攻守平衡的风格轮转策略
由bqtnziby创建，最终由bqtnziby 被浏览 6 用户
《孙子兵法》有云：“不可胜者，守也；可胜者，攻也。守则不足，攻则有余……故善战者，立于不败之地，而不失敌之败也。”如何在策略之中找准进攻的时机大获全胜，又能在形势不佳时也立于不败之地显得格外重要。该策略通过机器学习预测市场风格，动态切换进攻和防守股票池，实现风险与收益的平衡。
1.策略核心目的
1.1市场风格轮动理论
A股市场存在显著的风格轮动特征（如牛熊交替、大小盘切换、成长/价值轮动），其本质是资金在不同风险偏好资产间的流动。当市场处于“强市”时，资金倾向于流入高成长、高弹性标的；当市场处于“弱市”时，资金更偏好低波动、高稳定性标的。这为策略“分风格构建股票池”提供了底层逻辑。
1.2市场风格判断
我们在回望股市K线图的时候，很容易可以去判断某一段时间内是“强”还是“弱”；或者当我们身处“强市”或者“弱市”的时候，我们会有明显的感觉（比如“大盘又在涨”，“指数又在升”之类），但是其实我们对市场风格的认知和判断都是基于这种“感觉”——虽然只可意会不可言传，但时常是准的。
这种“感觉”实际上就是我们基于在股市摸爬滚打的经验形成的判断标准，所以要准确描述这种“感觉”，就可以利用机器学习来“准确地模糊”判断标准。
随机森林算法
随机森林的特性与市场风格预测需求高度匹配：一方面，策略构建了涵盖动量、波动率、量能等14个维度的特征，随机森林能高效处理多特征输入；另一方面，市场风格转换存在非线性规律，随机森林的拟合能力可捕捉这种复杂关系，从而准确预测未来10日市场收益率是否高于中位数，实现“强市/弱市”的二分类判断。
1.3策略本质
策略摒弃“单一策略贯穿全市场”的局限，通过市场风格轮动实现动态适配：
- 强市（进攻）：优先选择小市值、高成长标的，追求超额收益；
- 弱市（防守）：优先选择低换手率波动标的，控制回撤风险；
- 核心优势：用机器学习提升风格判断的准确性，用分池策略兼顾收益与风险。
2.策略执行流程
Step1:数据准备与模型构建
(1)训练数据提取与特征工程：以沪深300指数2008-2019年日线数据为训练集，构建14个特征，涵盖动量（如3日/5日收益率）、波动率（如5日/10日收益标准差）、量能（如5日/10日成交额比）、价格波动（如日振幅）四大维度，并计算“未来10日收益率”作为标签（高于训练期中位数为1，否则为0）。
(2)模型训练与验证：使用StandardScaler标准化特征，训练随机森林模型（参数：n_estimators=150、max_depth=10、min_samples_split=15），训练集准确率作为基础验证指标。
(3)全市场风格预测：提取沪深300指数从“回测开始日前100天”到“回测结束日”的完整数据，用训练好的模型预测每日风格信号（style_signal）及强市概率（style_proba）。
(4)强弱市股票池构建
- 强市池（进攻）：筛选“非ST、非创业板、上市满1年、流通市值＞5亿、净利润TTM增速＞30%、营收TTM增速＞30%、PE_TTM 0-50、PB＜5”的股票，按总市值从小到大取前5只（小市值成长偏好）；
- 弱市池（防守）：筛选“上市满252天、非ST、非停牌”的股票，按20日换手率波动率从小到大取前10只（低波动偏好）。
Step2:风格判断与调仓
(1)风格判断：每日获取当日市场风格信号（从预计算的style_signal中匹配），若当日为月度首个交易日，则触发调仓判断。
(2)股票池匹配：若风格为强市（style_signal=1），选用强市股票池；若为弱市（style_signal=0），选用弱市股票池。
(3)仓位调整：采用等权分配策略，对目标股票池内标的各分配相同权重，同时卖出不在目标池中的持仓标的，完成调仓。
(4)风格切换监控：记录风格切换次数及切换时的强市概率，便于后续策略分析。
基础设置：
- 市场范围：A股市场（cn_stock）
- 交易成本：买入费率0.03%、卖出费率0.13%，最低5元/笔
- 调仓周期：月度调仓（足够时间观望和适应市场风格）
- 持股数量：“强市”3只；“弱市”5只
3.回测结果
回测时间为2023-01-01 至 2025-10-31
4.改进方向
- 模型迭代与特征扩展：当前使用随机森林，可尝试XGBoost、LightGBM等梯度提升模型；特征方面可新增宏观经济指标（如PMI、利率）、情绪指标（如融资融券余额），提升风格预测准确率。
- 股票池筛选条件优化： 强市池可加入更多指标，进一步筛选高景气度标的；弱市池可结合“股息率”“现金流覆盖率”等基本面指标，增强防守性。
- 调仓频率与阈值动态调整：当前固定月度调仓，可根据市场波动率动态调整（如高波动时缩短调仓周期）；同时可设置“风格概率阈值”（如强市概率＞60%才切换进攻策略），减少无效切换。
- 调整随机森林算法中判断强弱市的标准。（当前用是否大于中位数可能会导致市场强弱的绝对标准被忽略）可以考虑在当前基础上加上绝对标准（比如近n日基准收益率大于0%，10%……）
策略代码：
\