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。
最近一直在折腾termux，小龙虾，爱马仕什么的都有折腾，都能装上去，而且感觉也不咋占用内存，用了几天，突然发现除了多个远程控制貌似真没什么惊艳的功能 （对我个人来说，我本来就用的手机，要不要远程都要用手机） 所以就都卸载了 想着手机上还有这存货给你们分享下 claude cli 这个一般用咱们站点的公益站或者2api就行了，不过我用的2api感觉都不太稳定，qwen不，gcli2api，gemini啊什么的感觉都不太稳，就平时日常用解决一些我懒得动手的东西，比如看到什么好的项目我就直接发给他安装（就是需要一直点确认很烦，本来就在termux里面，我也不怕他给我搞破坏，镜像都有备份） 下载的方式是佬友的脚本，帖子我不记得了，有知道的可以贴下，我加上 install-claude-termux-glibc.txt (8.8 KB) 后缀改sh，自己执行就行了 codex 这个我用的不太多，但是架不住佬友给的太多了，codex给的量太大了，所以搞了个 npm install -g @mmmbuto /codex-cli-termux@latest gemini cli 讲道理按理说termux应该没什么人用gemini cli了，前段时候gemini貌似都无法安装 最近没什么稳定的cli了，所以尝试了下，发现官方的居然也可以直接安装了 这也没啥主要是完全免费不用自己搞api，太难了，我手里一堆不稳定的，唉，保留个稳定的吧 npm install -g @google /gemini-cli hermes 这个不做评价，我只能说我不喜欢用，刚看到文件里有这个脚本，顺便发一下 hermes.txt (91.4 KB) 也是改为sh，里面的链接我都加了加速链接，用官方的下的累死，最后，安装完ui会转圈，让ai帮你弄下 1 个帖子 - 1 位参与者 阅读完整话题
Mac Book Pro 8.1 主要还是太老，十多年前的机器了。 现在主要做 Spring Web 开发，基本够用，装完系统后就默认可用，不必太多的其他操作。 输入法默认自带的拼音输入法基本完美使用。本来五笔的，但装了几个都或多或少有点问题，后来就默认拼音。 软件直接软件商店安装，常用的开发软件都有，IDEA、DataGrip、WebStorm、PyCharm、VSCode等。 AI工具基本用 Claude Code Cli 或在线页面版 微信有 linux 版本，比较完美，办公软件用 Libre Office，基本没有啥问题。 3 个帖子 - 3 位参与者 阅读完整话题
前年买了一辆吉利银河 L7 ，最近才装上充电桩 然后自带的吉利银河 app 充电桩里面的即插即充功能不支持 L7 每次都要在 app 里面手动点一下，用户体验真心一般
现在一直都在用的还是superpowers 每次装好codex就立马给他装上 但是这个看佬友们的反馈效果是不是不咋好 有没有 好用的推荐下 9 个帖子 - 7 位参与者 阅读完整话题
这样应该是算封号了吧…………接下来怎么走我也很迷茫了……timon都卖了，尼日利亚苹果号的风控也申诉了好几天才过，前后换了好几个苹果号，电脑环境时间，设置都改了，家宽落地节点也买了设置了，可能是因为我的cc号是自己注册的吧应该是要买一个cc老号吧，请问去哪里买cc老号？ 明明有预感是封号了，傻逼hermes还说不是……心塞 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 27 日消息，中兴新推出了一款星云 PoE 子母路由（1 拖 3 套装），支持 3000Mbps 高速 Wi-Fi 6 全屋无死角覆盖，首发价 1099 元，前 20 名付款并晒单 8 折。 京东 中兴（ZTE）星云 PoE 子母路由（1 拖 3 套装） AC+AP 全屋千兆网线组网 AX3000 路由器千兆穿墙 1099 元 直达链接 2026 年数码家电政府补贴持续进行中，IT 之家为大家汇总国补领券地址，买数码家电之前记得领取。 数码补贴： 点此领券 手机 / 平板 / 3C 数码支持 8.5 折政府补贴，不超过 6000 元的产品至高立减 500 元。 家电补贴： 点此领券 多类家电支持 8.5 折政府补贴，单品至高补贴 1500 元。 京东 618 无门槛红包 面额至高 26618 元，每天抽 3 次： 点此抽红包 淘宝 618 无门槛红包 面额至高 26888 元，每天抽 1 次： 点此抽红包 据介绍，这款路由器采用了中兴自研全屋技术，主路由采用中兴自研第三代主芯片，副路由采用中兴自研高增益天线，配合中兴自研全屋 MESH 组网技术，三大企业级核心技术服务民用，支持免费 1v1 定制。 星云 PoE 主路由尺寸仅为 141mm*88mm*25mm，主路由可以轻松放进弱电箱，子路由无电源线（PoE 网线供 / 受电）。
IT之家 5 月 25 日消息，据外媒 Sammyguru 今晚报道，三星与雷蛇近日在中东和北非地区联合推出“Play Without Limits”宣传活动。 此次活动将 Galaxy S26 Ultra 与雷蛇骑仕 V3 Pro 手柄进行组合推广，并将这一搭配 定位为“更加完整的移动游戏方案” 。三星并没有借此转向专门的游戏手机路线，而是继续把 Galaxy S26 Ultra 定位成一款能够 通过配件扩展体验的“全能旗舰”手机 。 硬件方面，Galaxy S26 Ultra 搭载高通骁龙 8 Elite Gen 5 for Galaxy 芯片，同时配备升级版均热板散热系统，以保证长时间游戏时的性能稳定性。三星还加入了 Privacy Screen 功能，可限制屏幕可视角度，减少在公共场所被旁人窥视屏幕内容的情况。 据IT之家了解，骑仕 V3 Pro 则负责补齐操作体验部分。该手柄提供 全尺寸按键、可更换摇杆 ，并支持有线与远程游戏模式。手柄可直接连接手机，为用户带来更接近掌机的操作布局。
IT之家 5 月 23 日消息，爆料者 @jaykihn0 上个月提到，英特尔已放弃为“Nova Lake”系列推出-AX 型号的计划。 不过，爆料人 Moore's Law Is Dead 昨日在他的 YouTube 频道中透露，英特尔并未彻底抛弃 Nova Lake-AX 处理器，但也不能说消息有误，只能说英特尔内部也没有达成统一。 MLID 认为，英特尔很有可能会把 Nova Lake-AX 系列 sku 改名为 Razor Lake-AX 系列（因为-AX 与 Nova Lake 标准版并非同时发布，其发布时间节点相对于 Nova Lake 更接近 Razor Lake），预计 2027 年发布。 相对于这一点，真正重磅的消息是，MLID 称英特尔将逐步淘汰传统的“混合架构”，转向“统一核心”策略（P 核及 E 核采用相同架构，类似于 AMD Zen5 和 Zen5c，两大厂商殊途同归），并最晚从 Hammer Lake 开始再次为消费级处理器引入超线程技术支持。 他指出，Razor Lake（或命名为酷睿 Ultra 500 系列）相对于 Nova Lake（或命名为酷睿 Ultra 400 系列）只是一次“挤牙膏”式的升级（包括-U、-H、-P 以及低端 -S 系列），没有 Nova Lake 或者 Alder Lake（第 12 代酷睿）那么“革命性的变化”，但总体上还是会有小幅提升。 ▲ Razor Lake 按照 MLID 的说法，随着 Beast Lake 的取消，Cobra Core 也随之取消。Griffin Cove（预计用于 Razor Lake 衍生版本）可能会成为一种“统一核心”，而 Griffin Cove 后面一代 100% 属于“统一核心”。Griffin Cove 可能会继承 Beast Lake 原本规划中的部分特性，但具体采用哪些特性尚未确定。 目前能够确认的是，Razor Lake 也会拥有 Nova Lake 中 Coyote Cove、Arctic Wolf 同款核心（或换皮）方案的 sku（包括-U、-H、-P 等），以及最高 32 个 X e 3P 核心，所以英特尔把 Nova Lake-AX 改为 Razor Lake-AX 一点也不奇怪。 相对于移动端，桌面端的 Razor Lake 才会有一些新东西呈现给大家，也就是前面提到的基于 Griffin Cove“统一核心”架构的衍生型号（MLID 猜测其 IPC 相对于普通版更高）。 另外 MLID 还提到，虽然英特尔 PPT 中仍称呼 Razor Lake 的 E 核架构为 Arctic Wolf，但他的一位线人透露英特尔有意将其名称改为 Golden Eagle（MLID 称其本质上就是 Arctic Wolf+）。 MLID 称，英特尔正努力在年底之前推出 Nova Lake 桌面版，然后争取在 2027 年底前推出 Razor Lake 桌面版，届时与其竞争的将会是 AMD Zen7 处理器（因为 Zen7 进度比预期更快，具体下期再讲）。 ▲ Titan Lake 在 Razor Lake 之后，首个真正启动“统一核心”策略的是移动端的 Titan Lake（IT之家注：预计 2028 年或 2029 年），英特尔 PPT 显示其 P 核及 E 核均为“Copper Shark”。 后续，英特尔会通过 Hammer Lake 将“统一核心”拓展至桌面领域，并将为 Hammer Lake 带来代号“Thunder Hawk”的第二代“统一核心”，重新为消费级处理器引入超线程技术（放在下文单独讲）。 类似 AMD 区分 Zen5 和 Zen5c 做法，英特尔将为 Copper Shark 提供“P 版”与“E 版”两种核心型号。两者底层架构完全一致，其中“E 版”只是高密度优化版。虽然架构相同，但英特尔仍会以 P 核、E 核进行区分。 据称，英特尔工程团队设计思路更偏向原有能效核团队的路线。另外，英特尔还准备将 X e 3 改名并下放到低端产品线，并在未来推出 iGPU 芯片面积更大的 Titan Lake 衍生版本（PPT 中以中型和大型区分，MLID 猜测那将会是英伟达 GPU 合作产品）。 ▲ 黑色部分预计为英伟达供应的 RTX 芯粒，分两种版本 结合此前爆料，这部分采用英伟达 GPU 芯粒的特别版本属于 Serpent Lake（营销名称）或者说 Titan Lake-B/BX 系列，并采用类似 Razor Lake-AX 的封装内存（Memory on Package，MoP）方案。 为确保整合顺利，这些 Serpent Lake 型号将使用基于 Razor Lake 的旧方案，采用 Griffin Cove P 核及 Arctic Wolf（Golden Eagle）E 核混合架构。其中的旗舰 -BX 版本最高支持 8P+16E+4LPE（28 核心）的规格；其余 Titan Lake 版本（U、P、PX）将采用“统一核心”架构。 由于 Nova Lake、Razor Lake、Hammer Lake 的兼容关系，这三代 CPU 将共用同一针脚的 LGA 1954 插槽，不过这一点已经不是什么秘密了。同样，AMD Zen 6 及 Zen 7 也会兼容 AM5 平台。 ▲ 三代桌面平台 值得一提的是，Titan Lake 并非 Razor Lake 的直接继任者，而是一款仅面向移动端的实验性平台（类似 Ice Lake、Meteor Lake），将覆盖 U、P、PX、B、BX 等多个细分品类。 其中 U、P、PX 系列搭载英特尔 Arc 集显（最高 16 个 X e 3P 核心）以及最多 12 个（8+4）Copper Shark“统一核心”。 在上述各细分型号中，GPU 与 CPU 的具体配置均有微调，不过因 PPT 图片画质较低，暂无法识别更详细的规格区别。HUB 芯粒据称包含 4 颗基于 Arctic Wolf 架构的 LPE 低功耗能效核。 另外，Titan Lake 所有型号均支持 192-bit LPDDR6 内存及 128-bit DDR5 内存。这些 CPU 采用 H6 封装，预计还能向后兼容下一代的 Hammer Lake 移动端产品。 Hammer Lake：第二代统一核心“Thunder Hawk” + 超线程回归 在 Titan Lake 之后，Hammer Lake 将成为英特尔在移动及桌面两大领域的又一次关键架构更新。 如前所述，Hammer Lake 将采用第二代统一核心 Thunder Hawk，包括 P 核与 E 核都会用到 Thunder Hawk 核心。不过 MLID 认为，多数 Hammer Lake 处理器将会完全依赖 P 核。 更重要的变化在于 ——Hammer Lake 将重新引入 SMT 超线程技术（MLID 认为它将带来“海量核心”），而且英特尔还在为其开发一种超高端版本（但 MLID 称其仍处于待定状态，仅过去一个月内就改了三次方案，他预测会有“几十个 P 核以及多得多的 E 核”）。 虽然嘴上说着放出太远的爆料可能会给线人造成麻烦，但 MLID 还是放出了一张 PPT 截图，显示它将拥有 8 个 P 核及 0 个 E 核，且支持超线程，也就是大家期待已久的“纯大核 CPU”（但这个核心数很显然属于低端系列）。 这与英特尔 CEO 陈立武去年的公开表态相呼应。实际上，英特尔已确认，超线程技术将率先在至强 Coral Rapids 服务器处理器（预计 2028 年底）上回归，消费级平台的跟进符合此前预期。 此外，MLID 还提到某不明出处的消息称 Serpent Lake 或 Titan Lake 也有望引入超线程技术，但目前还没有任何证据能够证明这一点，英特尔最晚将会在 Hammer Lake 时代重新引入超线程。 泄露资料还显示，英特尔 Hammer Lake 桌面处理器仍将继续使用 DDR5 内存。目前尚不清楚这代表类似 Alder Lake 的混合内存控制器，还是纯 DDR5 平台（MLID 预测 AMD 和英特尔都要到 2030 年才会升级 DDR6）。 相关阅读： 《 消息称英特尔 "Titan Lake" 处理器将支持 LPDDR6 内存 》 《 两年四系 CPU：英特尔 Nova Lake、Razor Lake、Titan Lake 将如期登场 》 《 消息称 52 核英特尔 Nova Lake 旗舰处理器 PL2 功耗约 350W，2029 年 Titan Lake 搭载英伟达 GPU、Arc 逐渐走向边缘化 》 《 英特尔 LGA 1954 被曝将支持 4 代 CPU：Nova Lake 最高 52 核 + 288MB L3 缓存，游戏性能较 ARL 提升 30~45% 》 《 英特尔路线图曝光：2028 年 Titan Lake CPU 放弃 P 核，最高 100 个 E 核 》 《 英特尔 Hammer Lake 处理器曝光：“统一核心”设计，恐终结“大小核”时代 》 《 英特尔与英伟达合作的 "Serpent Lake" 处理器被曝属 "Titan Lake" 变体 》
根据介绍，马维斯可以归类、解析文档，智能分类识别、处理图片，能修电脑（操作系统），市面上Agent能做的，马维斯基本都能做，比如它能做的：对操作系统架构、文件所有的理解，依据任务来调度模型、桌面操控手机应用、移动端“云监工”等能力，其他Agent产品不一定现在就有。 准确一些的说，可以把马维斯看做是一个掌握系统“资源管理器”的AI助手——用户能够直接用它管理文件、理解文档、修改设置、执行任务，甚至操作Android应用。 01.马维斯能做的事情 （点击了解更多详细信息） 02.它有什么不一样？ （点击了解更多详细信息） 03.一个选Marvis的理由 （点击了解更多详细信息） 04.写在最后 （点击了解更多详细信息） Marvis马维斯 Marvis马维斯-更懂你的AI助手-腾讯Marvis官网 Marvis马维斯是腾讯最新推出的操作系统层级AI助手——真正理解你的每一份文件，使用deepseek v4、混元hunyuan3/hy3等最新模型。支持本地文档与图片AI搜索，APK与EXE应用一句话调用，跨PC、手机、微信多端在线。自然语言控制电脑设置，支持本地大模型隐私模式（机器学习驱动），敏感文件不上云。安全又强大，是一款全能AI工具，做你的全端私人AI助手。 摘自：腾讯科技 11 个帖子 - 11 位参与者 阅读完整话题
装上去一直都没办法用，一直working无回复 早上备份硬盘数据，发现好像少了一两百G，然后扫描了下，wocao 这货在我电脑拉了一坨大的，超大！ 100G！snapshot 1 个帖子 - 1 位参与者 阅读完整话题
homeassistant如何换源 hass os之前装上了，现在登录说有更新 add-on无法安装因为supervisor需要先更新 怎么换源或更新？当前环境网络不好，而且设备位于一个不适合翻的环境 设备树莓派5，有键鼠连着（tty），在ha cli（没找到如何执行bash） 1 个帖子 - 1 位参与者 阅读完整话题
实操文章如下: https://mp.weixin.qq.com/s/tCKrmXlpF3kxkRF8fk1flg
今天刚刚装上了CPA，添加了两个free codex号，以及一个第三方的号。 我想问一下假如这3个号都有GPT-5.4模型，那么CPA优先调度哪个号可配吗，或者如何知道它这次调用的是哪个号。 新人小白不太了解，请大佬赐教！ 7 个帖子 - 5 位参与者 阅读完整话题