上一篇文章里，我作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受：这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性。
但最近两个月盯盘下来，我发现一个问题：ETF行情太好了。
纳指ETF、黄金ETF、港股互联网ETF……这些标的动辄月涨10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在A股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF板块性行情轮动」的阶段，就会显得力不从心——小市值在休息，ETF在狂飙，两边接不上。
于是我开始在社区里大量翻阅ETF轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法：能不能把小市值和ETF轮动组合起来，搞一个"双核引擎"？
说实话，ETF轮动这块我是完完全全的新手。下面文章里涉及的ETF池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教?
小市值负责在A股弹性行情里捕捉超额；ETF轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字：「双龙出海」。
一、为什么要加ETF？先看数据说话
单跑小市值策略，5年30倍，年化收益极高，但有一个问题：回撤集中在大盘系统性下跌的阶段。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。
而ETF轮动策略有一个天然优势：它可以在全球资产中切换。A股不行就切港股ETF，港股不行就切纳指ETF，纳指也不行就直接买货币基金（银华日利 511880）躺平。
加上ETF之后效果怎么样？我跑了2021年至今的回测，结果直接把我看傻了：
| 指标 | 双龙出海（小市值+ETF） | 基准（沪深300） |
|---|---|---|
| 总收益 | 4632.93%（约47倍） | -9.11% |
| 年化收益 | 112.53% | — |
| 最大回撤 | 15.50% | — |
| 夏普比率 | 4.589 | — |
| 索提诺比率 | 7.535 | — |
| 胜率 | 56.7% | — |
| 盈亏比 | 2.505 | — |
| 阿尔法 | 1.115 | — |
| 贝塔 | 0.502 | — |
5年47倍，年化112%，最大回撤才15.5%——对比上一篇纯小市值的"5年30倍17回撤"，收益从30倍提升到47倍，回撤反而从17%降到了15.5%。
说白了就是：加了ETF引擎之后，不仅赚得更多了，还更稳了。这不就是"既要又要"的最佳答案么？
| 维度 | 纯小市值 | 小市值 + ETF轮动 |
|---|---|---|
| 进攻性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 防守性 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 行情适应性 | A股弹性行情 | 全市场+全球资产 |
| 空仓时的机会成本 | 高（只能买货币ETF） | 低（自动切到强势ETF） |
核心逻辑：小市值是矛，ETF轮动是盾——双核协同，攻守兼备。
二、架构设计：两个子账户，各管各的
双核策略的架构其实不复杂，核心就是子账户隔离：
总资金 100%
├── 子账户0：小市值策略（50%）
│ └── 每周二调仓，选中证1000最小市值股票
└── 子账户1：五福ETF轮动（50%）
└── 每日午后轮动，从100+只ETF中挑最强的1只
聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰：
set_subportfolios([
SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户0
SubPortfolioConfig(cash=ETF资金, type='stock'), # 子账户1
])
这样做的好处是：
- 策略之间完全隔离：小市值止损不会影响ETF持仓，反之亦然
- 资金分配清晰：各占50%，不会出现一边吃掉另一边资金的情况
- 独立记录收益：可以分别看两个策略各自的表现，方便归因分析
三、ETF轮动引擎拆解（站在大佬肩膀上）
小市值部分的逻辑我在上一篇已经拆过了，这里重点讲ETF轮动部分。
先说声感谢：ETF轮动这块我参考了社区里很多大佬的策略和思路，包括ETF池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的?
3.1 ETF池子：固定池 + 动态池，双池合并
ETF轮动的第一个难题是：从哪些ETF里选？
我学习到的一个很聪明的做法——固定池 + 动态池合并：
- 固定池（108只）：手工精选的优质ETF，覆盖黄金、白银、纳指、恒生、各行业板块等
- 动态池（全市场扫描）：每天从全市场ETF中自动筛选流动性达标的头部标的，去重后取行业最强的那一只
关键过滤逻辑：
- 剔除宽基指数ETF（沪深300、中证500等——这些不是行业轮动标的）
- 剔除债券/货币类ETF（短融、国债、可转债等——这些不是趋势标的）
- 流动性门槛：日均成交额低于全市场ETF均值/20000的，直接淘汰
- 行业去重：同行业多只ETF时，只保留成交额最高的那一只
最终合并出约100-150只ETF的"作战池"。
3.2 动量打分：拉普拉斯滤波 + 高斯滤波
ETF轮动最核心的问题是：怎么判断哪只ETF最强？
策略用的是加权线性回归 + 数学滤波器的组合方案：
动量得分计算（25日回看）：
1. 对收盘价取对数
2. 用加权最小二乘法拟合趋势线（近期数据权重更高）
3. 斜率年化 → 年化收益率
4. 计算R²（拟合优度）→ 趋势稳定度
5. 动量得分 = 年化收益率 × R²
说人话就是：涨得快还涨得稳的ETF，得分最高。
但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"：
| 滤波器 | 用途 | 触发条件 |
|---|---|---|
| 拉普拉斯滤波（正常期使用） | 平滑价格，识别趋势 | 价格 > 滤波值 且 斜率 > 0.002 |
| 高斯滤波（震荡期使用） | 更强的降噪，更保守 | 价格 > 滤波值 且 斜率 > 0.002 |
正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。两个滤波器自动切换，这个设计很巧妙。
3.3 震荡期自动切换：市场的"红绿灯"
策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期：
进入震荡期（亮红灯）——满足任一条件：
- 沪深300的乖离率（BIAS）> 8%（涨太多了，有回调风险）
- RSI从70以上回落到65以下（超买后开始回落）
- 当天触发了止损（市场可能在变差）
退出震荡期（亮绿灯）——满足任一条件：
- 从近20日低点反弹超过4%
- 回撤收窄 + 多个复苏信号连续出现
- 震荡期持续超过20个交易日（强制退出，不能永远观望）
还有一个冷却期设计：每次红绿灯切换后，3个交易日内不允许再次切换，防止频繁反复。
3.4 多层过滤漏斗
从作战池到最终买入，要过七道关：
100+只ETF
→ 动量得分过滤（0 ≤ 得分 ≤ 5）
→ R²过滤（> 0.4，趋势不稳的排除）
→ 成交量过滤（量比 <1.8，异常放量的排除）
→ 短期风控（近3天没有单日跌 > 3%）
→ 溢价率过滤（可选，防止QDII高溢价陷阱）
→ 动态滤波过滤（正常期/震荡期分别用不同滤波器）
→ 最终只选1只！
没错，最终只持有1只ETF。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在ETF轮动里反而是稀释收益，不如集中火力追最强的那个。
3.5 分钟级止损：最后的保险丝
ETF策略还有一个分钟级的止损机制（every_bar 频率运行）：
- 固定止损：当前价格跌破成本价的95%时，立刻卖出
- 日内跌幅止损（可选）：如果当天相对昨收跌超过5%，也立刻卖出
触发止损后会标记 stop_loss_triggered_today，在午后13:10的检查中自动触发进入震荡期——止损不仅是保护本金，还会触发策略整体进入防守姿态。
四、双核协同的几个关键细节
4.1 资金分配
当前是简单的50:50平分。但我在想，未来可以根据市场状态动态调整——比如A股弹性好的时候多给小市值，ETF板块轮动强的时候多给ETF。这是一个可以继续优化的方向。
4.2 独立收益记录
策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。
def record_daily_performance(context):
for i, strategy_key in enumerate(['strategy1', 'strategy2']):
sub_portfolio = context.subportfolios[i]
cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100
# 记录到图表
record(小市值=小市值收益率, 五福ETF=ETF收益率)
4.3 滑点和佣金的差异化设置
很多人忽略的一个细节——股票和ETF的交易成本是不一样的：
set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点
set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点
# 股票佣金：万0.85，卖出还有千分之0.5的印花税
# ETF佣金：万0.5，无印花税
ETF的交易成本天然比股票低很多，这也是ETF轮动策略能频繁调仓的基础。
五、一个小白的学习感悟
- 不要只盯一个赛道。小市值再好，碰到风格切换也会歇菜。加一个ETF轮动引擎，相当于给自己多开了一个全球化的战场。
- 站在巨人肩膀上学得更快。ETF轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。聚宽社区的开源氛围真的很好，感谢每一位分享策略的前辈。
- 数学滤波器很有意思。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。
- 震荡期切换是ETF轮动的灵魂。没有这个机制，ETF轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。
- 子账户隔离是个好设计。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。
- 最后还是那句话：风控是一切的基础。不管是小市值的五道防线，还是ETF的分钟级止损，核心都是同一个信仰——先活着，再赚钱。
六、实战检验
说得再好不如跑起来看。我已经把这套「小市值+ETF轮动_双龙出海」策略上传到了 9db量化竞技场，用真实模拟盘每天跑。
欢迎围观、拍砖。在9db上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。
也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。
作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。
免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。