变得更轻快和高效了。 似乎移除了 opus 的彩虹屁模组，收到你的指令只会默默拆解、高效执行。 而 opus 通常会先大惊小怪地吹捧一下你的英明决策。或者解释一下自己拒不执行的理由。 token 消耗也快了不少，我 17 分钟就蹬了 21%。 感觉 2 小时就可以把五小时限额蹬完。
变得更轻快和高效了。 似乎移除了 opus 的彩虹屁模组，收到你的指令只会默默拆解、高效执行。 而 opus 通常会先大惊小怪地吹捧一下你的英明决策。或者解释一下自己拒不执行的理由。 token 消耗也快了不少，我 17 分钟就蹬了 21%。 感觉 2 小时就可以把五小时限额蹬完。
AIGC多智能体创作系统_架构拆解_2026-06-04.md.zip (5.6 KB) 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 6 月 7 日消息，维修拆解网站 iFixit 近日探访了中国深圳华强北商圈，在这里购入了高仿版 Apple Watch Ultra 3 智能手表、AirPods Max 2 以及 AirPods Pro 3，随后带回工作室进行拆解测试。 iFixit 在视频中介绍，华强北是全球绝大多数电子产品维修配件的集散中心。这里也售卖各类仿冒产品，这类产品外观看似和正品相差无几，但只要仔细查验，或是像本次拆解一样查看内部构造，真假差异便会暴露无遗。 拆解高仿 Apple Watch Ultra 3 工作人员沙赫拉姆 · 穆赫塔里拿起这款高仿手表并进入操作系统后发现，点击表盘上任意应用，设备都只会开启夜间模式，界面会变成红色，完全无法打开对应应用。 他还提到，这款产品的触觉马达手感明显异样；除心率传感器外，其余多数传感器都只是印刷在塑料后壳（正品采用的是陶瓷或蓝宝石材质外壳）上。 IT之家注意到，拆开机身后可以看到，这款仿表搭载 260 毫安时电池，容量还不到正品的一半。电池在表壳内固定松散，仅通过导线焊接在主板上。 拆解高仿 AirPods Max 2 和仿款 Apple Watch Ultra 3 一样，这款高仿头戴耳机拿在手里，就能明显感受到材质、质感与做工和正品存在差距。其外壳为塑料材质，并非正品的铝合金；耳罩软垫也比正品更加松软。 按键的按压反馈手感违和，同时这款仿品不具备主动降噪和通透模式。不过它复刻了正品的入耳检测功能，以及首次配对时的专属弹窗和动画效果。 拆解耳罩腔体时，工作人员无法识别电池型号。拆解过程中，多处焊点粗糙的线材轻易脱落。此外，机身内还加装了数个金属圆柱配重块，目的只是模仿正品的重量手感。 拆解高仿 AirPods Pro 3 三款仿品中，这款第三代 AirPods Pro 仿品的外观还原度最高。工作人员表示，除了接缝处有细微差别，肉眼几乎难以分辨真假。 但二者的内部构造截然不同。尝试取下硅胶耳塞套时，耳机整个前端部件直接连带脱落，还扯断了数根连接线。后续检查发现，耳塞套竟被直接粘在了耳机主体上。 通过 CT 扫描进一步观察，更多破绽浮出水面： 产品未搭载微机电系统麦克风；发声单元做工粗糙，内部结构十分简陋，本该使用柔性排线的位置，只用普通铜丝焊接，这些都是典型的仿品特征。 细看内部结构还能发现，这款山寨耳机腔体设计和初代 AirPods 类似，细小的电路板可以从耳机柄中直接滑出。不出所料，其内部也没有主动降噪麦克风、心率传感器等核心元器件。 最后拆解充电盒可见，内部做工同样粗劣，电池也没有任何规格标识。
世界首富埃隆·马斯克旗下的太空探索技术公司（SpaceX）向投资者展开IPO推介。当地时间6月4日，SpaceX官方发布了一段17分钟的路演视频。SpaceX首席财务官布拉德・约翰逊在视频中梳理了公司的火箭、卫星和人工智能业务等，并重申SpaceX创立初衷是“变革人类发展，推动人类成为多行星物种”。 “我们本质是基建建设方，全球只有本公司在搭建软硬件一体化集成基础设施，为多项业务提供动力支撑。”约翰逊提到。 6月3日，SpaceX公布其首次公开募股的价格为每股135美元，新发行约5.56亿股，共计筹集约750亿美元。公司估值约1.77万亿美元，是有史以来规模最大的IPO。 星舰成本优势“无可比拟” 视频介绍，SpaceX自2002年起步，根基是航天业务，“实现了旁人眼中不可能完成的事，把不可能变为现实”。2008年，SpaceX成为首家自研并发射液体燃料火箭进入轨道的私营企业，产品为猎鹰一号；2012年，其成为首家实现航天器与国际空间站成功对接的私营公司；2015年，全球首次实现火箭箭体从太空动力回收落地；2017年，率先复用一枚轨道级火箭助推器再次发射；2020年，SpaceX又成为首家将航天员送入轨道、飞往国际空间站的私营企业。 如今，SpaceX的复用技术从猎鹰火箭的一子级回收，发展到星舰的全箭复用；猎鹰9运力23吨，重型猎鹰64吨，第三代星舰运力即将达到100吨。 “从火箭复用层面来说，回收技术是破局关键，大幅压低发射成本、抬升发射总量。我们有大批火箭可供发射客户选用，仅去年猎鹰9号就完成165次发射。如今星舰走向全复用。从成本来看，星舰优势无可比拟。”约翰逊说。 除成本优势之外，星舰运力同样大幅提升：猎鹰9、重型猎鹰依次为23吨、64吨，三代星舰即将破百吨，四代星舰处于设计阶段，规划运力再度翻倍至200吨入轨运力。 SpaceX发布的成本测算图表显示，在近地轨道单位载荷发射成本上，1970年至2000年全球航天行业平均成本为每公斤1.85万美元；依托一子级回收复用技术，猎鹰9可将成本降至2700美元/公斤，较历史均值缩减85%，重型猎鹰进一步下探至1400美元/公斤，降幅达92%；至于全箭可复用的星舰，其目标成本降幅则超99%。 卫星方面，视频介绍，星链坐拥全球规模领先的卫星互联网集群，可控机动在轨卫星数量占全球同类总量75%。用户数高速增长，2024年末为440万户，去年增至890万户，今年一季度突破1030万户，业务落地164个国家及地区，覆盖人口超30亿。 称人工智能业务“商业化闭环清晰” 在人工智能业务方面，约翰逊表示，该业务沿用航天、星链的成熟商业模式，依托顶尖发射能力打通全产业链、自研大模型留存全链路收益。 SpaceX建成Colossus超算数据中心，批量搭载英伟达GB200、GB300高端AI芯片，落地全球首座吉瓦级AI训练集群，并配套吉瓦级Megapack储能电站，规模化硬件部署形成公司算力核心壁垒。 公司计划未来数年落地在轨太空AI算力项目：依托卫星太阳能发电、太空空间辐射自然散热，在轨算力可大幅压低日常运维成本，破解地面数据中心供电与散热资源受限痛点。 凭借自研离子推进系统、星间激光互联链路、星载计算机、反作用飞轮等成熟航天技术储备，SpaceX成为业内短期内唯一具备落地太空分布式算力条件的企业。 约翰逊强调，公司AI商业化闭环清晰：依托自有航天基建搭建算力底座，持续迭代优化大模型、压缩单位算力成本，通过算力对外租赁实现营收变现，经营所得再反哺算力与自研模型研发投入。目前商业化落地已有实质进展：已同Anthropic签约，开放超算资源承接对方大模型托管；同步与Cursor开展合作，借助自有算力优化自研代码大模型。在对外出租算力的同时，公司持续加码自研通用大模型研发。 企业AI业务潜在市场空间超20万亿美元 展望前景，约翰逊称，公司锁定太空、算力、AI三大赛道，合计可触达市场规模约6万亿美元；长远来看，企业AI业务潜在市场空间超20万亿美元。除现有主业外，公司中长期规划覆盖跨区域太空点对点运输、太空智能制造、小行星资源开采、月球产业化开发；按照项目节奏，计划未来数年实现载人登月，搭建月球长期可持续运营配套体系。 此前，SpaceX在招股书中预估，其潜在市场规模高达28.5万亿美元，预计超九成市场来自AI领域，其中绝大部分可能来自企业AI（Enterprise AI）。 他提到，近两年集团合计资本开支210亿美元，大部分资金投向AI业务。他强调，依托与Anthropic的算力托管合作，AI板块已经产生收入。 招股书显示，2023年至2025年，SpaceX分别实现营收103.87亿美元、140.15亿美元、186.74亿美元，同期经营利润分别为-35.05亿美元、4.66亿美元、-25.89亿美元，净利润分别为-46.28亿美元、7.91亿美元、-49.37亿美元。2026年前三个月，该公司实现营收46.94亿美元，同比增长15.4%；同期经营亏损19.43亿美元，净亏损42.76亿美元，亏损额几乎等于去年全年水平。 约翰逊说，从长期预判来看，公司后续营收增速有望进一步抬升，远期毛利率预计可达70%（去年为49%），GAAP口径净利润率约45%。不过他并未对此目标给出详细的时间节点。 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。
只需要4个字就可以测试的思考题，测试大模型对于未知内容的拆解习惯和搜索主动性 测试题 （点击了解更多详细信息） 经测试 阵亡组 gpt5-免费版 qwen3.7max gemini3.5flash-网页版 kimi2.6think gemini3.1pro-全系列 以上全部阵亡，符合使用的刻板印象 胜者组 gpt5.5think 豆包专家版 hy3-studio（！？强强） gemini3.5flash-studio 测试题的解释 （点击了解更多详细信息） 测试题原理；用一种比较难懂的方式描述出来，如果模型智能足够就应该知道自己可能不懂，如果同时调用搜索积极，就会去搜索 14 个帖子 - 7 位参与者 阅读完整话题
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 ?
🧠 Steam 式"囤货"心理学机制深度分析与接口设计 📊 一、心理学驱动机制拆解 1. 所有权幻觉（ Endowment Effect ） 心理原理：人们对自己拥有的物品估值 > 未拥有物品 Steam 实现： ✓ 无限库容量（无物理限制） ✓ 永久拥有权（即使不玩） ✓ 库总价值显示（"你已拥有 ¥12,450 的游戏"） ✓ 已购游戏永不消失（即使下架也能下载） 2. 稀缺性焦虑（ FOMO - Fear of Missing Out ） 心理原理：害怕错过限时机会 Steam 实现： ⏰ 倒计时器（"折扣剩余 2 小时 15 分"） 📅 季节性大促（夏促/冬促，一年仅 2 次） 🔥 每日特惠（ 24 小时轮换） 💎 闪购（ Flash Sale ，随机突发） 3. 锚定效应（ Anchoring Effect ） 心理原理：首次看到的价格成为心理锚点 Steam 实现： 💰 原价划线（¥198 → ¥59 ） 📉 折扣百分比（-70% 比省 ¥139 更醒目） 🏷️ "历史最低价"标签（绿色高亮） 📦 捆绑包（"单独购买需 ¥500 ，捆绑仅 ¥199"） 4. 收集欲与完成欲（ Completionism ） 心理原理：人类天生有收集完整集合的冲动 Steam 实现： 🏆 成就系统（ 0/100 → 99/100 让人抓狂） 🃏 集换式卡牌（差 1 张合成徽章） ️ 个人资料等级（升级需收集徽章） 📚 系列捆绑（"集齐 Half-Life 全系列"） 5. 沉没成本谬误（ Sunk Cost Fallacy ） 心理原理：已投入成本影响后续决策 Steam 实现： 💵 库总价值统计（"已投资 ¥8,234"） ⏱️ 游戏时长显示（"已玩 127 小时"） 📊 已玩 vs 未玩分类（"库中 342 款，已玩 56 款"） 🎁 礼物库存（"你有 3 个未发送礼物"） 6. 社交证明（ Social Proof ） 心理原理：他人行为影响自己决策 Steam 实现： 👥 好友正在玩（"3 位好友在玩 Elden Ring"） 📈 同时在线人数（"当前 125,234 人在玩"） ⭐ 好评率（"好评如潮 95%"） 💬 评测数量（"最近 30 天有 12,456 篇评测"） 7. 心理账户（ Mental Accounting ） 心理原理：人们为不同用途设立独立心理账户 Steam 实现： 💳 钱包余额（"Steam 钱包 ¥156.80"，必须花掉） 🎫 优惠券（"你有 ¥20 优惠券即将过期"） 🎁 礼物卡（收到的礼物必须入库或转赠） 🪙 积分商店（ Steam Points ，只能买装饰品） 做商城的时候，参考这个来实现，真的很好玩，哈哈
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 ?
🧠 Steam 式"囤货"心理学机制深度分析与接口设计 📊 一、心理学驱动机制拆解 1. 所有权幻觉（ Endowment Effect ） 心理原理：人们对自己拥有的物品估值 > 未拥有物品 Steam 实现： ✓ 无限库容量（无物理限制） ✓ 永久拥有权（即使不玩） ✓ 库总价值显示（"你已拥有 ¥12,450 的游戏"） ✓ 已购游戏永不消失（即使下架也能下载） 2. 稀缺性焦虑（ FOMO - Fear of Missing Out ） 心理原理：害怕错过限时机会 Steam 实现： ⏰ 倒计时器（"折扣剩余 2 小时 15 分"） 📅 季节性大促（夏促/冬促，一年仅 2 次） 🔥 每日特惠（ 24 小时轮换） 💎 闪购（ Flash Sale ，随机突发） 3. 锚定效应（ Anchoring Effect ） 心理原理：首次看到的价格成为心理锚点 Steam 实现： 💰 原价划线（¥198 → ¥59 ） 📉 折扣百分比（-70% 比省 ¥139 更醒目） 🏷️ "历史最低价"标签（绿色高亮） 📦 捆绑包（"单独购买需 ¥500 ，捆绑仅 ¥199"） 4. 收集欲与完成欲（ Completionism ） 心理原理：人类天生有收集完整集合的冲动 Steam 实现： 🏆 成就系统（ 0/100 → 99/100 让人抓狂） 🃏 集换式卡牌（差 1 张合成徽章） ️ 个人资料等级（升级需收集徽章） 📚 系列捆绑（"集齐 Half-Life 全系列"） 5. 沉没成本谬误（ Sunk Cost Fallacy ） 心理原理：已投入成本影响后续决策 Steam 实现： 💵 库总价值统计（"已投资 ¥8,234"） ⏱️ 游戏时长显示（"已玩 127 小时"） 📊 已玩 vs 未玩分类（"库中 342 款，已玩 56 款"） 🎁 礼物库存（"你有 3 个未发送礼物"） 6. 社交证明（ Social Proof ） 心理原理：他人行为影响自己决策 Steam 实现： 👥 好友正在玩（"3 位好友在玩 Elden Ring"） 📈 同时在线人数（"当前 125,234 人在玩"） ⭐ 好评率（"好评如潮 95%"） 💬 评测数量（"最近 30 天有 12,456 篇评测"） 7. 心理账户（ Mental Accounting ） 心理原理：人们为不同用途设立独立心理账户 Steam 实现： 💳 钱包余额（"Steam 钱包 ¥156.80"，必须花掉） 🎫 优惠券（"你有 ¥20 优惠券即将过期"） 🎁 礼物卡（收到的礼物必须入库或转赠） 🪙 积分商店（ Steam Points ，只能买装饰品） 做商城的时候，参考这个来实现，真的很好玩，哈哈
VideoLens 访问地址 https://videolens.cc/zh 可用于短视频反推提示词。 贴一个小红书/抖音短视频的分享链接，或者直接传本地短视频，你就能得到： 编导级拆解报告：逐字稿（带时间戳）、镜头、节奏与钩子、画面信息等。 还原的提示词：可用于复刻视频的提示词（含中英文对照） 适合谁用 / 能干嘛： 短视频创作者 / 博主：拆解爆款的结构钩子与节奏，快速产出同类内容 内容运营 / MCN：批量拆解对标账号，沉淀可复用的选题与脚本方法论 电商 / 带货商家：还原种草视频的痛点钩子与转化逻辑，套用到自己的产品 AI 视频创作者：把喜欢的视频还原成可投喂 Sora / 可灵 / 即梦 的生成提示词 编导 / 剪辑师：逐镜拆解视听语言（景别、构图、转场、BGM 卡点），做分镜参考 广告 / 营销策划：研究爆款创意公式，提炼可复制的脚本框架 新版功能 优化了提示词，升级了大模型，新增了 MCP 功能 欢迎使用~
1、什么是条件随机场 拆解词语，就是条件、随机、场。 随机场 这里不能按顺序说，先说场。电场，空间中每个位置都有。这里的场，则是随机变量的场。比如说，一句话里面每个词语的词性都是随机的。一张图上每个像素点所属的类别也都是随机的。 条件 意思是条件变量。条件随机场是给定随机变量X的 条件下 ，随机变量Y的马尔可夫随机场。 2、于是就不得不介绍马尔可夫随机场。(又叫概率无向图模型）（实际上书上是先介绍了这个） 1、概率无向图模型是满足成对、局部、全局马尔可夫性的联合概率分布P(Y)，这里Y是一组随机变量. （这些马尔可夫性全都等价） 2、概率图里面，结点表示一个随机变量 Y_v (这个latex怎么不渲染） 3、要满足马尔可夫性挺容易，就是如果两个节点之间没有边（或者两团节点之间没有边）那他们必须条件独立. 马尔可夫场的最大特点是易于因子分解。我目前还不知道这玩意有什么用，但是我已经看懂了。 1、最大团是什么 2、势函数 3、Hammersley-Clifford定理 （也就是因子分解定理） 接下来我会写什么。 1、条件随机场的参数化形式、简化形式和矩阵形式。 2、条件随机场的概率计算问题 3、条件随机场的学习算法 4、条件随机场的预测算法 1 个帖子 - 1 位参与者 阅读完整话题
具体工作流程：你给它一个大任务，它自己拆解，一次性派出几十到几百个并行的 subagent（子智能体）去干，干完会让另一批 agent 去验证，甚至专门派 agent 去挑刺，反复迭代到结果收敛，最后给你一个整合好的答案。整个过程能跑几小时甚至几天，中途断了还能接着跑。 看起来就挺耗token的，也不知道好不好用，而且“Max、Team 套餐和 API 用户默认开启，Enterprise 套餐默认关闭，要管理员手动打开”，Pro似乎还用不了。 4 个帖子 - 4 位参与者 阅读完整话题