纯数学驱动的 ETF 轮动策略拆解笔记

这套策略的核心不是预测市场，而是用双池雷达、平滑动量打分、成交量排雷和冷酷风控，把交易纪律制度化，从而在原文所称的六年间实现 1166% 总收益。

原文多处将 ETF 转写为“一F”，将百分号转写为“拍/趴”，并存在若干疑似语音转写误差；以下按上下文理解，并在必要处保留原文表述与不确定性标注。

核心要点

策略定位：一套纯数学驱动的 ETF 轮动策略，目标是在不预测市场走势的情况下，系统性击败市场上 99% 的基金经理。
核心信念：答案不在于直觉有多准，而在于铁律有多硬；不要猜底、不要死扛亏损、不要抱有幻想，让数学为你工作。
收益证据：原文称四个月获得 62.61% 收益，同期沪深 300 仅涨 3.67%；六年完整长跑测试总收益 1166%，即“整整翻了 11 倍多”。
候选池机制：静态核心池包含 130 多支宽基和行业 ETF；动态流动性池每天开盘前扫描全市场，把过去五天日均成交额超过 5000 万的前 100 名 ETF 捞入；两池每天早上取并集去重，生成当天终极候选名单。
三轮筛选引擎：双均线趋势过滤、R 平方/拟合优度平滑动量打分、成交量排雷。
风控四防线：8% 止损、异常放量清仓、动量掉出第一换仓、终极防御买入货币基金 ETF。
收益底层逻辑：胜率只有 49.3%，赢亏次数几乎一半一半；靠 1.417 的盈亏比赚钱，即截断亏损，让利润在趋势中奔跑。
实盘透明验证：策略接入 9db 智能体交易竞技场平台，公开实时跟踪交易信号，接受全网查验。
分仓调整：通过修改代码参数，让系统同时分散持有 30 只最强 ETF，牺牲部分短期极端利润，换取更小回撤和更平滑净值曲线。

背景与要解决的问题

原文从手动炒股的痛苦切入：每天盯盘、想抄底，却被小道消息和市场情绪来回折腾，最终账户连大盘指数都没跑赢。

因此，摆在面前的问题是：怎么才能在完全不预测市场走势的情况下，系统性地击败市场上 99% 的基金经理？原文给出的答案不是依赖直觉，而是依赖铁律。

这也引出了量化入门者最核心的理念：把自己的贪婪和恐惧锁在抽屉里，把一切判断交给逻辑严密的算法。原文强调的不是神奇预测，而是纪律、数学和机械执行。

收益证据与事实数据

原文用两组数据证明策略不是短期运气，也不是过度拟合历史数据。

指标	策略表现	基准或说明
四个月收益	原文称“62.61 拍”，按上下文理解为 62.61%	同期沪深 300 指数上涨 3.67%
六年总收益	原文称“1166 的总收益”，并解释为“整整翻了 11 倍多”	按上下文理解为 1166% 总收益
六年胜率	49.3%	赢和亏的次数几乎一半一半，跟抛硬币差不多
盈亏比	1.417	原文称这是赚钱的杀手锏
止损线	原文提到“8 趴止损线”	按上下文理解为 8% 止损；前文另有“亏损超过八倍，三不飞坏”的转写，需核对原始规则

原文认为，四个月 62.61% 对 3.67% 是非常夸张的短期超额收益；为了打消“碰巧运气好”或“代码过度拟合数据”的质疑，作者把时间线拉长到六年。六年 1166% 的总收益证明其底层逻辑在牛熊交替的各种市场周期里经得起考验，不是在玩弄数据，而是真的在赚市场趋势的钱。

核心机制与原理

双池融合雷达机制

原文指出，普通策略的死穴在于选股池是死的：万一市场冒出个新热点，池子里没有这只票，就只能干瞪眼。该策略引入双池融合雷达机制解决这个问题。

静态核心池：包含 130 多支宽基和行业 ETF，稳扎稳打。
动态流动性池：每天开盘前自动扫描全市场，把过去五天日均成交额超过 5000 万的前 100 名 ETF 直接捞进来。
并集去重：两个池子每天早上取并集去重，自动生成当天的终极候选名单。原文此处写“取病疾去虫”，按上下文理解为取并集去重。

这意味着系统每天清晨都能拿到一个“堪称完美的投资宇宙”：既不会错过医药、消费这种常青树赛道，也绝对不可能漏掉市场上突然爆发、真金白银正在疯狂追捧的新兴热点。

三轮筛选引擎

面对几百只 ETF，策略通过三轮机械式筛选，毫无感情地挑出最强标的。

第一轮：双均线趋势过滤

代码里的死规矩是：

今天的收盘价必须大于 20 日均线；
并且 20 日均线必须大于 60 日均线。

原文把这比作举起一面坚固的盾牌，从源头上拒绝在熊市里接飞刀，或者抄底那些诱人的假反弹。只有走出漂亮多头排列的标的，才有资格进入下一轮。

第二轮：R 平方/拟合优度平滑动量打分

原文称第二轮是整个策略真正的灵魂，即“R 平方也就是你和优度平滑动量打分”。此处“而平方”“你和优度”“二方拟和优度算法”等应为 R 平方、拟合优度相关术语的转写。

为了简化数学概念，只需要记住一点：它用来衡量价格曲线到底有多平滑。

系统会考察该 ETF 过去 25 天的收盘价，算出一个年化收益率，然后再乘以 R 平方得分。

换句话说，系统要找的根本不是那种简单粗暴涨得最多的 ETF：

如果一只 ETF 虽然涨得猛，但上蹿下跳像坐过山车一样狂野，它的得分会被算法狠狠惩罚扣分；
如果一只 ETF 像自动扶梯一样，虽然慢一点，但稳步向上，它的得分就会被成倍放大。

算法极力避免买在突然爆发但极度不稳定的山顶上，它追求的是稳健的高质量上涨。

第三轮：成交量排雷

最后一轮是残酷的成交量排雷。原文一处写“成交量排类”，按上下文应为排雷。

规则是：哪怕一只 ETF 前面的动量得分再高，只要系统发现它今天的成交量突然异常放大到过去五天平均水平的 2.5 倍以上，就立刻剔除。

原因是：在量化逻辑里，高位放出巨量往往说明资金分歧极其严重，主力大概率在悄悄出货，这是一个绝对不能碰的见顶信号。

方法与步骤

按原文描述，可整理出如下执行链条：

建立双池候选：

静态核心池：130 多支宽基和行业 ETF；
动态流动性池：每天开盘前扫描全市场，纳入过去五天日均成交额超过 5000 万的前 100 名 ETF；
每天早上取并集去重，生成当天终极候选名单。

第一轮趋势确认：

今日收盘价 > 20 日均线；
20 日均线 > 60 日均线；
不符合多头排列的标的不进入下一轮。

第二轮平滑动量打分：

考察候选 ETF 过去 25 天收盘价；
计算年化收益率；
乘以 R 平方/拟合优度得分；
奖励平滑上涨，惩罚剧烈波动。

第三轮成交量排雷：

若今日成交量超过过去五天平均水平的 2.5 倍以上，剔除；
避免买入高位放巨量、可能见顶的标的。

选出最强标的：

原策略描述为“挑出最强的那一只”；
后面又提到通过修改代码参数，让系统同时分散持有 30 只最强 ETF。二者对应不同模式或参数设置，原文未完全展开。

执行风控：

买入后触发止损；
持仓中异常放量立刻清仓；
不再是全市场动量第一名则换仓；
全市场环境恶劣时进入终极防御。

接入实盘透明验证：

在 Python 脚本开头导入 arena on the score nine b 专属库；
配置系统分配的独一无二 user token 作为通行证；
本地算出的买卖信号自动同步到竞技场验证真实逻辑。

风控与执行纪律

原文强调：“会买的是徒弟，会卖的才是师傅。”这套策略能活下来并狂赚十几倍，真正的秘密在冷酷无情的风控系统上。它设置了四道死板的刹车防线。

第一道：买入后只要亏损超过 8% 止损线，就绝对止损。原文此处有一处转写为“亏损超过八倍，三不飞坏，绝对止损”，结合后文“8 趴止损线”，按上下文理解为 8% 无条件绝对止损；该处需以原始代码为准。
第二道：持仓中一旦出现异常放量，立刻清仓。原文未明确这里的异常放量是否完全等同于筛选阶段的“过去五天平均成交量 2.5 倍以上”阈值。
第三道：如果它不再是全市场动量第一名了，果断换仓。原文此处写“栋量第一名”，按上下文理解为动量第一名。
第四道：终极防御模式。当整个市场环境跌到极度恶劣，所有标的都跌破均线的时候，策略不会硬着头皮交易，也不会恐慌或心存侥幸死扛，而是自动让资金全仓买入像银华日立这种货币基金 ETF 去避险。原文称其为“毫无风险的货币基金 ETF”，并描述为：当别人在暴跌中痛苦哀嚎时，它就在场外舒服地赚着无风险的微小利息，稳如老狗。

原文认为，终极防御完美展示了策略的最高智慧：人类往往会恐慌或者死扛，但策略只按规则转向避险资产。

胜率、盈亏比与量化真谛

原文提醒，很多人误以为量化交易百发百中、神乎其神。但数据显示，这个策略跑了六年，胜率只有 49.3%，赢和亏的次数几乎一半一半，跟抛硬币差不多。

它仍然赚钱的关键，在于高达 1.417 的盈亏比。这揭示了量化投资最底层的真谛：

别去追求完美的胜率；
靠铁一样的纪律截断亏损；
让利润尽可能在趋势里奔跑。

也就是说，策略不是靠每次都赢，而是靠亏损时亏得少、盈利时赚得足够多来积累收益。

实盘透明验证与接入

为了证明这不只是历史数据上的回测游戏，策略开发者做了一个硬核决定：直接接入 9db 智能体交易竞技场平台。原文写“9 db自能体交易竞技场平台”，按上下文理解为 9db 智能体交易竞技场平台。

这意味着策略不再是藏在本地的自嗨。它每天产生的每一笔实盘交易信号，都在公开旁榜上进行实时跟踪，接受全网所有人的查验。原文此处写“100万声透明的实时跟踪”，疑为“100% 透明”的转写误差，但核心含义是公开、实时、可查验。

接入方式非常简单，原文称只需三步：

在 Python 脚本开头导入 arena on the score nine b 专属库。原文写“Python小本”，按上下文理解为 Python 脚本。
配置系统分配的唯一 user token 作为通行证。
设置好后，策略每天在本地算出的买卖信号就会自动、毫无延迟地同步到竞技场中，验证真实逻辑。

原文认为，这彻底击碎了“回测天下无敌，实盘一塌糊涂”的质疑声。

分仓模式与交易心态

原文指出，针对实盘，作者在配置上做了一个非常懂人性的小调整：分仓模式。

理论上，单仓全压一只 ETF 的爆发力肯定最强。但在现实交易里，剧烈账户回撤会让普通人的心态瞬间崩溃。

因此，通过修改代码参数，让系统同时分散持有 30 只最强 ETF。原文写“30最强的etf”，未明确是“前 30 只”还是“30 只”。这样主动牺牲一点点短期极端利润，换来的却是更小的回撤和更平滑的净值曲线。

原文总结：在真实的金融市场里厮杀，保护好自己的心态永远是第一位的。

案例与数据回顾

原文用收益曲线解释策略的每个齿轮：

每一次平稳爬升，都得益于极其精准的 R 平方/拟合优度算法，帮我们挑出最平滑、最高质量的标的。
它之所以没有在熊市深渊中夭折，全靠雷打不动的 8% 止损线。
一有风吹草动就自动转向货币基金 ETF 的终极防御模式。
这就是一套完整、严密且完全透明的数学系统的可怕力量。

从双池雷达到平滑动量，再到实盘透明追踪，原文认为这台收益引擎里的每一个精密齿轮都被看清楚了。量化投资从来不是什么神奇魔法，它只是在用铁的纪律对抗市场的疯狂。

限制与待确认问题

原文存在多处语音转写误差：如“一F”应为 ETF，“拍/趴”应为百分号，“而平方/二方”应为 R 平方，“取病疾去虫”应为取并集去重，“工程流血线”应为工程流水线，“栋量”应为动量，“银华日立”疑似货币基金 ETF 名称需核对。
四个月 62.61% 与六年 1166% 的起止日期未给出；六年长跑是否完全为回测、是否包含样本外测试，原文未说明。
接入 9db 平台进行公开实时跟踪，但未给出实盘跟踪开始时间、实际实盘收益、最大回撤、波动率、夏普比率等关键实盘指标。
未说明交易成本，包括手续费、滑点、冲击成本、税收、ETF 交易限制等，这些会显著影响轮动策略的真实收益。
胜率 49.3% 和盈亏比 1.417 未给出交易次数、统计区间、亏损分布、最大连续亏损等细节。
静态核心池“130 多支宽基和行业 ETF”未列出完整名单；动态流动性池“过去五天日均成交额超过 5000 万的前 100 名 ETF”未说明数据源、复权方式、停牌处理等。
终极防御中“所有标的都跌破均线”未明确“所有标的”是指候选池、持仓池还是全市场，也未说明切换货币基金 ETF 的执行价格与持有期限。
分仓模式中“同时分散持有 30 只最强 ETF”未说明权重分配、再平衡频率、调仓时间。
原文称货币基金 ETF“毫无风险”，但未展开讨论流动性风险、利率风险或极端市场下的执行风险。

行动清单

接受核心原则：不猜底、不死扛亏损、不抱幻想，让数学为你工作。
把贪婪和恐惧锁在抽屉里，把判断交给逻辑严密的算法。
建立双池候选：静态核心池 + 动态流动性池，并每日取并集去重。
严格执行三轮筛选：双均线趋势过滤、R 平方平滑动量打分、成交量排雷。
执行四道风控：8% 止损、异常放量清仓、动量掉出第一换仓、全市场恶化时切换货币基金 ETF。
用实盘透明平台验证策略，不要只相信历史回测。
在 Python 脚本中导入 arena on the score nine b，配置 user token，同步交易信号。
根据自身心态承受力调整分仓参数，可考虑分散持有 30 只最强 ETF，以降低回撤、平滑净值曲线。

总结

这套策略的核心不是预测市场，而是用规则化的数学系统完成 ETF 轮动。它通过双池雷达扩大候选范围，通过双均线过滤趋势，通过 R 平方平滑动量打分挑出高质量上涨标的，通过成交量排雷避开高位放量风险，再用 8% 止损、异常放量清仓、动量换仓和货币基金 ETF 终极防御控制回撤。

原文用四个月 62.61% 对沪深 300 3.67% 展示短期超额收益，用六年 1166% 总收益回应运气和过拟合质疑，又用 49.3% 胜率和 1.417 盈亏比说明量化赚钱不靠高胜率，而靠截断亏损、让利润奔跑。最后，策略接入 9db 智能体交易竞技场进行公开实时跟踪，并以分仓 30 只最强 ETF 的方式兼顾收益、回撤与交易心态。