接上篇

2

风格轮动策略

根据市场惯性经验，我们构建如下量化策略：

1. 交易对象：沪深300、创业板指数的ETF，前者代表大市值，后者代表小市值。

2. 筛选条件：用最近N日的涨跌幅，作为筛选条件（默认N=20，即大约为最近一个月）。

3. 风格轮动：每日根据条件，选择涨幅大的指数持有。

来举个例子讲解策略细节。

2010年9月28日开始运行策略。收盘后发现沪深300最近20天涨幅为1.08%，优于创业板。那就在次日开盘时买入沪深300的ETF。

指数无法直接交易，用ETF代替。我在之前的文章《一念之差，少赚一百万》中介绍过几种投资指数的方法。

次日（9月29日）收盘前，发现沪深300的涨幅依旧占优势，那就维持沪深300的仓位不变。

时间来到11月9日，收盘前发现创业板前月的表现首次超过沪深300。我们就在当日收盘时卖掉之前持有的沪深300ETF，然后在次日开盘时买入创业板ETF。

之后都按照这样的方法，每天收盘前计算大小盘指数前20天的涨跌幅，并在下日持有表现好的。

这样我们就把之前关于市场的经验转换成了一个明确买点、卖点，可无脑执行的量化策略。

3

策略回测

那这个策略能赚钱吗？

很多时候经验是不可靠的。人脑不够精确，又会带上主观偏差，只看想看到的东西。

想要知道这个根据经验总结出来的策略是否有效，最好的方法，就是用历史数据和Python代码来验证这个策略，看看在历史上这个策略的表现。

运行代码后得到结果：

回测时间从创业板指数诞生的2010年开始，至2021年1月。在扣除手续费后，策略翻了8.48倍，年化收益22.42%，远超同期大盘（2.15倍）和小盘（3.67倍）的表现。

但美中不足的是，该策略的最大回撤高达48.33%，很多人在实盘中无法接受这么大的回撤，所以需要进行优化。

03策略优化

1

策略分析

目前策略在收益上的表现已经不错了，所以我们主要针对最大回撤进行优化。

想要降低回撤，最好的办法就是回到最大回撤发生的时间，2015年6月3日至8月26日，看看当时的市场发生了什么。

当时恰逢15年股灾，沪深300和创业板指数都处于下跌状态，市场整体处于深度熊市。

我们在这段时间内挑了几天比较典型的持仓：

6月26日小盘相对跌的少，持有大盘，5日后亏损5.26%

7月28日小盘相对跌的少，持有小盘，5日后亏损1.42%

不难发现，在市场整体下跌时，策略只是在大小盘之间选择跌得少的买入。即使两者中选对了，也仍然是跌。

当市场处于明显熊市，再傻傻的按照策略操作，最多只能让我们少亏，这明显是不对的。

2

策略优化

据此，我们尝试对策略做优化。

当两个指数近20天都下跌时，我们认为市场处于熊市，所以第二天直接空仓。

新的策略能否达到预期？光凭脑子yy和嘴说是没用的。还是要利用Python和数据进行验证，代码如下：

只需新增三行代码就能达到想要的效果。新策略的结果如下：

不仅最大回撤按照预期的从48.33%下降到29.13%，净值也从8.48提升到了11.71。

最大回撤的时间段从2015年变为了2018年，如果你想继续优化策略，可以去看看当时发生了什么，能不能总结出原因？

总的来说，这次优化还是很成功的，改进后的策略在风险和收益上的表现都有所提升。

3

进一步优化

此外再给大家提供一些优化思路 -- 修改策略的变量。

之前的策略用沪深300、创业板指数。但代表大盘的指数还有上证50、上证综指等等。小盘指数也可选择中证500或者中证1000。

与此同时，20日涨跌幅这个筛选条件，可以变成其他日涨跌幅，比如10日、30日、40日等。

这些改变在代码中只要改几个变量就能实现。这里我们仅将大盘指数从沪深300变为上证50，其余不变，看看策略表现如何。

策略的年化收益率从26.21%提升到了27.61%，最大回撤也下降了2%，收益进一步提升，风险也进一步下降。

04其他方法

本文介绍了在两个指数之间进行轮动的量化策略。

如果我们的思路再开阔一点，其实可以将轮动的对象从指数变为其他东西。

比如在两个自己喜欢的股票之间轮动，在白酒和券商之间轮动，在比特币和以太坊轮动...

我可以提前透露一下，这个策略在BTC和ETH之间轮动的收益非常爆炸，本文点击“在看”超过100，我就公布策略结果。

其实思路还可以进一步放开。我们甚至可以跳出轮动这个框架，尝试更专业的玩法 -- 构建股指期货多空。

关于什么是股指期货，大家可以看我之前的文章《一念之差，少赚100万》。运用股指期货我们可以做多优势指数，做空劣势指数。

这样我们的收益就完全取决于两个指数之间的差异，整体的资金曲线也会和大盘都是无关。由于策略比较复杂，本期篇幅有限就不展开了。

联系邢不行:关于量化的任何问题，或者想要了解其他内容，可以加我的微信(xbx3642)和我交流。