09 - 市场状态平滑过渡：因子权重连续化与标签滞后

> 复盘日期：2026-08-13 > 触发：本周"新进 Top10 原因解释"里，香港证券等 ETF 的「稳定性」因子分数单周 +36pp，持仓 Top10 一组变一组，观感异常。 > 结论：不是数据 bug，是市场状态（regime）离散硬切换 → 因子权重/仓位/大类偏好阶跃导致的系统性"过渡太直接"问题。

---

1. 问题现象

截面选基页（ETF 策略持仓）「新进 Top10」子表里，某只 ETF 的解释出现：

📌 主要变化：稳定性走强
🟢 📊稳定性↑+36pp

用户直觉是"稳定性评分怎么瞬间加 36 个百分点，是不是市场风格切换 / bug"。

2. 归因（分两层，别混在一起）

2.1 表层：稳定性分数 +36pp 是「因子分数」，不是「权重」

+36pp 里的 稳定性 对应 DB 字段 factor_vol_stability，它存的是经过 rank 百分位归一化的稳定性因子分数（Factor.normalize(series, method='rank')），与 regime 权重无关。

• 稳定性原始分由 VolatilityStabilityFactor（factor/mean_reversion_factor.py）用 60 日滚动窗口的 mean_return/vol + sharpe 算出。
• 单周 +36pp 的真实来源：该 ETF 自身 60 日窗口滚动（某段高波动期滚出窗口 / 近端波动骤降），叠加截面 rank 百分位放大——当大量 ETF 稳定性原始分挤在一起时，一个很小的原始变化能推高几十个百分位。
• 因此这是数据驱动的正常波动，不是 bug，也不是 regime 权重直接造成的。

> 注意：rank 百分位会放大"截面密集区"的小变化。这是稳定性因子分数单周跳几十 pp 的放大器，但本身不是错误。

2.2 深层（真正要修的）：离散 regime 硬切换导致权重阶跃

RegimeDetector.detect() 用硬阈值把市场切成 6 个离散状态（BULL/MILD_BULL/RANGING/HIGH_VOL/BEAR/SEVERE_BEAR），AdaptiveWeightEngine / get_exposure_cap / 大类偏好都按离散状态查表：

只要 price_vs_ma_200 或 vol_ratio 在阈值附近轻轻一穿，标签一翻，5 个因子权重整体跳变，综合评分重排 → Top10 换一组。这就是用户说的"今天温和牛、明天震荡，持仓直接换一批"。

3. 前沿研究依据（为何这样修）

• Regime-Based Allocation（RBA）核心式：w = Σ pᵢ · wᵢ，用状态概率混合各状态组合，而不是硬选一个状态。→ 对应本方案的"连续 regime_score + 权重插值"。
• Hysteresis（滞后）：Resonanz Capital（2025-09）与 ClarityX Institute 白皮书一致强调"状态一旦确认应持续，直到相反证据累积"，用滞后缓冲带防止阈值附近 whipsaw。→ 对应本方案的"离散标签滞后"。
• Smooth Transition（STAR / 平滑转移）：用连续函数替代硬阈值，消除边界 cliff。→ 对应本方案的连续 score。
• 华安证券《基于状态切换信号的动态因子配置》（2025-10）/ Princeton Shu & Mulvey《Dynamic Factor Allocation Leveraging Regime-Switching Signals》（arXiv 2410.14841）：状态切换信号用于因子配置，能提升 IR，但必须避免"边界 flip-flop"。

4. 修复方案（v2 平滑过渡）

核心思路：权重、仓位、大类偏好全部连续化，离散标签仅作展示语义并加滞后。

4.1 新增连续 regime_score ∈ [0,1]（factor/regime.py）

由三个特征连续映射：

trend = clip(price_vs_ma / 0.05, -1, 1) * 0.5      # 趋势轴
vol_penalty = max(0, vol_ratio - 1.0) * 0.5         # 波动惩罚
trend_bonus = clip(trend_strength, 0, 1) * 0.10     # 趋势强度微调
score = clip(0.5 + trend - vol_penalty + trend_bonus, 0, 1)

score 越高越进攻，越低越防守，无阈值跳变。

4.2 因子权重连续插值（factor/weight_engine.py）

AdaptiveWeightEngine._continuous_base(score) 用 np.interp 在 5 个锚点（0=SEVERE_BEAR, 0.2=BEAR, 0.5=RANGING, 0.8=MILD_BULL, 1.0=BULL）之间对 5 因子权重线性插值，锚点数值与原离散表完全一致。

校准后权重随 score 平滑过渡：

4.3 仓位上限连续化（RegimeDetector.get_exposure_cap）

exposure_cap 不再按离散标签查表，改用 np.interp(score, [0,0.2,0.5,0.8,1], [0.15,0.35,0.6,0.9,1.0])，再叠加原有 vol 惩罚。

4.4 大类资产偏好连续化（selector/multi_factor_selector.py）

债券 / 贵金属 / REITs 的防御加成原来按 is_defensive_regime / is_bull_regime 二值切换（如债券 1.10 ↔ 0.95），现按 regime_score 做 np.interp 平滑过渡（中性=1.0）。

4.5 离散标签滞后（RegimeDetector._apply_hysteresis）

标签切换需 score 越过「当前状态锚点 ↔ 目标状态锚点」的中点 + 0.06 缓冲带，避免边界抖动。标签只用于展示，不再影响权重/仓位。

> 回测前会 reset_hysteresis()（engine._compute_weekly_backtest_drawdown 入口），避免复用实盘状态污染历史回测。

5. 关键改动文件

6. UI 顺手修复

市场状态标识（.regime-badge）的 hint 弹窗：点击标识能开，但点击其他区域不关闭。修复为全局 document.addEventListener('click')，点击 .regime-badge 之外时移除所有 tip-open。

7. 验证结果

• 5 个 Python 文件 py_compile 通过，选择模块 import 通过。
• 连续 score 单调性校验通过；权重插值 sum=1.0。
• 校准检查：BULL→mom 0.343 / RANGING→mom 0.207 / HIGH_VOL→mom 0.107 / SEVERE_BEAR→mom 0.080，与原离散表几乎对齐，边界连续无跳变。

8. 后续可优化方向（暂未做，记录备查）

• EMA 时序平滑：对 regime_score 再做日频 EMA（半衰期 ~3-5 天），进一步压降日间抖动。需要引入跨日状态持久化（避免污染回测），可做成 detect_from_cache(smooth=True) + 回测 smooth=False。
• 前端权重条展示真实连续权重：目前 tooltip 里的因子权重条仍显示离散典型值；后续可把每次真实 used_weights 落库并渲染。
• 波动率骤升快速通道：极端 vol 跳升（如 vr 单周 >1.5）应允许防守快速生效，不必等标签滞后确认（trendsandbreakouts.com 2026 最佳实践）。
• 分资产基准：债券/商品/跨境各自应有独立 regime 基准，而非全用沪深300（已在既有文档中提及）。