外观
系统盘点六大主流量化策略在 A 股 ETF 市场的应用逻辑、核心参数与风险特征,适合希望构建系统化交易体系的投资者参考。
一、为什么选择 ETF 做量化?
在深入策略之前,先回答一个基础问题:量化策略为什么特别适合以 ETF 作为交易载体?
1.1 低成本 & 高流动性
ETF免收印花税,场内交易佣金极低,主流宽基 ETF 日均成交额达数十亿元。对中小资金而言,滑点可以忽略不计,这使得高换手率的量化策略在成本层面依然可行。
1.2 天然分散 & 无退市风险
单只 ETF 持有数十至数百只标的,天然规避了个股黑天鹅事件。如果用量化模型下单100只股票,会产生巨额佣金和冲击成本。而买入一支对应的行业或宽基ETF,一笔交易就完成了,冲击成本极低。策略只需在 ETF 层面做决策,逻辑简洁、回测可靠性高,也不存在个股退市导致持仓归零的极端风险。
1.3 品类丰富 & 场景多样
A 股目前已有超过 5000 只 ETF,覆盖宽基、行业、主题、债券、商品(黄金、原油)、货币、跨境等多种类型,可以满足轮动、对冲、多资产配置等几乎所有量化框架的需求。
二、六大主流策略
2.1 动量轮动策略
核心逻辑:基于价格动量信号,每期选出近 N 日涨幅最强的若干 ETF 持有。核心假设是"强者恒强",利用市场惯性获利。
执行步骤:
- 计算标的池内各 ETF 过去 20~60 个交易日的涨跌幅(或风险调整动量,即涨幅/波动率)
- 排序后选取排名前 K 只(通常 K=1~5)
- 等权或按信号强度加权持有,到期后重复以上步骤
- 可叠加止损机制:当持仓 ETF 价格跌破 MA60 时强制换出,规避趋势反转
参考指标:
| 指标 | 参考范围 |
|---|---|
| 年化收益 | 15%~25% |
| 夏普比率 | 0.8~1.2 |
| 最大回撤 | 20%~35% |
| 调仓频率 | 月度 / 周度 |
| 适合行情 | 趋势行情 |
| 实现难度 | 中 |
适用品种:行业 ETF 轮动(科技、消费、医疗等)、宽基指数选优(沪深 300、中证 500、创业板)
主要风险
在震荡行情或快速风格反转时容易连续止损;换手率较高,需严格控制交易成本;动量因子在 A 股存在一定的"反转效应",短期(5 日内)动量信号有时失效。
2.2 趋势跟踪策略
核心逻辑:通过均线(MA/EMA)、MACD、布林带等趋势指标判断多空方向,在趋势确立时入场,趋势结束时离场。不预测高低点,只跟随趋势。
执行步骤:
- 双均线系统:短期 MA20 上穿长期 MA60 时做多,下穿时平仓(或反手)
- 布林带突破:价格突破上轨视为趋势开始;收回中轨或下穿下轨视为趋势结束
- MACD 金叉/死叉辅助确认,可有效过滤均线的假突破信号
- 结合 ATR 动态止损,允许趋势中途的合理波动,放大盈利空间
参考指标:
| 指标 | 参考范围 |
|---|---|
| 年化收益 | 12%~18% |
| 夏普比率 | 0.7~1.0 |
| 最大回撤 | 15%~25% |
| 调仓频率 | 信号驱动(不固定) |
| 适合行情 | 单边趋势 |
| 实现难度 | 低 |
适用品种:沪深 300 ETF、中证 500 ETF 等流动性好的宽基品种
主要风险
震荡市中均线频繁交叉导致连续小额止损("锯齿"行情);信号本身存在滞后性,入场时已错过部分涨幅。
2.3 风险平价策略
核心逻辑:不依赖对市场方向的判断,而是通过让各资产对组合总风险的贡献相等来实现真正的分散化。典型代表为桥水的全天候(All Weather)组合。
执行步骤:
- 计算各 ETF 的历史波动率(20~60 日滚动标准差)
- 各资产权重 ∝ 1/波动率,使每笔持仓的风险贡献相等
- 引入协方差矩阵时,演变为更严格的 ERC(等风险贡献)模型,进一步考虑资产间相关性
- 低波动资产(债券/黄金 ETF)权重占比偏高,可引入适度杠杆放大其名义收益
参考指标:
| 指标 | 参考范围 |
|---|---|
| 年化收益 | 8%~12% |
| 夏普比率 | 0.9~1.4 |
| 最大回撤 | 8%~15% |
| 调仓频率 | 月度 |
| 适合行情 | 全天候 |
| 实现难度 | 高 |
适用品种:股票 ETF + 债券 ETF + 黄金 ETF + REITs 的多资产组合
为什么回撤小?
风险平价的优势来自资产间的低相关性。当股票大跌时,债券和黄金通常表现稳健,从而对冲了组合的整体损失。这正是"全天候"名称的由来。
主要风险
低利率环境下债券收益下降,组合回报随之萎缩;若引入杠杆,极端波动期(如 2020 年 3 月)可能放大亏损。
2.4 均值回归策略
核心逻辑:假设价格偏离长期均值后终将回归,在超卖时买入、超买时卖出。RSI、布林带下轨、Z-Score 是常用的信号来源。
执行步骤:
- RSI 超卖/超买:RSI < 30 视为超卖信号,买入;RSI > 70 视为超买,减仓
- Z-Score 偏离:当价格偏离 60 日均值超过 −2σ 时建仓,偏离 +2σ 时减仓
- 折溢价套利:利用场内 ETF 相对净值的折溢价偏离实现无风险或低风险套利
- 配对交易:选取两只高度相关的 ETF(如沪深 300 vs 中证 500),当二者价差偏离历史均值时做多低估的、做空高估的,等待回归
参考指标:
| 指标 | 参考范围 |
|---|---|
| 年化收益 | 10%~15% |
| 夏普比率 | 0.7~1.1 |
| 最大回撤 | 12%~20% |
| 调仓频率 | 信号驱动 |
| 适合行情 | 区间震荡 |
| 实现难度 | 中 |
适用品种:宽基 ETF 的短线交易、LOF/ETF 折溢价套利
主要风险
趋势行情中"越跌越买"会导致重大亏损(价值陷阱);均值本身可能发生结构性漂移,使历史参数失效。
2.5 多因子增强策略
核心逻辑:在跟踪基准的同时,通过价值、质量、低波动、动量等因子构建偏离组合,在控制风险的前提下获取相对基准的超额收益(Alpha)。
执行步骤:
- 选取多维因子:价值因子(PB/PE)、质量因子(ROE、利润增速)、动量因子(近 3 个月收益率)、低波因子(20 日波动率倒数)
- 对候选 ETF 进行多因子打分与合成(加权或 IC 加权)
- 在控制行业中性、风险因子暴露的前提下,构建相对基准的偏离组合
- 定期用因子暴露检验组合是否偏离预期,季度再平衡
参考指标:
| 指标 | 参考范围(相对基准超额) |
|---|---|
| 超额年化收益 | 3%~8% |
| 信息比率(IR) | 0.5~1.2 |
| 最大相对回撤 | 5%~12% |
| 调仓频率 | 季度 |
| 适合行情 | 长期稳定 |
| 实现难度 | 高 |
适用品种:行业 ETF 因子轮动、Smart Beta ETF(红利 ETF、低波 ETF)的配置
主要风险
因子拥挤后超额收益衰减;在 ETF 层面的颗粒度较粗,因子效果不如个股层面显著。
2.6 网格交易策略
核心逻辑:在设定的价格区间内均匀布置买卖网格,价格每下降一格买入固定份额,每上升一格卖出,通过高频小利润积累整体收益。
执行步骤:
- 确定价格中枢与上下边界,均匀划分 N 个网格(通常 10~20 格)
- 价格下穿每条网格线时买入固定份额,上穿时卖出对应份额
- 中枢可动态调整(跟随长期移动均线)以适应慢牛行情下的价格漂移
- 设置总仓位上限与最大亏损止损线,防止单边下跌时仓位无限累积
参考指标:
| 指标 | 参考范围 |
|---|---|
| 年化收益 | 5%~15% |
| 夏普比率 | 0.6~1.0 |
| 最大回撤 | 视网格宽度而定 |
| 调仓频率 | 价格触发(近实时) |
| 适合行情 | 区间震荡 |
| 实现难度 | 低 |
适用品种:震荡特征明显的宽基 ETF(如沪深 300)或债券 ETF
主要风险
单边持续下跌时仓位越堆越高,造成重大亏损;牛市中频繁卖出导致踏空上涨收益。
三、策略横向对比
| 策略 | 适合行情 | 年化收益(参考) | 夏普比率 | 最大回撤 | 实现难度 |
|---|---|---|---|---|---|
| 动量轮动 | 趋势行情 | 15%~25% | 0.8~1.2 | 20%~35% | 中 |
| 趋势跟踪 | 单边趋势 | 12%~18% | 0.7~1.0 | 15%~25% | 低 |
| 风险平价 | 全天候 | 8%~12% | 0.9~1.4 | 8%~15% | 高 |
| 均值回归 | 区间震荡 | 10%~15% | 0.7~1.1 | 12%~20% | 中 |
| 多因子增强 | 长期稳定 | +3%~8%(超额) | 0.8~1.2 | 5%~12%(相对) | 高 |
| 网格交易 | 区间震荡 | 5%~15% | 0.6~1.0 | 视网格宽度 | 低 |
注意:以上数据为历史回测典型区间的参考范围,非实盘保证。不同市场环境下实际表现可能大幅偏离。
四、A 股特殊注意事项
4.1 交易制度约束
A 股采用 T+1 交割制度,当天买入的 ETF 需次日才能卖出;但 ETF 场内支持"T+0"(卖出当日所得资金可再买入),这为日内轮动提供了空间。此外,A 股 ETF 普通涨跌停板为 ±10%(ST 类为 ±5%),极端行情下可能无法按预期价格执行信号,需在策略设计时预留容差。
4.2 流动性筛选标准
建议策略标的池设置以下最低门槛:
- 日均成交额 > 5000 万元:确保大额资金进出时滑点可控
- 基金规模 > 2 亿元:规避小基金清盘风险(规模持续低于 5000 万元的 ETF 有被清算的可能)
- 上市时间 > 6 个月:避免新基金上市初期流动性不足和溢价偏高带来的回测失真
4.3 政策与情绪因素
A 股政策敏感性极高,重大政治会议、货币政策转向、行业监管政策(如 2021 年教育行业整顿)可能在极短时间内造成剧烈波动。纯技术策略建议叠加宏观过滤器,例如:
- 在市场整体 PE 极度高估时降低仓位或切换防御资产
- 重大政策窗口期(两会、中央经济工作会议前后)调整策略参数或暂停交易
4.4 日历效应
A 股存在一些被学术研究证实的日历效应,可以作为择时的辅助信号:
- 节前效应:春节、国庆假期前市场往往有一定上涨倾向
- 月末效应:机构资金月末调仓可能引发短期波动
- 年初效应:开年第一个月资金入市积极性相对较高
4.5 跨境 ETF 的特殊风险
投资纳斯达克 ETF、标普 500 ETF 等跨境品种时,需关注:
- 汇率风险:人民币升值会压缩美元资产的人民币收益
- 溢价风险:当监管暂停跨境 ETF 申购时,场内价格可能远高于净值,此时买入面临溢价回归损失
- 时区差异:信号计算时间与海外市场实际交易时间存在错位
五、如何选择适合自己的策略
不同投资者的资金规模、时间精力和风险偏好各异,以下是一些匹配建议:
| 你的情况 | 推荐策略 | 理由 |
|---|---|---|
| 资金 < 50 万,追求高收益 | 动量轮动 + 趋势跟踪 | 换手成本低,无需多只持仓,规则简单 |
| 资金较大,追求稳健 | 风险平价 + 多因子增强 | 回撤小,容量大,适合机构级资金 |
| 时间精力有限,偏向被动 | 网格交易 + 趋势跟踪 | 信号明确,易于自动化,无需盯盘 |
| 行情研判能力强 | 均值回归 + 事件驱动 | 需要对宏观和行业有深度理解 |
| 希望构建低相关性组合 | 风险平价多资产配置 | 股债商品 ETF 组合相关性低,分散效果显著 |
| 初学者 / 刚接触量化 | 趋势跟踪(双均线) | 逻辑直觉友好,参数少,容易理解和调整 |
六、策略叠加与组合
单一策略在特定市场环境下往往存在盲区,将多种互补策略叠加可以改善整体风险收益特征:
- 动量 + 趋势:用趋势过滤器剔除假动量信号,减少震荡市中的误操作
- 动量 + 风险平价:动量决定各 ETF 的相对权重,风险平价决定各资产类别的总仓位
- 均值回归 + 趋势跟踪:趋势行情中跟趋势,震荡行情中做回归,自动切换"人格"
在次方量化平台上实践
次方量化平台提供了动量轮动和**风险平价(全天候)**两大策略系统,内置了多种动量计算方式和止损机制,支持自定义标的池和参数。你可以在回测功能中验证不同参数组合的历史表现,再上线实盘模拟。
七、小结
A 股 ETF 市场已经足够丰富,为量化策略提供了多样化的实施场景。六大策略各有侧重:
- 追求高收益且能承受回撤 → 动量轮动
- 规则简单、适合自动化 → 趋势跟踪
- 追求全天候稳健 → 风险平价
- 擅长震荡市操作 → 均值回归 / 网格交易
- 追求长期超额 Alpha → 多因子增强
没有"最好"的策略,只有"最适合当下市场环境和自身认知"的策略。建议先在历史回测中充分验证,再小仓位实盘观察,最终形成适合自己的量化体系。
免责声明
本文所有策略描述及数据均为研究目的整理,年化收益、夏普比率等指标为历史典型区间的参考范围,不构成任何投资建议。量化策略的实盘表现受市场环境、执行成本、数据质量等多重因素影响,过去表现不代表未来收益。投资有风险,入市需谨慎。