择时与轮动：动量轮动策略的设计与陷阱

先给择时一个清醒的定位#

在量化研究的难度谱系里，择时大概是最难的一档。选股是横截面问题，同一时刻你有几千个样本可以比较；择时是时间序列问题，一年只有大约两百多个交易日，真正的大级别拐点一年可能只有几次。样本少、噪声大，意味着任何择时信号都很容易是运气。

轮动策略可以看作择时的一个”折中版”：它不直接判断市场涨跌，而是在一组资产里持续比较相对强弱，把仓位从弱的资产挪到强的资产上。你不需要预测绝对方向，只需要排序——这在统计上比预测点位要求低得多，也更容易验证。

在 A 股语境下，最常见的轮动标的是行业指数和宽基/行业 ETF。ETF 交易门槛低、没有个股停牌和退市的麻烦，很适合作为轮动研究的起点。候选池不宜太大也不宜太小：太小则轮动等于在两三个资产间反复横跳，分散意义有限；太大则排名噪声上升、研究焦点涣散，一般十个以内、彼此逻辑上有差异的资产就够起步了。本文只讨论研究方法，不构成投资建议。

通用框架：排序、持有、再平衡#

几乎所有动量轮动策略都可以压缩成三步：

1. 排序：在再平衡日，计算候选池内每个资产过去 N 个交易日的动量得分（最朴素的就是区间涨幅），从高到低排序。
2. 持有：买入排名前 K 的资产，通常等权持有。
3. 再平衡：每隔 H 个交易日重复上述过程，卖出跌出前 K 的资产，买入新进入的资产。

用 pandas 表达核心逻辑大致是这样：

1
import pandas as pd
2

3
# prices: DataFrame, index 为交易日, columns 为各 ETF 代码
4
lookback, hold_n = 60, 2
5

6
momentum = prices.pct_change(lookback)          # 回看 60 日涨幅
7
rank = momentum.rank(axis=1, ascending=False)   # 横截面排名
8
signal = (rank <= hold_n).astype(float)         # 前 2 名等权持有
9
weights = signal.div(signal.sum(axis=1), axis=0)
10
# 实际持仓要向后错一天，避免用当日收盘信号成交当日收盘价
11
weights = weights.shift(1)

注意最后那行 shift(1)：信号在 T 日收盘后才能算出来，最早 T+1 才能执行。漏掉这一步，回测结果会好得离谱。

回看窗口与持有期：两个最敏感的参数#

回看窗口 N 决定你捕捉的是哪种级别的趋势。窗口太短，信号被日常噪声主导，换手极高；窗口太长，信号钝化，等你确认趋势时行情往往已走完大半。持有期 H 则决定反应速度和交易成本之间的平衡。

一个实用的检查方法是画参数平原：把 N 和 H 各取一组值，跑出全部组合的回测指标，看结果是否在参数邻域内平滑变化。

如果只有某一组”神奇参数”表现突出，而它旁边的参数全都平庸，那大概率是过拟合，而不是发现了规律。

除了参数平原，还有两个低成本的稳健性检查值得养成习惯：一是把再平衡日整体平移几天（月初改月中），看结果是否大变——对再平衡日期敏感的策略，本质上是在拟合日历噪声；二是把回测期切成前后两半分别评估，两段表现差异悬殊时，要怀疑策略只是抓住了某一段特定行情。这些检查不能证明策略有效，但能廉价地否掉一批伪装成规律的运气。

换手成本：轮动策略的隐形税#

轮动天然高换手。假设每次再平衡平均换掉一半持仓，双边成本合计千分之二，每月轮动一次，一年仅摩擦成本就会吃掉相当可观的一块收益。回测时务必把成本显式建进去，并做一个简单的敏感性测试：把单边成本从万五逐步提高到千二，看策略净值何时被”磨平”。如果策略只有在零成本假设下才成立,它在实盘中几乎必然失效。

降低换手的常用手法包括：拉长持有期、引入排名缓冲区（例如跌出前 5 名才卖出，而不是跌出前 2 名就卖）、限制单次调仓的最大权重变化。

空仓与防守资产：轮动的”刹车”#

纯相对动量有一个致命弱点：市场普跌时，它仍会持有”跌得最少”的资产。解决办法是叠加绝对动量过滤——当排名靠前的资产自身动量也为负时，转入防守资产（货币 ETF、短债 ETF）或直接空仓。

设计防守腿时要想清楚三件事：触发条件（绝对收益为负，还是低于某个阈值）、防守资产本身的流动性、以及重新入场的条件是否与出场条件对称。很多回测里”防守腿”贡献了大部分回撤控制，这本身值得警惕：它可能只是恰好躲过了样本内的几次大跌，换一段历史未必重现。

另一个容易忽略的细节是频繁进出的”鞭打”损耗：市场在阈值附近来回震荡时，绝对动量过滤会导致反复的”清仓、再买回”，每一个来回都白付两次成本。缓解手段是给出入场设置不同阈值（例如动量跌破 -2% 才离场、回升到 +2% 才进场），用滞回区间换取更少的无效切换。

轮动策略的其他陷阱清单#

除了参数过拟合，做轮动研究前还应过一遍这份清单：

• 候选池的幸存者偏差：用今天还存续、规模够大的 ETF 列表去回测十年前，等于提前知道了哪些产品能活下来、能长大。候选池应按 PIT 原则用当时可交易的名单。
• 上市初期数据：ETF 上市初期规模小、折溢价大，回测里的价格未必成交得了，建议剔除上市不满一定时长的品种。
• 拥挤度：动量轮动的逻辑广为人知，信号同质化意味着再平衡日大家挤同一扇门。回测无法完全刻画这一点，但可以通过检查标的成交额与自身资金规模的比例保持清醒。
• 风格归因缺失：行业轮动的超额收益，有时只是变相押注了某种市值或波动风格。跑一次简单归因，确认收益来源与你的设计意图一致。

本课小结#

• 轮动是”比较相对强弱”而非”预测绝对方向”，统计上比择时更可行，但仍是时间序列问题，样本天然稀少。
• 通用框架就三步：排序、持有、再平衡；信号必须 shift(1) 之后才能用于成交。
• 回看窗口与持有期用参数平原检验，追求平滑的高原而不是孤立的尖峰。
• 换手成本是轮动的隐形税，必须显式建模并做成本敏感性测试。
• 防守腿能控制回撤，但要警惕它只是”记住了”样本内的几次暴跌。

动手练习：选 5 只互相相关性较低的行业 ETF，用上面的框架实现一个”回看 60 日、持有前 2 名、每 20 日再平衡”的轮动回测。然后做两件事：一是画出 N∈{20,40,60,90,120}、H∈{5,10,20,40} 的参数平原热力图；二是加入单边千一的交易成本，对比净值曲线差异，写下你的结论。