，去重后取行业最强的那一只 关键过滤逻辑： 剔除宽基指数 ETF （沪深 300 、中证 500 等——这些不是行业轮动标的） 剔除债券/货币类 ETF （短融、国债、可转债等——这些不是趋势标的） 流动性门槛 ：日均成交额低于全市场 ETF 均值/20000 的，直接淘汰 行业去重 ：同行业多只 ETF 时，只保留成交额最高的那一只 最终合并出约 100-150 只 ETF 的"作战池"。 3.2 动量打分：拉普拉斯滤波 + 高斯滤波 ETF 轮动最核心的问题是： 怎么判断哪只 ETF 最强？ 策略用的是 加权线性回归 + 数学滤波器 的组合方案： 动量得分计算 （ 25 日回看）： 1. 对收盘价取对数 2. 用加权最小二乘法拟合趋势线（近期数据权重更高） 3. 斜率年化 → 年化收益率 4. 计算 R²（拟合优度）→ 趋势稳定度 5. 动量得分 = 年化收益率 × R² 说人话就是： 涨得快还涨得稳的 ETF ，得分最高 。 但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"： 滤波器 用途 触发条件 拉普拉斯滤波 （正常期使用） 平滑价格，识别趋势 价格 > 滤波值 且 斜率 > 0.002 高斯滤波 （震荡期使用） 更强的降噪，更保守 价格 > 滤波值 且 斜率 > 0.002 正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。 两个滤波器自动切换 ，这个设计很巧妙。 3.3 震荡期自动切换：市场的"红绿灯" 策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期： 进入震荡期（亮红灯） ——满足任一条件： 沪深 300 的乖离率（ BIAS ）> 8%（涨太多了，有回调风险） RSI 从 70 以上回落到 65 以下（超买后开始回落） 当天触发了止损（市场可能在变差） 退出震荡期（亮绿灯） ——满足任一条件： 从近 20 日低点反弹超过 4% 回撤收窄 + 多个复苏信号连续出现 震荡期持续超过 20 个交易日（强制退出，不能永远观望） 还有一个 冷却期设计 ：每次红绿灯切换后，3 个交易日内不允许再次切换，防止频繁反复。 3.4 多层过滤漏斗 从作战池到最终买入，要过 七道关 ： 100+只 ETF → 动量得分过滤（ 0 ≤ 得分 ≤ 5 ） → R²过滤（> 0.4 ，趋势不稳的排除） → 成交量过滤（量比 <1.8 ，异常放量的排除） → 短期风控（近 3 天没有单日跌 > 3%） → 溢价率过滤（可选，防止 QDII 高溢价陷阱） → 动态滤波过滤（正常期/震荡期分别用不同滤波器） → 最终只选 1 只！ 没错， 最终只持有 1 只 ETF 。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在 ETF 轮动里反而是稀释收益，不如集中火力追最强的那个。 3.5 分钟级止损：最后的保险丝 ETF 策略还有一个分钟级的止损机制（ every_bar 频率运行）： 固定止损 ：当前价格跌破成本价的 95%时，立刻卖出 日内跌幅止损 （可选）：如果当天相对昨收跌超过 5%，也立刻卖出 触发止损后会标记 stop_loss_triggered_today ，在午后 13:10 的检查中自动触发进入震荡期—— 止损不仅是保护本金，还会触发策略整体进入防守姿态 。 四、双核协同的几个关键细节 4.1 资金分配 当前是简单的 50:50 平分。但我在想，未来可以根据市场状态动态调整——比如 A 股弹性好的时候多给小市值，ETF 板块轮动强的时候多给 ETF 。这是一个可以继续优化的方向。 4.2 独立收益记录 策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。 def record_daily_performance(context): for i, strategy_key in enumerate(['strategy1', 'strategy2']): sub_portfolio = context.subportfolios[i] cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100 # 记录到图表 record(小市值=小市值收益率, 五福 ETF=ETF 收益率) 4.3 滑点和佣金的差异化设置 很多人忽略的一个细节—— 股票和 ETF 的交易成本是不一样的 ： set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点 set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点 # 股票佣金：万 0.85 ，卖出还有千分之 0.5 的印花税 # ETF 佣金：万 0.5 ，无印花税 ETF 的交易成本天然比股票低很多，这也是 ETF 轮动策略能频繁调仓的基础。 五、一个小白的学习感悟 不要只盯一个赛道 。小市值再好，碰到风格切换也会歇菜。加一个 ETF 轮动引擎，相当于给自己多开了一个全球化的战场。 站在巨人肩膀上学得更快 。ETF 轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。 聚宽社区的开源氛围真的很好 ，感谢每一位分享策略的前辈。 数学滤波器很有意思 。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。 震荡期切换是 ETF 轮动的灵魂 。没有这个机制，ETF 轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。 子账户隔离是个好设计 。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。 最后还是那句话：风控是一切的基础 。不管是小市值的五道防线，还是 ETF 的分钟级止损，核心都是同一个信仰—— 先活着，再赚钱 。 六、实战检验 说得再好不如跑起来看。我已经把这套「小市值+ETF 轮动_双龙出海」策略上传到了 ** 9db 量化竞技场 **，用真实模拟盘每天跑。 欢迎围观、拍砖。在 9db 上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。 也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。 作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。 免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。

作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受： 这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性 。 但最近两个月盯盘下来，我发现一个问题： ETF 行情太好了 。 纳指 ETF 、黄金 ETF 、港股互联网 ETF……这些标的动辄月涨 10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在 A 股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF 板块性行情轮动」的阶段，就会显得力不从心—— 小市值在休息，ETF 在狂飙，两边接不上 。 于是我开始在社区里大量翻阅 ETF 轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法： 能不能把小市值和 ETF 轮动组合起来，搞一个"双核引擎"？ 说实话，ETF 轮动这块我是完完全全的新手。下面文章里涉及的 ETF 池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教? 小市值负责在 A 股弹性行情里捕捉超额； ETF 轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字： 「双龙出海」 。 一、为什么要加 ETF ？先看数据说话 单跑小市值策略，5 年 30 倍，年化收益极高，但有一个问题： 回撤集中在大盘系统性下跌的阶段 。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。 而 ETF 轮动策略有一个天然优势： 它可以在全球资产中切换 。A 股不行就切港股 ETF ，港股不行就切纳指 ETF ，纳指也不行就直接买货币基金（银华日利 511880 ）躺平。 加上 ETF 之后效果怎么样？我跑了 2021 年至今的回测，结果直接把我看傻了： 指标 双龙出海（小市值+ETF ） 基准（沪深 300 ） 总收益 4632.93%（约 47 倍） -9.11% 年化收益 112.53% — 最大回撤 15.50% — 夏普比率 4.589 — 索提诺比率 7.535 — 胜率 56.7% — 盈亏比 2.505 — 阿尔法 1.115 — 贝塔 0.502 — 5 年 47 倍，年化 112%，最大回撤才 15.5%——对比上一篇纯小市值的"5 年 30 倍 17 回撤"，**收益从 30 倍提升到 47 倍，回撤反而从 17%降到了 15.5%**。 说白了就是： 加了 ETF 引擎之后，不仅赚得更多了，还更稳了 。这不就是"既要又要"的最佳答案么？ 维度 纯小市值 小市值 + ETF 轮动 进攻性 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 防守性 ⭐⭐⭐ ⭐⭐⭐⭐⭐ 行情适应性 A 股弹性行情 全市场+全球资产 空仓时的机会成本 高（只能买货币 ETF ） 低（自动切到强势 ETF ） 核心逻辑：小市值是矛，ETF 轮动是盾——双核协同，攻守兼备 。 二、架构设计：两个子账户，各管各的 双核策略的架构其实不复杂，核心就是 子账户隔离 ： 总资金 100% ├── 子账户 0：小市值策略（ 50%） │ └── 每周二调仓，选中证 1000 最小市值股票 └── 子账户 1：五福 ETF 轮动（ 50%） └── 每日午后轮动，从 100+只 ETF 中挑最强的 1 只 聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰： set_subportfolios([ SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户 0 SubPortfolioConfig(cash=ETF 资金, type='stock'), # 子账户 1 ]) 这样做的好处是： 策略之间完全隔离 ：小市值止损不会影响 ETF 持仓，反之亦然 资金分配清晰 ：各占 50%，不会出现一边吃掉另一边资金的情况 独立记录收益 ：可以分别看两个策略各自的表现，方便归因分析 三、ETF 轮动引擎拆解（站在大佬肩膀上） 小市值部分的逻辑我在上一篇已经拆过了，这里重点讲 ETF 轮动部分。 先说声感谢 ：ETF 轮动这块我参考了社区里很多大佬的策略和思路，包括 ETF 池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的? 3.1 ETF 池子：固定池 + 动态池，双池合并 ETF 轮动的第一个难题是： 从哪些 ETF 里选？ 我学习到的一个很聪明的做法—— 固定池 + 动态池合并 ： 固定池 （ 108 只）：手工精选的优质 ETF ，覆盖黄金、白银、纳指、恒生、各行业板块等 动态池 （全市场扫描）：每天从全市场 ETF 中自动筛选流动性达标的头部标的，去重后取行业最强的那一只 关键过滤逻辑： 剔除宽基指数 ETF （沪深 300 、中证 500 等——这些不是行业轮动标的） 剔除债券/货币类 ETF （短融、国债、可转债等——这些不是趋势标的） 流动性门槛 ：日均成交额低于全市场 ETF 均值/20000 的，直接淘汰 行业去重 ：同行业多只 ETF 时，只保留成交额最高的那一只 最终合并出约 100-150 只 ETF 的"作战池"。 3.2 动量打分：拉普拉斯滤波 + 高斯滤波 ETF 轮动最核心的问题是： 怎么判断哪只 ETF 最强？ 策略用的是 加权线性回归 + 数学滤波器 的组合方案： 动量得分计算 （ 25 日回看）： 1. 对收盘价取对数 2. 用加权最小二乘法拟合趋势线（近期数据权重更高） 3. 斜率年化 → 年化收益率 4. 计算 R²（拟合优度）→ 趋势稳定度 5. 动量得分 = 年化收益率 × R² 说人话就是： 涨得快还涨得稳的 ETF ，得分最高 。 但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"： 滤波器 用途 触发条件 拉普拉斯滤波 （正常期使用） 平滑价格，识别趋势 价格 > 滤波值 且 斜率 > 0.002 高斯滤波 （震荡期使用） 更强的降噪，更保守 价格 > 滤波值 且 斜率 > 0.002 正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。 两个滤波器自动切换 ，这个设计很巧妙。 3.3 震荡期自动切换：市场的"红绿灯" 策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期： 进入震荡期（亮红灯） ——满足任一条件： 沪深 300 的乖离率（ BIAS ）> 8%（涨太多了，有回调风险） RSI 从 70 以上回落到 65 以下（超买后开始回落） 当天触发了止损（市场可能在变差） 退出震荡期（亮绿灯） ——满足任一条件： 从近 20 日低点反弹超过 4% 回撤收窄 + 多个复苏信号连续出现 震荡期持续超过 20 个交易日（强制退出，不能永远观望） 还有一个 冷却期设计 ：每次红绿灯切换后，3 个交易日内不允许再次切换，防止频繁反复。 3.4 多层过滤漏斗 从作战池到最终买入，要过 七道关 ： 100+只 ETF → 动量得分过滤（ 0 ≤ 得分 ≤ 5 ） → R²过滤（> 0.4 ，趋势不稳的排除） → 成交量过滤（量比 <1.8 ，异常放量的排除） → 短期风控（近 3 天没有单日跌 > 3%） → 溢价率过滤（可选，防止 QDII 高溢价陷阱） → 动态滤波过滤（正常期/震荡期分别用不同滤波器） → 最终只选 1 只！ 没错， 最终只持有 1 只 ETF 。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在 ETF 轮动里反而是稀释收益，不如集中火力追最强的那个。 3.5 分钟级止损：最后的保险丝 ETF 策略还有一个分钟级的止损机制（ every_bar 频率运行）： 固定止损 ：当前价格跌破成本价的 95%时，立刻卖出 日内跌幅止损 （可选）：如果当天相对昨收跌超过 5%，也立刻卖出 触发止损后会标记 stop_loss_triggered_today ，在午后 13:10 的检查中自动触发进入震荡期—— 止损不仅是保护本金，还会触发策略整体进入防守姿态 。 四、双核协同的几个关键细节 4.1 资金分配 当前是简单的 50:50 平分。但我在想，未来可以根据市场状态动态调整——比如 A 股弹性好的时候多给小市值，ETF 板块轮动强的时候多给 ETF 。这是一个可以继续优化的方向。 4.2 独立收益记录 策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。 def record_daily_performance(context): for i, strategy_key in enumerate(['strategy1', 'strategy2']): sub_portfolio = context.subportfolios[i] cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100 # 记录到图表 record(小市值=小市值收益率, 五福 ETF=ETF 收益率) 4.3 滑点和佣金的差异化设置 很多人忽略的一个细节—— 股票和 ETF 的交易成本是不一样的 ： set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点 set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点 # 股票佣金：万 0.85 ，卖出还有千分之 0.5 的印花税 # ETF 佣金：万 0.5 ，无印花税 ETF 的交易成本天然比股票低很多，这也是 ETF 轮动策略能频繁调仓的基础。 五、一个小白的学习感悟 不要只盯一个赛道 。小市值再好，碰到风格切换也会歇菜。加一个 ETF 轮动引擎，相当于给自己多开了一个全球化的战场。 站在巨人肩膀上学得更快 。ETF 轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。 聚宽社区的开源氛围真的很好 ，感谢每一位分享策略的前辈。 数学滤波器很有意思 。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。 震荡期切换是 ETF 轮动的灵魂 。没有这个机制，ETF 轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。 子账户隔离是个好设计 。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。 最后还是那句话：风控是一切的基础 。不管是小市值的五道防线，还是 ETF 的分钟级止损，核心都是同一个信仰—— 先活着，再赚钱 。 六、实战检验 说得再好不如跑起来看。我已经把这套「小市值+ETF 轮动_双龙出海」策略上传到了 ** 9db 量化竞技场 **，用真实模拟盘每天跑。 欢迎围观、拍砖。在 9db 上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。 也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。 作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。 免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。

IT之家 6 月 4 日消息，光刻机龙头企业阿斯麦（ASML）于周三股价上涨 2.3%，盘中市值达到 6740 亿美元（IT之家注：现汇率约合 4.58 万亿元人民币）， 成为欧洲有史以来市值最高的公司 ，超越了丹麦制药企业诺和诺德在 2024 年 6 月创下的纪录。 今年以来，阿斯麦在欧洲斯托克 50 指数中表现位居第二，今年累计涨幅已超过 60%。 这一里程碑反映了该公司强劲的基本面。阿斯麦 2026 年第一季度净销售额达 88 亿美元（现汇率约合 597.37 亿元人民币），净利润达 28 亿美元（现汇率约合 190.07 亿元人民币），毛利率为 53%。 阿斯麦 CEO 克里斯托夫 · 富凯（Christophe Fouquet）曾表示，客户一直在加快 2026 年及以后的产能扩张计划， 芯片需求超过供应 。 阿斯麦预计今年至少量产 60 台极紫外光刻机 ，较 2025 年大幅增长，下一阶段年产能将进一步提升至至少 80 台。与此同时，公司正着力提升设备产能效率，通过技术升级让部分光刻机每小时能够加工更多晶圆。

周三，阿斯麦（ASML）股价上涨2.3%，市值达到6740亿美元， 成为欧洲有史以来市值最高的公司，超越了丹麦制药企业诺和诺德在2024年6月创下的纪录。 今年以来，阿斯麦在欧洲斯托克50指数中表现位居第二，今年累计涨幅已超过60%。 作为全球领先的EUV光刻机供应商，阿斯麦的产品是台积电、三星、英特尔等芯片制造商生产先进制程芯片不可或缺的核心设备。 AI芯片需求的爆发式增长，直接推动了对阿斯麦高端光刻机的订单激增。 此前台积电公布的4月营收数据显示，当月营收同比增长17.5%，前四个月累计增长29.9%，从侧面印证了半导体行业景气度的持续上行。 阿斯麦市值的突破，既是对其技术壁垒的市场认可，也折射出全球AI算力竞赛对半导体产业链的深远影响。 查看评论

IT之家 6 月 3 日消息，当地时间周三，日本闪存制造商铠侠的市值一度超越丰田汽车，攀升至日本上市企业市值第二位。在人工智能掀起大范围技术变革的大背景下，这一变化凸显出日本产业龙头格局正在发生更迭。 此前软银集团已于周一取代丰田，成为日本市值最高的企业，这也是二十余年来丰田首度丢掉市值榜首宝座。 周三，铠侠在东京证券交易所的股价盘中较前一交易日最大涨幅达 7%，公司市值一度突破 45 万亿日元（IT之家注：现汇率约合 1.91 万亿元人民币）。 短短一年间，铠侠市值在日本上市公司的排名从第 169 位飙升至第二位。 本轮股价大涨的导火索是周二的投资者沟通会。这家 NAND 闪存龙头在会上向投资者披露了分红政策与资本开支规划的最新动向。 铠侠表示，伴随多年期客户长期签约量增长，公司业绩高速增长并非短期行情。公司社长 Hiroo Ota 透露，多家大型云服务商（超大规模科技企业客户）正洽谈签约，合作周期不只覆盖 2028 财年，还延伸至 2029 年及以后。该消息提振了市场信心：存储芯片行业素来受周期性剧烈波动困扰，长期合同的增加能够稳定板块盈利。 在资本回报方面，铠侠透露正研究推行渐进式分红政策，目标逐年稳步上调分红金额，或至少维持分红水平不变。分红最早可在 2027 年 3 月结束的本财年下半年落地，公司同时考虑实施股份回购。 IwaiCosmo Securities 证券资深分析师 Kazuyoshi Saito 便是看多铠侠股价的业内人士之一，该分析师表示：“公司不仅夯实了相较同行的技术优势，还明确了股东回报细则，交出的答卷完全符合我的预期。” 反观丰田，近期股价走势疲软。中东地缘局势动荡、美墨加协定（北美自贸协定）修订谈判前景不明，持续拖累市场对丰田的投资信心。 资金持续涌向人工智能相关概念股。为 AI 数据中心供应电容的村田制作所，市值现已突破 20 万亿日元（现汇率约合 8477.2 亿元人民币）。 由全球主流芯片厂商组成的行业机构 —— 世界半导体贸易统计组织数据显示，2025 至 2026 年全球半导体市场规模预计大涨 90%，2026 年市场总量将达到 1.5 万亿美元（现汇率约合 10.17 万亿元人民币）。

IT之家 6 月 2 日消息，福布斯实时富豪榜数据显示，软银集团创始人兼 CEO 孙正义的个人净资产攀升至 1004 亿美元，超越印度富豪穆克什 · 安巴尼，时隔 26 年后再次登上亚洲首富宝座。 孙正义目前持有软银集团约 33.74% 的股权，软银股价前一交易日一度大涨 14.71%，使其个人财富单日增值超过 120 亿美元（IT之家注：现汇率约合 813.71 亿元人民币）。 孙正义此番重返亚洲首富之位，背后最为直接的催化剂是其于本周在法国巴黎“选择法国”招商峰会上宣布的一项重磅投资计划 —— 软银将投资 750 亿欧元在法国建设 AI 数据中心，首期投资 450 亿欧元，计划到 2031 年建成 3.1 吉瓦的算力容量，后续还可扩展至 5 吉瓦。这也是软银继参与美国 Stargate 超级算力项目后，在欧洲落地的最大单笔 AI 投资。 孙正义近年来的财富跃升，与他在 AI 全产业链的大规模布局密不可分。软银累计已向 OpenAI 投资超 640 亿美元（现汇率约合 4339.78 亿元人民币），拿下后者约 13% 的股权，成为仅次于微软的第二大外部投资方。受 OpenAI 投资价值大幅增长推动，软银愿景基金在 2025 财年实现 460 亿美元的投资收益，仅第四季度便获利约 200 亿美元，几乎全部来自对 OpenAI 的投资。 在芯片领域，软银于 2025 年 3 月以 65 亿美元全现金收购了美国安培计算公司，后者主营基于 Arm 架构的高性能数据中心 CPU；同时，软银旗下 Arm 在 2026 年 3 月发布了自研 AI 芯片。从底层算力基建到芯片硬件再到 AI 应用，软银已构建起一套完整的 AI 产业链布局。 软银市值也在此轮 AI 浪潮中实现了历史性的突破。软银集团 6 月 1 日盘中股价一度大涨 14.71%，市值达 48 万亿日元（现汇率约合 2.04 万亿元人民币），一举超过丰田汽车的约 46 万亿日元，终结了丰田连续二十余年霸占日本上市企业市值榜首的纪录。截至 6 月 2 日东京股市收盘，软银市值进一步攀升至 49.30 万亿日元，而丰田市值为 44.92 万亿日元。软银 5 月披露的 2025 财年全年业绩显示，该公司归母净利润达到 5508 亿日元，同比上涨 4.7%，创下公司成立以来年度净利润的历史新高。 公布报道显示，在 20 世纪 90 年代末，孙正义通过四处大举投资雅虎等几百家默默无闻的互联网初创企业，使得软银股价在 2000 年 2 月达到历史巅峰。他的个人资产在当时一度膨胀至近 700 多亿美元并成功荣膺亚洲首富，甚至在极短时间内成为全球富豪。 随着 2000 年互联网泡沫破裂，全球科技股全面崩盘。软银集团的股票暴跌了近 99%，孙正义在短短数月内亏损了超过 590 亿美元，这也让他创下了当时“人类历史上个人财富损失最惨重”的吉尼斯世界纪录，自然也彻底失去了亚洲首富的头衔。 2014 年，随着阿里巴巴在美国挂牌上市，软银作为早期最大投资方迎来了史诗级的回报，孙正义个人净资产飙升至 166 亿美元，重新登顶日本首富并跻身亚洲富豪第一梯队。但由于软银整体负债过高以及其他投资项目缩水，其最终身家仍未能超越当时的亚洲首富李嘉诚。 此后多年，受 WeWork、共享出行等愿景基金投资项目连续大额亏损拖累，叠加阿里股价大幅回调，孙正义身家连续数年缩水，长期被优衣库创始人柳井正以及印度实业富豪压制。 相关阅读： 《 软银 CEO 孙正义：AI 革命规模将是互联网泡沫时期的 50 倍 》 《 超越丰田，软银成为日本市值最高公司 》 《 软银豪掷 750 亿欧元，在法国建设 5 吉瓦 AI 数据中心 》 《 投资超 600 亿美元，孙正义豪赌 OpenAI 引发内部质疑“迷信奥尔特曼如追星” 》 《 消息称软银寻求 400 亿美元贷款投资 OpenAI，规模创纪录 》

“IT早报”时间，大家好，现在是 2026 年 6 月 2 日星期二，今天的重要科技资讯有： 1、2026 年 5 月汽车销量 / 交付榜出炉：比亚迪销售超 38 万辆位居榜首 2026 年 5 月汽车销量 / 交付数据现已陆续公布，其中比亚迪 5 月份销售 383,453 辆位居榜首。上汽集团在 5 月 28 日举行“全球第一亿位用户交付仪式”，宣告中国首家亿级车企诞生。>> 查看详情 2、消息称豆包预计在 6 月下旬正式上线付费内容，并加速打通抖音电商 之所以选择这一时间节点，是因为 PC 端与移动端仍需约一个月时间，完成基础功能与收费体系的适配改造。>> 查看详情 3、超越丰田，软银成为日本市值最高公司 受全球 AI 板块行情及 OpenAI 巨额投资影响，软银股价大涨超 8%，市值达 46 万亿日元，时隔 26 年再次超越丰田，登顶东京证券交易所市值榜首。其第一季度净利润同比增 2.5 倍，对 OpenAI 累计投资将达 650 亿美元。>> 查看详情 4、英伟达 RTX Spark PC 处理器正式发布：联发科合作 20 核 CPU + 英伟达 RTX GPU，首批电脑秋季推出 英伟达 RTX Spark 由联发科 20 核 Grace CPU + 英伟达 Blackwell RTX GPU 组成（6144 CUDA 核心），AI 性能达到 1petaFLOP。>> 查看详情 5、nova 史上最强数字版发布，华为 nova 16 手机售价 2999 元起 华为 nova 16 正式发布，搭载麒麟 9010S 处理器和 7000mAh 大电池，支持 100W 快充和北斗卫星消息。影像系统升级为全 5000 万红枫影像，配备 6.68 英寸 120Hz 护眼屏。全系搭载鸿蒙 HarmonyOS 6.1，支持小艺圈选解题等智能功能。>> 查看详情 6、苹果预热 WWDC26：发布“高光大焕彩”壁纸、Apple Music 歌单 苹果公司为预热 2026 年全球开发者大会（WWDC），6 月 2 日发布“高光大焕彩”壁纸外，还推出了 Apple Music 歌单以及“Get Ready”视频。>> 查看详情 7、疑似苹果 Apple Store 西安万象城零售店进行申报 陕西政务服务网显示，名称为“西安万象城购物中心苹果店室内装修及幕墙改造工程”的项目于 2026 年 6 月 1 日进行申报，建设单位为苹果电子产品商贸（北京）有限公司。>> 查看详情 8、告别花哨配色？苹果首款折叠屏手机 iPhone Ultra 白色版机模曝光 爆料显示苹果首款折叠 iPhone 或仅提供黑白两色，与 iPhone X 思路一致。分析师指出受产能与成本限制，初期不会推出鲜亮配色。这款高价机型预计 9 月与 iPhone 18 Pro 系列一同亮相。>> 查看详情 9、小米儿童节为小孩哥圆梦：打造定制版“YU0.7 GT”，让他拥有了一次属于自己的赛道时刻 小米汽车官方 6 月 1 日发布视频，分享了小米 · CTCC 宁波站现场发生的故事。此前对 SU7 特别感兴趣的“小孩哥”终于圆梦：小米为他打造了定制版“YU0.7 GT”，还让他也拥有了一次属于自己的赛道时刻。>> 查看详情 10、隐藏特性曝光：华为 MatePad Pro Max 平板 20GB+1TB“皇帝版”系列独占卫星通信功能 IT之家注意到，华为 MatePad Pro Max 系列“皇帝版”—— 20GB+1TB 柔光版凝光工艺凝光蓝（含键盘）还拥有一项系列独占特性 —— 支持卫星通信功能（其余版本均不支持）。>> 查看详情 11、闲鱼二手平台惊现陕西历史博物馆镇馆之宝，回应称 AI 误识别图片、不会自动上传用户照片 有江苏网友发现其闲鱼账号的待售主页被自动挂出了一件陕西历史博物馆的镇馆之宝“唐鎏金舞马衔杯纹皮囊式银壶”的照片，并标价 6000 元。>> 查看详情 12、华为 nova 16 系列新机重点参数配置差异公布，一表看懂 华为 nova16 系列新机已于 6 月 1 日正式发布，新机共四款机型，定价 2699 元起。目前，系列新机重点参数配置差异已公布。值得一提是，此次 nova 16 全系支持卫星通信。>> 查看详情 13、华为 MatePad Pro Max 发布：平板首搭红枫影像、麒麟 T93 系列旗舰芯、“剪掉”刘海，5999 元起 在 6 月 1 日的华为 nova 16 系列及全场景新品发布会，华为终端 BG CEO 何刚还正式发布了一款平板的集大成之作 —— MatePad Pro Max 专业生产力旗舰平板，定价 5999 元起。>> 查看详情 14、3899 元起：华为 nova 16 Pro / Ultra 手机发布，麒麟 9010S 芯片、业界独家红枫 2 亿影像 华为 nova 16 Pro / Ultra 6 月 1 日发布，定价 3899 元起。搭载 2 亿像素红枫影像系统、昆仑玻璃及 7000mAh 电池，影像与续航能力全面升级。新机还配备鸿蒙 6.1 系统、AI 修图等功能，代言人为时代少年团。>> 查看详情 15、首台英伟达 RTX Spark 处理器笔记本：Surface Laptop Ultra 亮相，微软顶级配置 Surface Laptop Ultra 提供 Platinum（铂金）和 Nightfall（深黑）两种外观颜色可选，搭载 15 英寸 mini-LED PixelSense Ultra 触控屏，峰值 HDR 亮度高达 2000 尼特，像素密度为 262ppi，这是微软迄今为止推出的最亮显示屏。>> 查看详情 16、辅助驾驶≠自动驾驶！司机开“智驾”40 秒后追尾致 3 死，曾双手脱离方向盘 江西赣州市应急管理局近日公布《赣州瑞金济广高速“10·2”较大道路交通事故调查报告》。2025 年 10 月 2 日 4 时许，在赣州瑞金市境内济广高速公路 1408km+721m 处，一辆小型轿车撞上一辆重型货车，造成一起死亡 3 人的较大道路交通事故。>> 查看详情 17、小米 17T/Pro 手机国行定档 6 月 8 日发布，定位“全能影像旗舰” 小米 17T 系列将于 6 月 8 日发布，定位“全能影像旗舰”。Pro 版搭载天玑 9500，配备 7000mAh 大电池和 144Hz 高刷屏，主摄采用 1/1.31 英寸大底传感器。>> 查看详情 18、英伟达 N1x 处理器预发布跑分曝光，与苹果 M3 Max 基本持平 英伟达 N1x 处理器跑分提前流出，Geekbench 6 成绩与苹果三年前发布的 M3 Max 基本持平。尽管核心数占优，但苹果芯片设计及生态优化仍显优势。>> 查看详情 19、消息称追觅开放融资：单笔投资门槛最低 3.5 亿，Pre-IPO 轮投前估值或 700 亿 本轮投前估值或锁定约 700 亿元人民币，单笔投资最低门槛高达 3.5 亿元，整个融资窗口预计于 7 月初关闭。>> 查看详情 20、比亚迪各品牌 5 月销量公布，海外销售突破 16 万辆再创历史新高 比亚迪汽车官方刚刚公布了旗下各品牌的 5 月销量情况。据介绍，比亚迪 5 月份销售 383453 辆，海外销售突破 16 万辆，再创历史新高。同时，比亚迪新能源汽车累计销售超 1650 万辆。>> 查看详情 21、奇瑞集团 5 月销售 24.8 万辆，连续 3 个月刷新中国汽车出口纪录 奇瑞集团 6 月 1 日宣布，2026 年 5 月销售汽车 24.8 万辆（247,823 辆），同比增长 20.5%，并连续 3 个月刷新中国汽车出口纪录。另外，奇瑞集团今年 1-5 月累计销售量突破 110 万辆，创历史同期新高。>> 查看详情 22、吉利熊猫勇士纯电小车上市：210km 宁德时代电池，限时补贴价 4.39 万元 吉利熊猫勇士可选 5 种外观配色，尺寸为 3175*1566*1650mm，轴距 2015mm；搭载 30kW 电机，最高车速 100km/h。>> 查看详情 23、段永平谈特斯拉 FSD：很好用，有一次还不小心睡着了 40 分钟 知名投资人段永平坦言使用特斯拉 FSD 时曾不小心睡着 40 分钟，引发网友对辅助驾驶安全性的讨论。他强调自己除了停车几乎无需接管，但网友提醒 FSD 仅为 L2 级别，驾驶中睡觉非常危险。>> 查看详情 24、美团 2026 财年第一财季归母亏损 68.27 亿元，同比由盈转亏 美团 2026 财年第一财季营业总收入 910.39 亿元、同比增长 5.61%；归母净利润 -68.27 亿元、同比由盈转亏。>> 查看详情 25、华为何刚：鸿蒙智家连续四年精装房市场占有率第一 在 6 月 1 日的华为 nova 16 系列及全场景新品发布会上，华为终端 BG CEO 何刚公布了鸿蒙智家最新成绩 —— 连续四年精装房市场占有率第一。>> 查看详情 26、华为 FreeClip 2 耳夹耳机典藏版发布：珠宝盒设计、全新 AI 键智能体交互，1499 元 在 6 月 1 日的华为 nova 16 系列及全场景新品发布会上，华为终端 BG CEO 何刚正式发布了 FreeClip 2 耳夹耳机典藏版，定价 1499 元。>> 查看详情 27、抖音：有账号刻意打造“陪读妈妈”“单亲妈妈”人设、炒作“乱伦梗”进行色情导流并诈骗，4 人被刑拘 抖音官方披露，近期有账号通过打造“陪读妈妈”“单亲妈妈”人设，发布性感擦边视频，并使用黑话炒作“乱伦梗”诱导用户至第三方平台进行色情导流及诈骗，4 名犯罪嫌疑人已被刑拘。平台同时处置了 897 个利用未成年人形象发布低俗内容的账号。>> 查看详情 28、赛力斯、字节合作新汽车品牌细节曝光：纯电、增程双动力跨界车，不会用华为乾崑智驾 赛豆科技旗下首款车型预计今年内推出，或为跨界车，即介于 SUV 和轿车之间，并预计将推纯电 + 增程双动力。据知情人士透露，该车预计将在赛力斯凤凰工厂生产，后者目前已处于改线阶段。>> 查看详情 29、中国电信旗下天翼云盘：6 月 30 日起对长期未访问平台的免费账号进行服务冻结处理 中国电信天翼云盘发布公告，将对超过 3 年未登录的免费账号进行服务冻结。冻结后 1 个月内可申请恢复，否则通过签到、赠送获得的福利空间将被收回，仅保留基础空间。此举旨在响应绿色低碳发展，提高资源利用率。>> 查看详情 30、天猫超市 618 期间正式进驻香港地区，跨境购买内地商品进入“明日达”时代 天猫超市 6 月 1 日正式登陆香港，推出“明日达”服务，当日 16 点前下单次日送达。同时，年底前自提点将增加四成，6 月还将推出“流动体验车”巡回活动。服饰“HK 可退”服务也将落地，退货无需再寄回内地。>> 查看详情 31、SK 海力士韩国工厂发生火灾 SK 海力士清州工厂突发火灾，已致 7 人受伤。火源为气体机房，消防员正彻查原因，伤亡人数可能进一步增加。>> 查看详情 32、英伟达黄仁勋称“AI 减少岗位是胡说八道”，软件工程师数量在增加 在 6 月 1 日的 2026 台北国际电脑展主题演讲中，英伟达 CEO 黄仁勋表示，“有用的 AI”时代已经到来，现在 token 是利润单位，AI 是 GDP“生成器”，软件工程师的数量正在增加。>> 查看详情 33、拉勾网创始人许单单回应公司破产：两大原因，其中 60% 责任在自己 许单单 5 月 30 日开启直播，正面回应公司破产及个人被限高一事，首度公开复盘失败原因，并透露后续创业计划。>> 查看详情 34、首超日本：中国产汽车在韩注册登记进口车榜排名第三，比亚迪力压丰田、本田、雷克萨斯 韩国进口车协会（KAIDA）披露的数据显示，4 月在韩新注册登记的进口车中，中国产汽车排名第三，史上首次赶超日本产汽车。>> 查看详情 35、史上最严：新版家用冰箱能效等级国家标准 6 月 1 日实施，约 20% 产品将被淘汰 冰箱能效国标 6 月 1 日起正式实施，不仅优化了能效等级体系，还新增了对半导体制冷冰箱等新型产品的覆盖。据新飞电器测算，约有 20% 的低效产品将因此逐步退出市场，这标志着家电行业节能标准再升级。>> 查看详情 今天就先聊到这里，IT早报，咱们明天见。

全球市值最高AI创业公司Anthropic周一发布公告称， 已经于当日向美国证券交易委员会秘交S-1招股书草案 。公司表示，拟议的首次公开募股将取决于市场状况及其他因素。 （来源：公司官网） 在美股上市过程中，秘交招股书是常见的操作。拟上市公司可以先将招股书发给SEC审查，然后与监管沟通修改。等到审核问题解决、承销商准备就绪、公司判断市场环境适合上市后，才正式对外公开招股书，迅速启动路演并跑步上市。反过来讲，若最终上市没成功，公司也不会因此对外公开大量内部信息。 按照监管要求， 招股书至少需要在路演开始前15个自然日披露 。 以SpaceX为例，公司据报在3至4月间秘交招股书，随后在5月20日对外公开。公开消息显示，SpaceX将在未来几天启动路演，冲击6月12日登陆纳斯达克交易所。 两大AI巨头竞速上市 值得关注的是，大多数秘交招股书的准上市公司都是秘密行事，像 Anthropic这样秘交招股书后宣扬一番的并不多见 。 但鉴于美国AI巨头的竞争形势，这种操作又变得合情合理起来。 此前有报道称， Anthropic的死对头OpenAI也准备在近期秘交招股书 。这意味着两家AI巨头的上市时间表很有可能“撞车”。考虑到两家公司的募资金额都在数百亿美元级别，更早上市，意味着能在刚被SpaceX“虹吸”过一大笔钱的市场中占得募资先机。 （当地时间2026年2月19日，在印度总理纳伦德拉·莫迪（左）主持的人工智能影响峰会上，OpenAI首席执行官萨姆·奥特曼（中）和Anthropic首席执行官达里奥·阿莫代伊（右）当众拒绝握手） 过去几个月里，凭借Claude Code的巨大成功，Anthropic在多个层面实现对OpenAI的反超。 公司上周宣布完成一笔650亿美元的融资，投后估值达到9650亿美元，首次超过OpenAI 。在今年2月完成的融资轮中，Anthropic的估值为3800亿美元，大约只有OpenAI的一半。 二季度有望首次实现盈利 与短期内看不到扭亏希望的OpenAI相比，Anthropic的年化收入在今年前五个月从140亿美元飙升到470亿美元，并有望在二季度首次实现盈利。 期间，Anthropic还开发出令全球网络安全行业为之震颤的 “神话”（Mythos）大模型 。 公司上周表示，经过让外部机构先行使用该模型开发防护措施的过渡期后， 神话”大模型将在未来几周向所有客户开放 。周一的最新消息也显示，“神话”大模型极有可能带动Anthropic的营收进一步猛增，因为 会有大量公司将“不得不使用”这款最新、最贵的模型 。 网络安全公司派拓网络的威胁情报部门高级副总裁萨姆·鲁宾（Sam Rubin）对媒体表示，在试用“神话”大模型大约三周时间里，这款模型发现了20多处严重漏洞，效率约为传统工具的5倍。但与此同时，这款AI模型也以相当快的速度消耗了相当于100万美元的Token费用（注：内测阶段不需要真的付费）。 因此，即便是市值超2000亿美元的上市公司，派拓网络也不得不寻找降低AI使用费用的门道。鲁宾介绍称，该公司建立了这样一个系统：由“神话”大模型制定入侵软件的计划，然后指挥像Opus 4.7这样的“较便宜”模型去执行，从而降低成本。 鲁宾也表示， 他已与数百名企业安全高管交谈，这些人都计划因日益逼近的AI攻击威胁而增加安全预算 。 他说道：“神话大模型已经把安全问题的重要性提升到了一个新层级，如今董事会在问、首席财务官在问、首席执行官也在问，他们需要确保自身的安全体系已经为此做好准备。而且在这类准备工作上，首席财务官如今也更愿意听取首席信息安全官（CISO）的意见。因此我认为，我们将会看到相关预算进一步增加。” 查看评论

IT之家 6 月 1 日消息，据韩国交易所数据，当地时间上午 11 点 44 分（北京时间 10 点 44 分），三星电子股价报 346500 韩元（IT之家注：现汇率约合 1571 元人民币），总市值达到 2025 万亿韩元（现汇率约合 9.18 万亿元人民币）， 成为韩国首家突破 2000 万亿韩元（现汇率约合 9.07 万亿元人民币）市值的企业 。 三星电子曾在上周五宣布，全球首款 HBM4E 样品已出货，此后公司股价持续上涨。市 场对 AI 半导体行业前景的乐观 ， 也进一步提振了投资者情绪 。 值得注意的是，韩国国内市值第二大的上市公司 SK 海力士同样股价高涨， 同一时刻为 1690 万亿韩元（现汇率约合 7.66 万亿元人民币） ，约等于三星电子的 83.4%。 与此同时 ，韩国综合股价指数（KOSPI）于周一盘中成功突破 8800 点大关并创下历史新高 ，也为三星电子达成 2000 万亿韩元里程碑提供市场背景。

最近在某社区看到 Mean.Saint 老师分享的小市值策略，回测 5 年收益 30 倍、最大回撤仅 17%，这个数据震撼到我了。于是我花了整整两个周末，逐行拆读了这份将近 1200 行的代码。今天把我的学习笔记分享出来，希望能帮到和我一样正在入门的朋友。 一、第一眼：这不只是一个选股策略 刚打开代码的时候，我以为小市值策略就是"选市值最小的股票买入"。但读完之后我才发现， 选股只占了整个策略的 20%，剩下 80%全是风控 。 这是我学到的第一个认知：好的量化策略，不是"怎么赚更多"，而是"怎么少亏"。 策略的整体架构大致是这样的： 每周二执行: 1. 早盘 9:05 → 预处理（一致性检查、昨日涨停记录） 2. 早盘 9:31 → 顶背离检测 3. 早盘 9:40 → 卖出不在目标列表的持仓 4. 早盘 9:45 → 买入新的目标股票 5. 盘中 10:00 → 止盈止损检查 6. 盘中 10:30 → ATR 止损价更新 + 放量换手检测 7. 尾盘 14:00 → 涨停打开检测 + ATR 再次更新 8. 尾盘 14:50 → 成交额宽度防御检查 看到这个时间表的时候，我第一次意识到： 一个成熟策略，是在盘中不断"巡检"的，而不是开盘买了就不管了 。 二、选股模块：三代进化，越来越"讲究" 策略提供了三个版本的选股逻辑（ v1/v2/v3 ），默认使用 v3 。我逐个读了一遍，能清晰看到作者的思路演变： v1 — 最朴素的想法 从中证 1000 成份股里选流通市值最小的 50 只，再按总市值排序取前 30 只，最后做 行业分散 （每个二级行业只选 1 只）。 我的理解：v1 的核心思想很简单——"买最小的，但别都买同一个行业"。 v2 — 加入了财务门槛 在 v1 基础上增加了 ROE>15%、ROA>10%、归母净利润>0 、营业收入>1 亿等条件，并且限制股价≤20 元。 我的理解：开始有"排雷"意识了，不再是无脑买最小的，而是要求公司"真的在赚钱"。 v3 — 终极版本 v3 最大的亮点是引入了一个 九项年报排雷系统 （ apply_nine_point_audit ），我觉得这是整个策略里最值得学习的模块之一。它会检查： 排雷项 检查内容 踩雷扣分 1 年报是否晚于 4 月 20 日才披露 +1 2 业绩预告是否预减/亏损 +1 3 审计意见是否非标（直接剔除） 直接 OUT 4 扣非净利润是否为负或占比过低 +1 5 净利润为正但经营性现金流为负 +1 6 商誉占净资产超过 30% +1 7 负债率>70%或短期借款>现金 +1 8 大股东质押比例超 80% +1 9 近一年是否被监管立案调查 +1 累计扣分≥2 分的股票直接剔除。 读到这里的时候我非常感慨——很多初学者（包括之前的我）只关心"这只股票能涨多少"，但这套排雷系统关心的是"这只股票会不会爆雷"。在小市值的世界里，一颗雷就可能把所有收益炸没。 另外 v3 还有一个细节让我印象深刻： 2025 年 1 月 1 日之前用简单的审计意见筛选，之后才切换到九项排雷 。这说明作者是在持续迭代策略的，不是一蹴而就的。 三、风控体系：五道防线，层层设防 这是我花时间最久、也收获最大的部分。策略一共有 五道防线 ： 第一道：固定止损 + 成本保护止损 最基础的风控——亏损 9%直接卖出。但在此基础上，策略还增加了一个 阶梯式成本保护 ： 盈利 ≥ 15% → 止损线提升到成本价（保本） 盈利 ≥ 30% → 止损线提升到 +10%（锁定利润） 盈利 ≥ 100% → 直接止盈卖出 这让我想到一句话："让利润奔跑，但给它系上安全绳。"以前我做手动交易的时候，经常眼看着 30%的浮盈变成亏损，如果当时有这套逻辑，至少能保住 10%。 第二道：ATR 动态止损 这是我第一次在实际策略中看到 ATR 的用法。策略用 14 日 ATR 计算一个动态止损价： 止损价 = 买入成本 - 2 倍 ATR 关键是这个止损价 只会往上移，不会往下移 （ trailing stop ）。股价涨的时候，止损价跟着涨；股价跌的时候，止损价不动。一旦跌破就卖出。 这比固定止损线聪明太多了——波动大的股票，止损线会自动放宽；波动小的股票，止损线会自动收紧。 第三道：MACD 顶背离检测 策略会检测中证 1000 指数（ 399101 ）的 MACD 顶背离信号：价格创新高、但 DIF 没有创新高，同时 MACD 柱由正转负。 一旦检测到顶背离，直接清仓所有非涨停股票，并且在接下来 10 个交易日内暂停买入。 我的感受：这是一个"大势判断"的模块。无论个股多好，大盘不行的时候就不玩了。 第四道：微盘股一致性风控 这个模块我读了三遍才理解。它的思路是： 取全市场最小 5%市值的股票，看它们昨天的涨跌幅 计算这些股票涨跌幅的 一致性 （在均值±标准差范围内的比例） 用 120 日布林带动态计算一致性的上轨 如果 中位数跌幅>2% 且 一致性超过上轨 → 全场微盘在同步暴跌 → 清仓！ 翻译成人话就是： 如果所有小股票都在一起跌，说明是系统性风险，赶紧跑。 但如果大盘均线是向上的（牛市环境），这个检查直接跳过。作者的意思是：牛市里的同步回调是机会，熊市里的同步下跌是灾难。 第五道：放量换手检测 日内实时监控持仓股票的换手率。如果今日换手率 > 10% 且超过 20 日均值的 2 倍，判定为 异常放量 ，立即卖出。 我之前只知道"放量上涨是好事"，看了这段代码才明白：对于小市值股票来说，突然放量可能意味着主力在出货。 四、两个让我"恍然大悟"的细节 1. 冷却期机制 止损卖出的股票， 2 天内不能再买回来 ： g.no_buy_after_day = 2 # 止损后不买入的窗口期 这个设计太人性化了。我以前手动交易的时候，经常止损后心怀不甘又买回来，结果亏得更多。策略相当于强制给自己"冷静"的时间。 2. 动态持股数量 策略根据中证 1000 的 10 日均线偏离度，动态调整持股数量： 指数偏离 ≥ +200 点 → 只持 3 只（市场过热，集中持仓） 偏离 ≥ -200 点 → 持 4 只 偏离 ≥ -500 点 → 持 5 只 偏离 <-500 点 → 持 6 只（市场低迷，分散风险） 市场越弱，持仓越分散；市场越强，持仓越集中。 这个思路我之前完全没想过，一直以为"分散就是好的"。但仔细想想，牛市里集中持仓才能抓住涨幅最大的票。 五、我从这个策略中学到了什么 读完这 1163 行代码，我最大的感悟是： 风控不是"加上去"的，而是"长出来"的。 每一道防线背后，可能都有作者一次惨痛的亏损经历。 好的策略是不断迭代的。 从 v1 到 v3 ，从简单的审计筛选到九项排雷，这不是一天就写出来的。 框架比参数重要。 与其纠结"止损线到底设 8%还是 9%"，不如先把多层防御体系搭起来。 小市值策略的核心不是选到牛股，而是活得够久。 30 倍收益不是靠一两只翻倍股实现的，而是靠五年如一日地避开地雷、控制回撤积累出来的。 六、学完之后，拿去实战 PK 一下？ 读完这个策略之后，我一直在想一个问题： 回测 30 倍的策略，拿到真实市场里到底能排第几？ 后来我发现了一个叫 9db 量化竞技场 的网站。它的玩法很有意思——你可以把自己看好的策略上传交割单，然后和其他人的策略 同台 PK ，******/模拟收益率实时排名。 我把这个小市值策略参与竞技上去之后，发现： 有些周期确实能排进前 10 ，说明策略的爆发力是真的强 但也有些周期排名靠后，尤其是大盘连续下跌的时候 这给了我一个很大的启发： 单看 5 年的回测收益率是不够的，还要看策略在不同市场环境下的稳定性。 在 9db 上和几百个策略一起比，能够更客观地评估自己策略的水平。 如果你也在学习量化，推荐去 9db.com 看看，不用注册就能浏览排行榜，看看大佬们的策略都是什么水平。知道差距，才知道努力的方向。 我知道这篇文章可能有很多理解不到位的地方，毕竟我还是一个入门半年的新手。如果哪里理解有误，欢迎大佬们在评论区指正。 也特别感谢 Mean.Saint 老师的无私分享，让我这样的新手有机会学习到一套如此完整的策略框架。对我来说，学到的不仅是代码，更是一种**"敬畏市场、系统思考"**的量化思维方式。 最后，如果你也是刚入门的朋友，我的建议是： 先别急着跑策略赚钱，找一个好的策略，一行一行读下去。 你会发现，最好的教材不在书本里，而在社区大佬的代码里。 以上是一个量化小白的学习笔记，欢迎交流讨论 ?

最近在某社区看到 Mean.Saint 老师分享的小市值策略，回测 5 年收益 30 倍、最大回撤仅 17%，这个数据震撼到我了。于是我花了整整两个周末，逐行拆读了这份将近 1200 行的代码。今天把我的学习笔记分享出来，希望能帮到和我一样正在入门的朋友。 一、第一眼：这不只是一个选股策略 刚打开代码的时候，我以为小市值策略就是"选市值最小的股票买入"。但读完之后我才发现， 选股只占了整个策略的 20%，剩下 80%全是风控 。 这是我学到的第一个认知：好的量化策略，不是"怎么赚更多"，而是"怎么少亏"。 策略的整体架构大致是这样的： 每周二执行: 1. 早盘 9:05 → 预处理（一致性检查、昨日涨停记录） 2. 早盘 9:31 → 顶背离检测 3. 早盘 9:40 → 卖出不在目标列表的持仓 4. 早盘 9:45 → 买入新的目标股票 5. 盘中 10:00 → 止盈止损检查 6. 盘中 10:30 → ATR 止损价更新 + 放量换手检测 7. 尾盘 14:00 → 涨停打开检测 + ATR 再次更新 8. 尾盘 14:50 → 成交额宽度防御检查 看到这个时间表的时候，我第一次意识到： 一个成熟策略，是在盘中不断"巡检"的，而不是开盘买了就不管了 。 二、选股模块：三代进化，越来越"讲究" 策略提供了三个版本的选股逻辑（ v1/v2/v3 ），默认使用 v3 。我逐个读了一遍，能清晰看到作者的思路演变： v1 — 最朴素的想法 从中证 1000 成份股里选流通市值最小的 50 只，再按总市值排序取前 30 只，最后做 行业分散 （每个二级行业只选 1 只）。 我的理解：v1 的核心思想很简单——"买最小的，但别都买同一个行业"。 v2 — 加入了财务门槛 在 v1 基础上增加了 ROE>15%、ROA>10%、归母净利润>0 、营业收入>1 亿等条件，并且限制股价≤20 元。 我的理解：开始有"排雷"意识了，不再是无脑买最小的，而是要求公司"真的在赚钱"。 v3 — 终极版本 v3 最大的亮点是引入了一个 九项年报排雷系统 （ apply_nine_point_audit ），我觉得这是整个策略里最值得学习的模块之一。它会检查： 排雷项 检查内容 踩雷扣分 1 年报是否晚于 4 月 20 日才披露 +1 2 业绩预告是否预减/亏损 +1 3 审计意见是否非标（直接剔除） 直接 OUT 4 扣非净利润是否为负或占比过低 +1 5 净利润为正但经营性现金流为负 +1 6 商誉占净资产超过 30% +1 7 负债率>70%或短期借款>现金 +1 8 大股东质押比例超 80% +1 9 近一年是否被监管立案调查 +1 累计扣分≥2 分的股票直接剔除。 读到这里的时候我非常感慨——很多初学者（包括之前的我）只关心"这只股票能涨多少"，但这套排雷系统关心的是"这只股票会不会爆雷"。在小市值的世界里，一颗雷就可能把所有收益炸没。 另外 v3 还有一个细节让我印象深刻： 2025 年 1 月 1 日之前用简单的审计意见筛选，之后才切换到九项排雷 。这说明作者是在持续迭代策略的，不是一蹴而就的。 三、风控体系：五道防线，层层设防 这是我花时间最久、也收获最大的部分。策略一共有 五道防线 ： 第一道：固定止损 + 成本保护止损 最基础的风控——亏损 9%直接卖出。但在此基础上，策略还增加了一个 阶梯式成本保护 ： 盈利 ≥ 15% → 止损线提升到成本价（保本） 盈利 ≥ 30% → 止损线提升到 +10%（锁定利润） 盈利 ≥ 100% → 直接止盈卖出 这让我想到一句话："让利润奔跑，但给它系上安全绳。"以前我做手动交易的时候，经常眼看着 30%的浮盈变成亏损，如果当时有这套逻辑，至少能保住 10%。 第二道：ATR 动态止损 这是我第一次在实际策略中看到 ATR 的用法。策略用 14 日 ATR 计算一个动态止损价： 止损价 = 买入成本 - 2 倍 ATR 关键是这个止损价 只会往上移，不会往下移 （ trailing stop ）。股价涨的时候，止损价跟着涨；股价跌的时候，止损价不动。一旦跌破就卖出。 这比固定止损线聪明太多了——波动大的股票，止损线会自动放宽；波动小的股票，止损线会自动收紧。 第三道：MACD 顶背离检测 策略会检测中证 1000 指数（ 399101 ）的 MACD 顶背离信号：价格创新高、但 DIF 没有创新高，同时 MACD 柱由正转负。 一旦检测到顶背离，直接清仓所有非涨停股票，并且在接下来 10 个交易日内暂停买入。 我的感受：这是一个"大势判断"的模块。无论个股多好，大盘不行的时候就不玩了。 第四道：微盘股一致性风控 这个模块我读了三遍才理解。它的思路是： 取全市场最小 5%市值的股票，看它们昨天的涨跌幅 计算这些股票涨跌幅的 一致性 （在均值±标准差范围内的比例） 用 120 日布林带动态计算一致性的上轨 如果 中位数跌幅>2% 且 一致性超过上轨 → 全场微盘在同步暴跌 → 清仓！ 翻译成人话就是： 如果所有小股票都在一起跌，说明是系统性风险，赶紧跑。 但如果大盘均线是向上的（牛市环境），这个检查直接跳过。作者的意思是：牛市里的同步回调是机会，熊市里的同步下跌是灾难。 第五道：放量换手检测 日内实时监控持仓股票的换手率。如果今日换手率 > 10% 且超过 20 日均值的 2 倍，判定为 异常放量 ，立即卖出。 我之前只知道"放量上涨是好事"，看了这段代码才明白：对于小市值股票来说，突然放量可能意味着主力在出货。 四、两个让我"恍然大悟"的细节 1. 冷却期机制 止损卖出的股票， 2 天内不能再买回来 ： g.no_buy_after_day = 2 # 止损后不买入的窗口期 这个设计太人性化了。我以前手动交易的时候，经常止损后心怀不甘又买回来，结果亏得更多。策略相当于强制给自己"冷静"的时间。 2. 动态持股数量 策略根据中证 1000 的 10 日均线偏离度，动态调整持股数量： 指数偏离 ≥ +200 点 → 只持 3 只（市场过热，集中持仓） 偏离 ≥ -200 点 → 持 4 只 偏离 ≥ -500 点 → 持 5 只 偏离 <-500 点 → 持 6 只（市场低迷，分散风险） 市场越弱，持仓越分散；市场越强，持仓越集中。 这个思路我之前完全没想过，一直以为"分散就是好的"。但仔细想想，牛市里集中持仓才能抓住涨幅最大的票。 五、我从这个策略中学到了什么 读完这 1163 行代码，我最大的感悟是： 风控不是"加上去"的，而是"长出来"的。 每一道防线背后，可能都有作者一次惨痛的亏损经历。 好的策略是不断迭代的。 从 v1 到 v3 ，从简单的审计筛选到九项排雷，这不是一天就写出来的。 框架比参数重要。 与其纠结"止损线到底设 8%还是 9%"，不如先把多层防御体系搭起来。 小市值策略的核心不是选到牛股，而是活得够久。 30 倍收益不是靠一两只翻倍股实现的，而是靠五年如一日地避开地雷、控制回撤积累出来的。 六、学完之后，拿去实战 PK 一下？ 读完这个策略之后，我一直在想一个问题： 回测 30 倍的策略，拿到真实市场里到底能排第几？ 后来我发现了一个叫 9db 量化竞技场 的网站。它的玩法很有意思——你可以把自己看好的策略上传交割单，然后和其他人的策略 同台 PK ，******/模拟收益率实时排名。 我把这个小市值策略参与竞技上去之后，发现： 有些周期确实能排进前 10 ，说明策略的爆发力是真的强 但也有些周期排名靠后，尤其是大盘连续下跌的时候 这给了我一个很大的启发： 单看 5 年的回测收益率是不够的，还要看策略在不同市场环境下的稳定性。 在 9db 上和几百个策略一起比，能够更客观地评估自己策略的水平。 如果你也在学习量化，推荐去 9db.com 看看，不用注册就能浏览排行榜，看看大佬们的策略都是什么水平。知道差距，才知道努力的方向。 我知道这篇文章可能有很多理解不到位的地方，毕竟我还是一个入门半年的新手。如果哪里理解有误，欢迎大佬们在评论区指正。 也特别感谢 Mean.Saint 老师的无私分享，让我这样的新手有机会学习到一套如此完整的策略框架。对我来说，学到的不仅是代码，更是一种**"敬畏市场、系统思考"**的量化思维方式。 最后，如果你也是刚入门的朋友，我的建议是： 先别急着跑策略赚钱，找一个好的策略，一行一行读下去。 你会发现，最好的教材不在书本里，而在社区大佬的代码里。 以上是一个量化小白的学习笔记，欢迎交流讨论 ?

最近在某社区看到 Mean.Saint 老师分享的小市值策略，回测 5 年收益 30 倍、最大回撤仅 17%，这个数据震撼到我了。于是我花了整整两个周末，逐行拆读了这份将近 1200 行的代码。今天把我的学习笔记分享出来，希望能帮到和我一样正在入门的朋友。 一、第一眼：这不只是一个选股策略 刚打开代码的时候，我以为小市值策略就是"选市值最小的股票买入"。但读完之后我才发现， 选股只占了整个策略的 20%，剩下 80%全是风控 。 这是我学到的第一个认知：好的量化策略，不是"怎么赚更多"，而是"怎么少亏"。 策略的整体架构大致是这样的： 每周二执行: 1. 早盘 9:05 → 预处理（一致性检查、昨日涨停记录） 2. 早盘 9:31 → 顶背离检测 3. 早盘 9:40 → 卖出不在目标列表的持仓 4. 早盘 9:45 → 买入新的目标股票 5. 盘中 10:00 → 止盈止损检查 6. 盘中 10:30 → ATR 止损价更新 + 放量换手检测 7. 尾盘 14:00 → 涨停打开检测 + ATR 再次更新 8. 尾盘 14:50 → 成交额宽度防御检查 看到这个时间表的时候，我第一次意识到： 一个成熟策略，是在盘中不断"巡检"的，而不是开盘买了就不管了 。 二、选股模块：三代进化，越来越"讲究" 策略提供了三个版本的选股逻辑（ v1/v2/v3 ），默认使用 v3 。我逐个读了一遍，能清晰看到作者的思路演变： v1 — 最朴素的想法 从中证 1000 成份股里选流通市值最小的 50 只，再按总市值排序取前 30 只，最后做 行业分散 （每个二级行业只选 1 只）。 我的理解：v1 的核心思想很简单——"买最小的，但别都买同一个行业"。 v2 — 加入了财务门槛 在 v1 基础上增加了 ROE>15%、ROA>10%、归母净利润>0 、营业收入>1 亿等条件，并且限制股价≤20 元。 我的理解：开始有"排雷"意识了，不再是无脑买最小的，而是要求公司"真的在赚钱"。 v3 — 终极版本 v3 最大的亮点是引入了一个 九项年报排雷系统 （ apply_nine_point_audit ），我觉得这是整个策略里最值得学习的模块之一。它会检查： 排雷项 检查内容 踩雷扣分 1 年报是否晚于 4 月 20 日才披露 +1 2 业绩预告是否预减/亏损 +1 3 审计意见是否非标（直接剔除） 直接 OUT 4 扣非净利润是否为负或占比过低 +1 5 净利润为正但经营性现金流为负 +1 6 商誉占净资产超过 30% +1 7 负债率>70%或短期借款>现金 +1 8 大股东质押比例超 80% +1 9 近一年是否被监管立案调查 +1 累计扣分≥2 分的股票直接剔除。 读到这里的时候我非常感慨——很多初学者（包括之前的我）只关心"这只股票能涨多少"，但这套排雷系统关心的是"这只股票会不会爆雷"。在小市值的世界里，一颗雷就可能把所有收益炸没。 另外 v3 还有一个细节让我印象深刻： 2025 年 1 月 1 日之前用简单的审计意见筛选，之后才切换到九项排雷 。这说明作者是在持续迭代策略的，不是一蹴而就的。 三、风控体系：五道防线，层层设防 这是我花时间最久、也收获最大的部分。策略一共有 五道防线 ： 第一道：固定止损 + 成本保护止损 最基础的风控——亏损 9%直接卖出。但在此基础上，策略还增加了一个 阶梯式成本保护 ： 盈利 ≥ 15% → 止损线提升到成本价（保本） 盈利 ≥ 30% → 止损线提升到 +10%（锁定利润） 盈利 ≥ 100% → 直接止盈卖出 这让我想到一句话："让利润奔跑，但给它系上安全绳。"以前我做手动交易的时候，经常眼看着 30%的浮盈变成亏损，如果当时有这套逻辑，至少能保住 10%。 第二道：ATR 动态止损 这是我第一次在实际策略中看到 ATR 的用法。策略用 14 日 ATR 计算一个动态止损价： 止损价 = 买入成本 - 2 倍 ATR 关键是这个止损价 只会往上移，不会往下移 （ trailing stop ）。股价涨的时候，止损价跟着涨；股价跌的时候，止损价不动。一旦跌破就卖出。 这比固定止损线聪明太多了——波动大的股票，止损线会自动放宽；波动小的股票，止损线会自动收紧。 第三道：MACD 顶背离检测 策略会检测中证 1000 指数（ 399101 ）的 MACD 顶背离信号：价格创新高、但 DIF 没有创新高，同时 MACD 柱由正转负。 一旦检测到顶背离，直接清仓所有非涨停股票，并且在接下来 10 个交易日内暂停买入。 我的感受：这是一个"大势判断"的模块。无论个股多好，大盘不行的时候就不玩了。 第四道：微盘股一致性风控 这个模块我读了三遍才理解。它的思路是： 取全市场最小 5%市值的股票，看它们昨天的涨跌幅 计算这些股票涨跌幅的 一致性 （在均值±标准差范围内的比例） 用 120 日布林带动态计算一致性的上轨 如果 中位数跌幅>2% 且 一致性超过上轨 → 全场微盘在同步暴跌 → 清仓！ 翻译成人话就是： 如果所有小股票都在一起跌，说明是系统性风险，赶紧跑。 但如果大盘均线是向上的（牛市环境），这个检查直接跳过。作者的意思是：牛市里的同步回调是机会，熊市里的同步下跌是灾难。 第五道：放量换手检测 日内实时监控持仓股票的换手率。如果今日换手率 > 10% 且超过 20 日均值的 2 倍，判定为 异常放量 ，立即卖出。 我之前只知道"放量上涨是好事"，看了这段代码才明白：对于小市值股票来说，突然放量可能意味着主力在出货。 四、两个让我"恍然大悟"的细节 1. 冷却期机制 止损卖出的股票， 2 天内不能再买回来 ： g.no_buy_after_day = 2 # 止损后不买入的窗口期 这个设计太人性化了。我以前手动交易的时候，经常止损后心怀不甘又买回来，结果亏得更多。策略相当于强制给自己"冷静"的时间。 2. 动态持股数量 策略根据中证 1000 的 10 日均线偏离度，动态调整持股数量： 指数偏离 ≥ +200 点 → 只持 3 只（市场过热，集中持仓） 偏离 ≥ -200 点 → 持 4 只 偏离 ≥ -500 点 → 持 5 只 偏离 <-500 点 → 持 6 只（市场低迷，分散风险） 市场越弱，持仓越分散；市场越强，持仓越集中。 这个思路我之前完全没想过，一直以为"分散就是好的"。但仔细想想，牛市里集中持仓才能抓住涨幅最大的票。 五、我从这个策略中学到了什么 读完这 1163 行代码，我最大的感悟是： 风控不是"加上去"的，而是"长出来"的。 每一道防线背后，可能都有作者一次惨痛的亏损经历。 好的策略是不断迭代的。 从 v1 到 v3 ，从简单的审计筛选到九项排雷，这不是一天就写出来的。 框架比参数重要。 与其纠结"止损线到底设 8%还是 9%"，不如先把多层防御体系搭起来。 小市值策略的核心不是选到牛股，而是活得够久。 30 倍收益不是靠一两只翻倍股实现的，而是靠五年如一日地避开地雷、控制回撤积累出来的。 六、学完之后，拿去实战 PK 一下？ 读完这个策略之后，我一直在想一个问题： 回测 30 倍的策略，拿到真实市场里到底能排第几？ 后来我发现了一个叫 9db 量化竞技场 的网站。它的玩法很有意思——你可以把自己看好的策略上传交割单，然后和其他人的策略 同台 PK ，******/模拟收益率实时排名。 我把这个小市值策略参与竞技上去之后，发现： 有些周期确实能排进前 10 ，说明策略的爆发力是真的强 但也有些周期排名靠后，尤其是大盘连续下跌的时候 这给了我一个很大的启发： 单看 5 年的回测收益率是不够的，还要看策略在不同市场环境下的稳定性。 在 9db 上和几百个策略一起比，能够更客观地评估自己策略的水平。 如果你也在学习量化，推荐去 9db.com 看看，不用注册就能浏览排行榜，看看大佬们的策略都是什么水平。知道差距，才知道努力的方向。 我知道这篇文章可能有很多理解不到位的地方，毕竟我还是一个入门半年的新手。如果哪里理解有误，欢迎大佬们在评论区指正。 也特别感谢 Mean.Saint 老师的无私分享，让我这样的新手有机会学习到一套如此完整的策略框架。对我来说，学到的不仅是代码，更是一种**"敬畏市场、系统思考"**的量化思维方式。 最后，如果你也是刚入门的朋友，我的建议是： 先别急着跑策略赚钱，找一个好的策略，一行一行读下去。 你会发现，最好的教材不在书本里，而在社区大佬的代码里。 以上是一个量化小白的学习笔记，欢迎交流讨论 ?