年化29.6%：基于ETF评分的轮动策略加止损风控版本，更稳健（python代码+数据）

本文链接：https://blog.csdn.net/weixin_38175458/article/details/145698612

原创内容第801篇，专注量化投资、个人成长与财富自由。

昨天咱们交付了一个波动率的策略，近五年年化41.3%，卡玛1.69的基于ATR的波动率全球资产轮动（指标+策略代码）。

今天我们要优化策略：年化29.6%：基于ETF评分的轮动策略再优化 | AI量化数据及策略运行工程细节（python代码+数据）

轮动策略效果不错，但有时候回撤比较大，在实盘时心理压力比较大。

引入严格的止损机制，提升策略的稳健性，下面是逻辑：

先看效果对比：

一、动量轮动逻辑

评分机制：使用25日对数收益率的年化值乘以趋势判定系数R²，筛选趋势最强的ETF
- 年化收益通过线性回归斜率计算，衡量资产上涨速度
- R²评估趋势稳定性，过滤波动大的标的
- 综合得分=年化收益×R²，兼顾收益与趋势质量
轮动规则：
- 每日选择得分最高的ETF
- 无持仓时直接买入最优ETF
- 持仓ETF非最优时立即调仓

二、严格止损逻辑（三层风控）

动态止盈止损：
- 持仓标的若单日跌幅≥4%立即清仓
- 跟踪10日高点，跌破近期高点(cur2max10)作为预警信号
入场趋势过滤：
- 买入前验证价格>4日均线（mean4）
- 避免在短期下跌趋势中建仓
断线保护机制：
- 若因止损清仓后，标的仍为最优选择时，需等待价格重新站上均线才允许再次买入

三、策略优势

动量+止损双驱动：既捕捉趋势延续收益，又规避趋势反转风险
多维度风控：
- 硬性止损控制单日最大亏损
- 均线过滤避免逆势建仓
- 断线机制防止反复止损
低换手特性：R²因子过滤波动，减少无效调仓

四、潜在优化方向

参数优化：测试4日均线/4%止损阈值的最佳参数组合
动态止损：改用ATR波动率调整止损幅度
仓位管理：考虑分档建仓/金字塔加码
组合持仓：同时持有前2名ETF分散风险

from bt_algos_extend import Task, Engine

def ranking_ETFs():
    t = Task()
    t.name = '基于ETF历史评分的轮动策略'
    # 排序
    t.period = 'RunDaily'
    t.weight = 'WeighEqually'
    t.order_by_signal = 'trend_score(close,25)'
    t.start_date = '20180101'
    # t.end_date = '20240501'

    t.symbols = [
        '518880.SH',  # 黄金ETF（大宗商品）
        '513100.SH',  # 纳指100（海外资产）
        '159915.SZ',  # 创业板100（成长股，科技股，中小盘）
        '510180.SH',  # 上证180
    ]
    t.benchmark = '510300.SH'
    return t
def ranking_ETFs_risk_control():
    t = Task()
    t.name = '基于ETF历史评分的轮动策略-带止损风控'
    # 排序
    t.period = 'RunDaily'
    t.weight = 'WeighEqually'
    t.order_by_signal = 'trend_score(close,25)'
    t.select_buy = ['close>ma(close,4)']  # 入场条件
    t.select_sell = ['(1-close/shift(close,1))>0.04']  # 止损条件
    t.start_date = '20180101'
    # t.end_date = '20240501'

    t.symbols = [
        '518880.SH',  # 黄金ETF（大宗商品）
        '513100.SH',  # 纳指100（海外资产）
        '159915.SZ',  # 创业板100（成长股，科技股，中小盘）
        '510180.SH',  # 上证180（价值股，蓝筹股，中大盘）
    ]
    t.benchmark = '510300.SH'
    return t


res = Engine().run_tasks([ranking_ETFs(),ranking_ETFs_risk_control()])
import matplotlib.pyplot as plt

print(res.stats)
from matplotlib import rcParams

rcParams['font.family'] = 'SimHei'
#res.plot_weights()
(res.prices.pct_change()+1).cumprod().plot()
plt.show()

代码在如下位置：