ETF 轮动策略改进版：效率动量轮动

> 一句话总结：用「对数价格中枢 × 效率系数 × 区间动量」替代传统的「斜率 × R²」，从 ETF 候选池中每日选出趋势最强的 N 只持有。原文声称十年 38 倍（年化 42%），本文档记录策略逻辑并给出复现方案。

---

策略来源

微信公众号「量化君」系列文章：

• 《手把手教你构建与改进 ETF 轮动策略》
• 《ETF 轮动策略改进版》（本文档总结的源文）
• 《ETF 轮动策略迁移到实盘后，幸好守住了十年 10 倍》

原文声称绩效（2015-2025）：

---

策略核心逻辑

三步改进

1. 趋势衡量：从「斜率 × R²」到「动量 × 效率系数」

原始版：用最小二乘法拟合 N 日价格斜率，乘以决定系数 R² 来衡量趋势质量。

改进版：用区间涨跌幅（动量）× 效率系数。

效率系数（Efficiency Ratio）出自 Kaufman 的自适应均线 AMA：

效率系数 = |位移| / 路程
        = |P_t - P_{t-N}| / Σ|P_i - P_{i-1}|

• ETF 价格单边运行 → 位移 ≈ 路程 → 效率系数 ≈ 1.0
• ETF 价格无序震荡 → 位移远小于路程 → 效率系数 ≈ 0

效率动量 = 动量 × 效率系数，既衡量涨了多少，也衡量涨得有多「顺畅」。

2. 价格：对数化处理

不用原始价格，改用对数价格：

对数价格 = ln(价格中枢)
对数收益率 = ln(P_t) - ln(P_{t-1})

好处：

• 对数收益率具有可加性：∑ 对数收益率 = 累计对数收益
• 涨跌对称：涨 50% 再跌 50%，算术收益率为 0 但实际亏损 25%，对数收益率能正确反映

3. 价格表征：从「收盘价」到「价格中枢」

不用收盘价，改用：

价格中枢 = (开盘价 + 最高价 + 最低价 + 收盘价) / 4

收盘价只是 K 线「彩带」中的一个点，价格中枢更好代表了整根 K 线的运行。

完整计算流程

每天执行以下步骤：

1. 对每只 ETF 计算对数价格中枢：
   log_price_center = ln((open + high + low + close) / 4)

2. 计算 N 日动量：
   momentum = log_price_center[t] - log_price_center[t-N]

3. 计算效率系数：
   displacement = |log_price_center[t] - log_price_center[t-N]|
   path = Σ|log_price_center[i] - log_price_center[i-1]|  （i 从 t-N+1 到 t）
   efficiency_ratio = displacement / path

4. 计算效率动量：
   efficiency_momentum = momentum × efficiency_ratio

5. 排序选出效率动量最强的 SELECT_NUM 只 ETF

6. 如果当前持仓 ≠ 最强 ETF，则调仓换入

---

参数说明

---

复现注意事项（避坑）

• 未来函数：计算效率动量时必须用 shift(1)，即用前一天之前的数据决定今天的持仓
• 数据对齐：不同 ETF 的上市时间不同，回测起始日必须不早于所有 ETF 都有数据的日期
• 交易成本：原文未明确说明是否扣除了交易成本（佣金+印花税+滑点），复现时应加回成本来对比
• 候选池敏感度：策略绩效对候选池构成高度敏感，不同的 ETF 组合可能导致截然不同的结果
• 过拟合风险：十年 38 倍的年化收益远超市场常规水平，需要警惕参数调优导致的过拟合

---

代码位置

• 策略实现：ETFRotationStrategy.py
• 回测运行：test_etf_rotation.py

---

相关资源

• 原文链接：https://mp.weixin.qq.com/s/VesU-C4u33PtzZPDNTOPBg
• Kaufman AMA 论文：Perry J. Kaufman, "Smarter Trading" (1995)
• 已有 ETF 池：etf_pool.py