验证截面选基系统 — 用数据建立信任

> 这篇文章的目的：让你不是「相信」系统，而是「验证」系统。用真实数据告诉你这个系统在历史上表现如何，并且给你工具自己去验证。

---

一、历史回测结果

系统已用真实数据在两个完全不同行情的区间回测过：

熊市区间：2021-01 ~ 2023-12（沪深300 跌了 34%）

结论：在 A 股最惨的两年里，你的系统比基准少亏了 13%。不是不亏，是亏得少。

牛市区间：2024-01 ~ 2026-05（沪深300 涨了 42%）

结论：牛市里纯动量跑赢基准 14%。防御型略微跑输基准（因为它牛市中过度防御），但这也是它熊市中能保命的原因。

核心结论

熊市 → 防御型跑赢基准 13%（少亏）
牛市 → 纯动量跑赢基准 14%（多赚）
震荡 → 防御型表现稳定

系统做对了一件事：在不同市况下表现不同，但始终不是最差的。

---

二、回测规则说明（免得你不信任它）

回测模拟了真实交易，规则如下：

调仓频率：每周五收盘后调仓（与推送频率一致） 持仓方式：等权持有 Top 8 只（每只 1/8 = 12.5%），全仓换 净值计算：每周计算一次（周五收盘价 vs 上周五收盘价） 交易成本：当前未包含（已知局限） 数据源：tushare 真实数据接口 ETF 池：73 只（与你现在使用的一致）

代码位置：cross_section_backtester.py

回测不包含交易成本，这是需要注意的。 每周换 3 只 ETF（平均换手率约 28%），如果每笔交易成本万 0.5 + 冲击成本，实际收益会比回测低一些。但 ETF 流动性好、手续费低，影响有限。

---

三、你自己怎么跑回测验证

跑一次完整回测（推荐第一次验证时跑）

cd /Users/aohan/PycharmProjects/adata
PYTHONPATH=$(pwd) .venv/bin/python adata/aohan/quant/selection/backtest/historical_backtest.py

这个脚本会跑 4 个策略（防御型、纯动量、等权全池、沪深300基准）在双区间上对比。

只跑选基（不跑回测）

./run_selection.sh

只跑选基 + 指定日期

./run_selection.sh -d 2026-01-01

---

四、如何验证系统今天的推荐是合理的

每次收到推送后，问自己这 3 个问题：

1. 市场状态判断对不对？

打开推送看第一行：

📈 🟢 强势牛市 | 仓位上限 96%
   价格vs年线:+6.2%  波动率比:1.12x

• 去任何看盘软件看沪深 300 的日 K 图，随便画一条 200 日均线
• 如果价格确实在均线之上、且没有特别剧烈的波动 → 判断正确

2. 排名有没有明显的异常？

看 Top 10 的因子分解明细。以今天为例：

515050 5GETF: 动量1.00 夏普0.97 反追高0.05 稳定性0.97
511220 城投债: 动量0.59 夏普0.99 反追高0.12 稳定性0.99

• 5GETF：动量满分（最近涨得确实猛），但反追高仅 0.05（系统识别到了超买风险），综合后仍排第 6 → 合理
• 城投债 ETF：动量不高（债券本来就不怎么涨），但夏普极高（收益稳定）、反追高不差 → 它凭「性价比」进入 Top 10 → 合理

3. 因子权重在当前市场下对不对？

当前是牛市 → 权重应该是 45:25:10:20（动量 45%、夏普 25%、反追高 10%、稳定性 20%）。

看推送中权重那行：

因子权重: 动量 32%  夏普 20%  反追高 24%  稳定性 24%

等等——这个是 32:20:24:24，不是 45:25:10:20。这是因为当前使用的是 adaptive 模式，AdaptiveWeightEngine 在离散权重基础上做了波动率和趋势的微调。系统认为当前波动率 1.12x 接近正常，趋势仍需确认，所以没有把动量拉到满格 45%。

> 这说明系统比简单的「牛市→45%动量」更精细。 即使同是牛市，波动率上升时它会自动缩小动量权重。

---

五、如果你还是不信——做一次「回溯验证」

选一个你知道的历史日期，让系统跑出当时的推荐，然后看后续几周的真实走势。

例如：

# 跑 2026-04-01 的选基（你记得那天之后发生了什么）
./run_selection.sh -d 2026-04-01

然后对着 K 线图看系统推荐的品种后续表现如何。

---

六、系统的自我纠错机制

你担心「回测数据滞后、信号是滞后的」——系统有以下机制来应对：

> 你在交易中的直觉担忧（太高了、太热了、会不会暴跌）——系统已经用 6 个机制帮你量化处理过了。 它不是盲目追涨。

---

TODO：建立对系统的信任

• 跑一次 historical_backtest.py，看两组回测结果
• 读回测输出时重点关注：最大回撤是否在你心理承受范围内
• 选一个你知道的历史日期，手动验证系统的推荐
• 下次推送出来后，对照本文的「验证 3 问」过一次
• 记住：系统熊市跑赢基准 13%，牛市跑赢 14%——这意味着你什么都不做、仅按系统执行，大概率比你自己操作好