虽然看起来用了相关性选择行业ETF，实际上选择出来的还是行业ETF轮动，很普通，多此一举
这个策略的核心逻辑是通过 “趋势筛选→相关性最小化→趋势质量评分” 三步筛选，最终确定目标持仓并调仓，各环节存在明确的先后依赖关系。以下是具体逻辑和依赖关系的拆解：
策略的核心目标是从初始 ETF 池中，筛选出 “趋势良好、相关性低、趋势质量适中” 的品种进行轮动。整体流程由trade函数主导，依次调用三个关键函数，形成 “输入→处理→输出” 的依赖链：原始 ETF 池 → 趋势筛选 → 相关性最小化筛选 → 趋势质量评分 → 调仓
2. 第一步：趋势筛选（get_trend_length函数）【比如黄金和纳斯达克长期上涨，把长涨多跌少的选出来】
作用：从原始 ETF 池中筛选出 “长期维持多头趋势” 的品种，作为后续筛选的基础池。
逻辑：
获取过去 3500 天的收盘价数据；
计算每个 ETF 的 “短期均线（10 天）在长期均线（30 天）上方的天数占比”（通过count_days_above函数实现）；
保留占比 > 3 的 ETF（即多头趋势持续时间足够长的品种）。
输入：原始 ETF 池（g.etf_pool）；
输出：趋势达标的 ETF 列表（第一阶段候选池）；
依赖：无前置筛选，直接基于原始池计算，是整个流程的 “起点筛选”。
3. 第二步：相关性最小化筛选（min_corr函数）【避免选入沪深300，上涨50 这样相关性系数高的ETF】
作用：从趋势达标的 ETF 中，选出 “两两相关性最低” 的前 4 只，降低持仓组合的系统性风险。
逻辑：
获取过去 243 天（约 1 年）的收盘价，计算对数收益率（消除价格量级影响）；
计算收益率的相关系数矩阵，统计每个 ETF 与其他 ETF 的相关系数绝对值的平均值；
按平均值从小到大排序，取前 4 只（相关性最低的品种）。
输入：第一步筛选后的趋势达标 ETF 列表；
输出：相关性最小的前 4 只 ETF（第二阶段候选池）；
依赖：必须基于第一步的趋势达标池，仅对 “趋势好” 的品种计算相关性，避免纳入趋势差的品种。
4. 第三步：趋势质量评分（get_rank函数）【这里还是斜率*R平方的方式动量打分】
作用：对相关性最低的 4 只 ETF，进一步筛选 “趋势强度和稳定性适中” 的品种。
逻辑：
对每只 ETF，用过去 25 天（g.m_days）的收盘价对数，与时间（天数序号）做线性回归，得到斜率（代表趋势强度）和 R 平方（代表趋势稳定性）；
计算score = 年化收益率 × R平方（综合趋势强度和稳定性）；
筛选score在 - 0.5 到 4.5 之间的 ETF（排除趋势过强或过弱的品种），并按score降序排序。
输入：第二步筛选后的相关性最小的 4 只 ETF；
输出：评分达标的 ETF 排序列表（目标持仓候选）；
依赖：必须基于第二步的低相关性池，仅对 “低相关 + 趋势好” 的品种评估趋势质量，确保最终持仓兼顾分散性和趋势合理性。
原始ETF池（g.etf_pool）
↓（输入）
get_trend_length（趋势筛选）→ 趋势达标池
↓（输入）
min_corr（相关性最小化）→ 低相关性前4池
↓（输入）
get_rank（趋势质量评分）→ 目标持仓列表
↓（输入）
trade（调仓）→ 完成持仓更新
次方量化-技术博客
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。