第一期：A 股双均线，到底有没有用？
本文仅用于教育与研究，不构成投资建议。文中收益、回撤、Calmar 等数据均来自特定样本期回测，不代表未来可复现结果。
读前须知几个常用指标：
CAGR（年化复合收益率）：假设每年以相同比例复利增长，折算到持有期末恰好得到相同总收益时的年增长率。不同持有期的策略可以用它横向比较——波动越大，CAGR 会因为复利损耗而低于算术平均年化。最大回撤：历史上从账户最高点到最低点的最大跌幅，衡量的是策略最坏情况下您的账户会缩水多少。Calmar 比率：CAGR 除以最大回撤的绝对值，衡量每承担一单位最大损失能获得多少年化收益，数值越高代表风险调整后回报越好。
这期实验用三个标签标注每条路线的结论：
- 样本内达标：在该实验的样本窗口内，CAGR 和最大回撤两项指标同时优于基线，标签含义仅限于此，不代表策略已被验证为可采用方案
- rejected：指标落后，或结构分析发现这条方向本身无效，不值得继续
- inconclusive：部分指标有改善但未全部超越基线，或改善幅度不足以形成明确结论；也用于作为后续变体对照的基准版本
A 股的均线策略，网上从来不缺"有效"的声音，也不缺"无效"的声音。这期实验想做的事情很简单：把数据摆出来，老实记录。
核心问题是：20/26 双均线在创业板上真的有用吗？如果有用，该怎么扩展它？
先看这期实验的汇总结果，后面逐条拆开分析：
| # | 策略 | 样本窗口 | CAGR | Max DD | Calmar | 结论 |
|---|---|---|---|---|---|---|
| B1 | 创业板 ETF 买持 | 2011/09–2026/04 | 10.34% | −67.15% | 0.154 | 基线 |
| MA1 | 20/26 双均线（创业板） | 2011/09–2026/04 | 14.60% | −48.44% | 0.301 | 样本内达标 |
| MA2 | 双均线 + CSI300 MA120 宏观过滤 | 2011/09–2026/04 | 5.85% | −52.45% | 0.112 | rejected |
| B2 | 三标的等权买持 | 2019/05–2026/04 | 14.76% | −47.98% | 0.308 | 对照基线 |
| MA4 | 三标的独立双均线 | 2019/05–2026/04 | 16.11% | −25.88% | 0.622 | 样本内达标 |
回测设定说明：价格数据使用复权价（含分红和拆股调整）。双均线信号使用收盘价计算，次日开盘执行。
MA20上穿MA26时建仓，下穿时清仓。样本窗口内无做空操作，空仓期持有现金。20/26 这组参数在本样本上观察选定，未经独立的样本外优化。
先立基线：创业板买持，听起来平淡，其实不简单
B1：创业板 ETF（159915）买持
- 样本窗口：2011-09-20 至 2026-04-22（约 14.6 年）
- CAGR: 10.34%，Max DD: −67.15%，Calmar: 0.154，期末净值: 4.1996
14.6 年 CAGR 超过 10%，这个结果本身不差。如果 2011 年末投入 10 万元，不做任何操作，到 2026 年 4 月账户里有约 42 万元。
但 Calmar 只有 0.154，说明路上的代价极重。−67.15% 的最大回撤意味着，如果您在一个峰值时点买入，账户曾经缩水超过三分之二。更关键的是：创业板本身的年度收益极度不均匀。
| 年份 | 买持年度收益 |
|---|---|
| 2013 | +65.91% |
| 2015 | +70.72% |
| 2018 | −25.27% |
| 2022 | −28.01% |
| 2025 | +48.45% |
牛市暴涨、熊市暴跌，这就是创业板的真实面目。它不是美股那种"长期缓慢向上"的市场结构——它的收益高度集中在少数几个牛市年份，但熊市的跌幅同样极端。入场时机的依赖性，在 A 股比美股严重得多。 2015 年底买入的投资者，拿着这个基线策略，到 2018 年底可能还是亏损的。
这就是为什么双均线这类趋势跟踪策略在 A 股有它的讨论价值：如果熊市能少亏一点，复利的积累会完全不同。
第一幕：验证双均线
想法
最简单的思路：MA20 上穿 MA26 时买入，下穿时卖出。这是教科书级别的双均线，不加任何附加条件。在 A 股的牛熊剧烈切换环境下，它能不能有效过滤掉熊市的大跌？
结果（MA1）：两项成功标准均超额达成
MA1：创业板 ETF 20/26 双均线
- 样本窗口：2011-09-20 至 2026-04-22
- CAGR: 14.60%（+4.26pp），Max DD: −48.44%（改善 18.71pp），Calmar: 0.301，期末净值: 7.3018
和买持基线对比：
| 指标 | 买持（B1） | 双均线（MA1） | 改善幅度 |
|---|---|---|---|
| CAGR | 10.34% | 14.60% | +4.26pp |
| Max DD | −67.15% | −48.44% | +18.71pp |
| Calmar | 0.154 | 0.301 | 翻近一倍 |
| 期末净值 | 4.1996 | 7.3018 | — |
两项成功标准（CAGR 和 Max DD）同时超额达成，结论标注为样本内达标。
为什么有效？关键在 2022 年
逐年对比数字最能说明问题：
| 年份 | 双均线（MA1） | 买持（B1） | 差距 |
|---|---|---|---|
| 2015 | +84.73% | +70.72% | +14.01pp |
| 2022 | +25.22% | −28.01% | +53.23pp |
| 2025 | +35.67% | +48.45% | −12.78pp |
2022 年是双均线在这个样本里最关键的一年。当年 A 股进入系统性下跌，买持策略跌了 28%，双均线策略因为之前已经出局，全年正收益 25%。两者差距高达 53 个百分点。
这笔"避免损失"带来的复利改善，远远超过 2025 年均线滞后导致少赚的代价（−12.78pp）。双均线的 alpha 主要来自熊市减损，而不是牛市多赚。
2015 年双均线甚至略微超过了买持（+14pp），但这不是主要故事。趋势跟踪策略在牛市里偶尔会因为信号不滞后而超越，但多赚多少不是关键，关键是熊市少亏多少。
外部交叉验证
bmpi.dev 的公开研究使用 11/22 双均线、样本期 2004–2020，在同类市场上测得 CAGR 约 15.82%，方向与 MA1 的 14.60% 一致。不同参数、不同样本窗口，结论方向相同，一定程度上增加了这个结论的可信度。
第二幕：叠加宏观过滤——听起来更聪明，结果更差
想法
双均线有效之后，一个自然的念头是：能不能让它"更稳"？
A 股有一个特点：大盘状态不好的时候，创业板再强也容易被拖累。如果加入一个宏观过滤条件——只有当 CSI300（沪深 300 指数）在 MA120 上方，也就是大盘处于长期上升通道时，才允许双均线信号建仓——这样能不能减少在熊市里被反复震荡止损的情况？
逻辑听起来合理：大盘好才进创业板，大盘差就全部回避。
结果（MA2）：全面恶化
MA2：双均线 + CSI300 MA120 宏观过滤
- 样本窗口：2011-09-20 至 2026-04-22
- CAGR: 5.85%（从 14.60% 掉了 8.75pp），Max DD: −52.45%（比双均线还差！），Calmar: 0.112
对比很刺眼：
| 指标 | 双均线（MA1） | 加宏观过滤（MA2） | 变化 |
|---|---|---|---|
| CAGR | 14.60% | 5.85% | −8.75pp |
| Max DD | −48.44% | −52.45% | 反而更差 |
| Calmar | 0.301 | 0.112 | 腰斩再腰斩 |
结论标注为 rejected。
为什么"更聪明的条件"在 A 股反而失效？
这个结果值得认真解释，因为 MA2 的失败逻辑在 A 股里非常典型。
第一，CSI300 MA120 是一个极慢的信号。 120 日均线需要大盘已经趋势性上涨相当长一段时间，才会发出允许进场的信号。但创业板的启动往往先于或快于沪深 300 的"慢热"——等到 CSI300 MA120 条件满足，创业板已经涨了一大截。
第二，A 股的政策驱动反转极快。 美股的熊市往往是渐进的，宏观过滤有时间窗口让策略在熊市中途出局。A 股经常是政策突然转向、市场单日大幅反弹——一次国家队入市、一次降准公告，创业板可能直接跳空高开 5%。这种反转不给 MA120 留时间反应，过滤条件还没松开，行情已经走了。
第三，创业板本身是"反主流"的高 beta 资产。 沪深 300 更代表银行、地产、工业等传统经济，而创业板代表科技、医药、新能源等成长板块。两者的周期往往不同步：有时候大盘低迷但创业板因为政策利好独自走强，有时候大盘平稳但创业板因为估值过高独自调整。用 CSI300 的状态来"看门"创业板的进出，是在用错误的代理指标过滤信号。
结果是：宏观过滤既没有在真正的系统性熊市里额外保护，反而在创业板独立反弹的关键时间窗口把策略锁在门外。两个问题叠加，收益大幅受损，回撤没有改善。
这期实验里最重要的反面教材就是 MA2：在 A 股，叠加"听起来合理"的宏观过滤，不一定让策略更稳，有时候只是让它更慢。
第三幕：找到真正有效的扩展——多标的分散
想法
既然叠加规则不是正确方向，那什么才是？
一个不同的思路：把同样的双均线信号，应用到多个独立的标的上，然后等权合并。每个标的都按自己的信号独立判断进出，互不干扰。如果标的之间的相关性不高，熊市里不会同时下跌，那么整体回撤会被自然压低。
选取三个标的：
- 创业板 ETF（
159915）：科技、医药、新能源驱动的高弹性板块 - 军工 ETF（
512660）：政策驱动为主，与创业板周期相关性低 - AI ETF（
159819）：主题性板块，波动节奏与宽基创业板不同步
先看三标的买持基线（B2）
B2：三标的等权买持
- 样本窗口：2019-05-22 至 2026-04-22（约 7 年）
- CAGR: 14.76%，Max DD: −47.98%，Calmar: 0.308
这是对照基线，不是最终结论。7 年 CAGR 14.76%，比单创业板买持更高，说明这三个标的在这段时间里整体表现不错。但 Max DD 还是接近 −48%，风险依然很大。
三标的各自独立双均线（MA4）：Calmar 翻倍
MA4：三标的独立双均线
- 样本窗口：2019-05-22 至 2026-04-22（约 7 年）
- CAGR: 16.11%（+1.35pp），Max DD: −25.88%（改善 22.1pp！），Calmar: 0.622，期末净值: 2.8112
对比三标的买持基线：
| 指标 | 三标的买持（B2） | 三标的双均线（MA4） | 改善幅度 |
|---|---|---|---|
| CAGR | 14.76% | 16.11% | +1.35pp |
| Max DD | −47.98% | −25.88% | +22.10pp |
| Calmar | 0.308 | 0.622 | 翻倍 |
Max DD 从 −48% 压缩到 −26%，Calmar 翻倍到 0.622。这是这期实验里风险调整后表现最好的结果。
关键年份验证：2022 年，三标的买持跌了 −28.90%，三标的独立双均线只跌了 +2.88%，几乎打平。
为什么多标的分散有效，而叠加过滤无效？
这两种"扩展"思路的差异值得仔细说清楚。
叠加过滤（MA2 的思路）是在一个单一决策路径上串联更多条件，每增加一个条件就多一个可能被锁住的情况。问题在于：A 股的行情切换太快，任何"慢"的过滤条件都会在正确的时机错过正确的信号。
多标的分散（MA4 的思路）不改变单个标的的决策逻辑，而是同时运行多个独立的决策流。这三个标的在不同的宏观环境下表现不同步：
- 军工 ETF 的驱动力是国防政策，与市场整体估值相关性有限，在 2022 年 A 股普跌的环境里也有过独立行情
- AI ETF 是主题性资产，其启动时机和持续时间往往与宽基创业板不同步，两者不会在同一时间同时触发下穿信号
- 三个标的独立判断进出，某一个被均线打到空仓时，另外两个可能还在持仓，整体仓位自然平滑
这不是靠"更聪明的规则"赢的，而是靠不相关的风险来源在时间轴上错开了。
这期实验真正留下来的
样本内达标（2 条）：
MA1，20/26 双均线创业板版，在 2011–2026 这 14.6 年里，CAGR 从 10.34% 提到 14.60%，Max DD 从 −67.15% 改善到 −48.44%，两项成功标准同时达成。Alpha 主要来自熊市减损，2022 年单年差距 53pp 是核心数据点。这个"样本内达标"的含义是：在这个样本窗口内两项指标同时优于基线——这不等于"这条策略已被证明可采用"。20/26 是在本样本内观察选定的参数，未经独立样本外验证。
MA4，三标的独立双均线（创业板+军工+AI ETF 等权合并），在 2019–2026 这 7 年里，CAGR 16.11%，Max DD 压到 −25.88%，Calmar 0.622，是这期实验风险调整后回报最优的结果。驱动力是三个低相关标的在时间轴上的风险错配，而不是更复杂的规则。样本窗口只有 7 年，包含了 A 股的 AI 行情，是重要的局限。
rejected（1 条）：
MA2，双均线叠加 CSI300 MA120 宏观过滤，CAGR 从 14.60% 跌到 5.85%，Max DD 反而恶化到 −52.45%。失败原因是宏观过滤信号太慢，与创业板的政策驱动快速反转不匹配，且用沪深 300 的状态代理创业板本身是错误的代理关系。这条方向不值得继续优化。
一句话总结：在 A 股，双均线本身有效，但"叠加更多规则"不一定让它更好。正确的扩展方式是多标的分散，而不是更复杂的过滤逻辑。
这期之后，下一步该问什么
这期实验留下了一个还没回答的问题：多标的分散的具体选法，有多重要？
MA4 的三个标的是特意选择的：创业板、军工、AI ETF。如果换成其他组合，Calmar 的改善还能复现吗？标的之间的低相关性是 A 股的普遍现象，还是这三个标的的特殊性？
另一个方向是：A 股的动量轮动。既然三标的等权合并有效，如果改成动态地把资金集中分配给当前最强的那个标的，结果会更好还是更差？A 股的标的轮动节奏和美股完全不同，直接套用美股动量策略的结论并不合适。
下一期计划从这两个问题出发，在 A 股里认真测一遍动量轮动的基本有效性。
如果您想继续围观后续实验：
重要提醒：本文所有内容仅为学习研究用途，不构成投资建议。用户应独立做出投资决策并承担相应风险。