第二期：A 股科技板块动量轮动，有没有比买最强的更好的办法？
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。最大回撤：历史上从账户最高点到最低点的最大跌幅。Calmar 比率：CAGR 除以最大回撤绝对值，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
上一期的结论是：A 股双均线有效，正确的扩展是多标的分散，而不是叠加更复杂的规则。
这期问的是另一个方向：如果不用双均线固定仓位，而是每隔一段时间动态地持有当前最强的那个标的，效果会如何？
这就是动量轮动的核心逻辑——持续持有近期涨幅最强的标的，定期重新排名并切换。听起来比双均线更"主动"。这期实验从最基础的科技板块四标的出发，沿五条路线检验了它在 A 股的边界。先看汇总，后面逐条分析：
| # | 策略 | 样本窗口 | CAGR | Max DD | Calmar | 结论 |
|---|---|---|---|---|---|---|
| B1 | 科技四标等权买持 | 2021/01–2026/04 | 6.62% | −55.79% | 0.119 | 基线 |
| R1 | 21日动量月度换仓（四标） | 2021/01–2026/04 | 19.85% | −39.64% | 0.501 | 样本内达标 |
| R2 | 21日动量日度换仓（四标） | 2021/01–2026/04 | 10.49% | −46.10% | 0.228 | rejected |
| R3 | 60日动量月度换仓（四标） | 2021/01–2026/04 | 8.98% | −53.02% | 0.169 | inconclusive |
| R4 | 加入防御资产（CSI300）+ 相对门 | 2021/01–2026/04 | 3.83% | −55.11% | 0.069 | rejected |
| R5 | 加入防御资产（CSI300）+ 绝对门 | 2021/01–2026/04 | 4.89% | −49.82% | 0.098 | rejected |
| R6 | 五标（加军工 ETF）月度 21 日 | 2021/01–2026/04 | 11.34% | −46.63% | 0.243 | rejected |
| R7 | 四标 + 绝对动量空仓门（阈值 0） | 2021/01–2026/04 | 14.65% | −46.76% | 0.313 | rejected |
| R8 | 四标 + 绝对动量空仓门（阈值 −5%） | 2021/01–2026/04 | 14.65% | −46.76% | 0.313 | rejected |
| B2 | 跨资产等权（A股+美股+黄金） | 2013/01–2026/04 | 14.91% | −28.02% | 0.532 | 对照基线 |
| R9 | 跨资产三标动量月度 21 日 | 2013/01–2026/04 | 14.48% | −43.53% | 0.332 | rejected |
| R10 | 跨资产五标动量月度 21 日 | 2013/01–2026/04 | 15.76% | −44.26% | 0.356 | rejected |
回测设定：复权价格数据，每笔交易按成交金额的 0.03% 计入佣金。月度换仓在每月首个交易日收盘后计算信号、次日开盘执行；日度换仓为每日换仓。动量窗口（21日/60日）在本样本上观察选定，未经独立样本外优化。
先立基线：科技四标等权，熊市代价巨大
B1：科技四标等权买持
- 标的：创业板 ETF（
159915）、AI ETF（159819）、半导体 ETF（512480）、新能车 ETF（515700）各 25% - 样本窗口：2021-01-04 至 2026-04-22（约 5.3 年）
- CAGR: 6.62%，Max DD: −55.79%，Calmar: 0.119，期末净值: 1.4042
| 年份 | 等权买持 |
|---|---|
| 2021 | +8.14% |
| 2022 | −28.80% |
| 2023 | −19.19% |
| 2024 | +26.62% |
| 2025 | +52.14% |
四个高 beta 的科技主题 ETF 等权配置，2022–2023 连续两年大幅回撤，拖累了整体复利。Calmar 0.119 是极低的风险调整后回报——每承担 1% 的最大回撤，只换来约 0.12% 的年化收益。
这是一个不难打败的基线，但"打败"的方式决定了策略的真实质量。
第一条路：调仓频率实验
想法
动量轮动的核心变量之一是换仓频率。换得越快，越能捕捉短期强势标的；换得越慢，摩擦成本越低、噪声过滤越多。在 A 股科技板块，哪个频率最合适？
月度换仓 + 21 日动量（R1）：样本内唯一达标
R1：21 日动量月度换仓
- CAGR: 19.85%（+13.23pp），Max DD: −39.64%（改善 16.15pp），Calmar: 0.501，期末净值: 2.609
| 年份 | R1 月度动量 | B1 等权买持 |
|---|---|---|
| 2021 | +36.74% | +8.14% |
| 2022 | −21.93% | −28.80% |
| 2023 | +11.48% | −19.19% |
| 2024 | +10.83% | +26.62% |
| 2025 | +65.62% | +52.14% |
CAGR 和 Max DD 同时优于基线，标注为样本内达标。
最突出的是 2021 年（+36.74% vs +8.14%）：月度动量精准捕捉了新能车→AI 的主题轮动。2023 年差距也很大（+11.48% vs −19.19%）：当等权组合里多个标的同时下跌，月度动量的资金集中在当期最强标的，减少了对弱标的的被动持有。
2024 年是反例（+10.83% vs +26.62%）：政策底后全面反弹，集中持仓反而跑输了分散买持。这是动量策略在"全面反弹"行情里的固有弱点——反弹初期往往是前期最弱的标的弹得最快，动量选最强标的会错过这一段。
日度换仓（R2）：高频不是好事
R2：21 日动量日度换仓
- CAGR: 10.49%，Max DD: −46.10%，Calmar: 0.228
CAGR 比基线好（10.49% vs 6.62%），但远低于月度换仓（19.85%）。原因是日度换仓在 A 股的高噪声环境下会频繁切换，每一次无效切换都在消耗交易成本，同时放大了对短期噪声信号的追随。
结论标注为 rejected：打败了基线，但打不过月度换仓。在 A 股科技板块，高频换仓是负效益的。
60 日动量月度换仓（R3）：窗口太长
R3：60 日动量月度换仓
- CAGR: 8.98%，Max DD: −53.02%，Calmar: 0.169
60 日窗口在 2021 年表现不错（+47.97%），但 2024 年转负（−1.96%）。A 股科技板块的主题切换速度很快——新能车、AI、半导体的轮动节奏往往在 1–2 个月内完成。60 日窗口因为信号"太慢"，常常在主题刚切换时还持有上一个主题的标的，错过了切换点的收益。
标注为 inconclusive：CAGR 不如基线明确，方向上次于 21 日月度。
调仓频率实验的结论：在 A 股科技板块，月度换仓 + 21 日动量窗口是有效参数组合；日度换仓摩擦太高，60 日窗口反应太慢。
第二条路：加入防御资产
想法
R1 在 2022 年还是跌了 −21.93%。能不能在熊市里自动切换到防御资产，减少这段损失？
在测试防御机制时，我们换了一个更宽的五标的池：创业板（159915）、AI ETF（159819）、新能源 ETF（516160）、新能车 ETF（515700），再加入 CSI300（沪深 300 ETF 510300）作防御候选标的——合计五支。注意这个池和 R1 不同：它用新能源替换了半导体，同时单独加入了新能车，目的是覆盖更多板块来测试防御机制的泛化能力。两种触发方式：
- 相对门：只要
CSI300的动量排名高于任何进攻型标的，就切换持有CSI300 - 绝对门：如果当前最强进攻型标的的绝对动量小于 0，就切换持有
CSI300
结果（R4、R5）：防御资产的加入让策略全面变差
R4：加入 CSI300 + 相对门
- CAGR: 3.83%，Max DD: −55.11%，Calmar: 0.069
R5：加入 CSI300 + 绝对门
- CAGR: 4.89%，Max DD: −49.82%，Calmar: 0.098
两条路都是 rejected。
R4 的数字和"没有防御"的情形完全相同，因为 CSI300 的动量在这段时间里从未超过任何一个科技 ETF——防御门槛从来没有触发过，CSI300 的存在完全是摆设。
R5（绝对门）虽然有轻微改善，但 CAGR 只有 4.89%，对比 R1 的 19.85%，差距根本不在一个量级。
根本问题是标的池的质量，而不是防御门槛的设计。这个五标的池里包含了表现持续低迷的新能源 ETF（516160）：2022–2024 年三年，新能源行业估值持续压缩，动量策略在轮转到新能源时会产生持续损耗，而 CSI300 无法阻止这一点。
把一个问题标的加入轮动池，然后试图用防御机制来修补它，是错误的顺序。标的池质量比防御机制更重要。
第三条路：加入军工 ETF
想法
R1 的标的池是四个科技 ETF。上一期（issue-001）里，军工 ETF（512660）在双均线组合里发挥了有效的分散作用，与创业板的相关性低。把军工加入动量轮动，能不能让轮动有更多有效信号可以选择？
结果（R6）：加入军工让轮动明显变差
R6：五标（加军工 ETF）21 日动量月度换仓
- CAGR: 11.34%（vs R1 的 19.85%），Max DD: −46.63%（vs R1 的 −39.64%），Calmar: 0.243
两项指标均显著变差，标注为 rejected。
原因很清晰：军工 ETF 是政策驱动的防御/周期资产，与创业板/AI/半导体这类成长性科技资产的驱动因子根本不同。动量策略在某个时刻把资金切换到军工，接下来军工通常跑不赢科技标的，产生了负超额贡献。
2022 年确实出现了防御性行情，军工有一段独立上涨，动量策略也确实切换过去了。但问题在于：这是偶发事件，不是稳定规律。绝大多数时候，军工的动量信号都是噪声而非有效轮动信号。
动量轮动的标的池应该保持同质性：同类资产之间的轮动（比如科技板块内部不同主题的切换）才能产生稳定的动量效应。把性质不同的资产混进同一个轮动池，不能获得"分散"的好处，只会引入噪声。
这和双均线多标的分散的逻辑形成了有趣的对比：双均线是每个标的独立决策，不相关就是优势；动量轮动是资金集中选最强，标的之间的不相关会干扰排名信号。同一批标的，在不同策略框架下，低相关性的价值是相反的。
第四条路：加入绝对动量空仓机制
想法
R1 在 2022 年还是跌了 −21.93%。能不能在"所有标的都在下跌"的熊市里，直接空仓不持有任何标的？
绝对动量空仓的逻辑是：如果当前最强标的的 21 日绝对动量也是负数，说明整个板块都在跌，这时候空仓而不是选"跌得最少的那个"持有。测试了两个阈值：
- 阈值 = 0：21 日动量 ≤ 0 时空仓
- 阈值 = −5%：21 日动量 ≤ −5% 时空仓（更宽松）
结果（R7、R8）：两个阈值结果完全一样，且都变差
R7（阈值 0）和 R8（阈值 −5%）的结果完全一致：
- CAGR: 14.65%，Max DD: −46.76%，Calmar: 0.313
两条完全相同的数字，这本身就是一个发现：说明在月度换仓日，最强标的的 21 日动量落在 (−5%, 0) 这个区间的情况极少发生，宽松和严格两个阈值在实际触发上等价。
更重要的是：两条路都 rejected，对比 R1 均变差——CAGR 从 19.85% 降到 14.65%，Max DD 从 −39.64% 扩大到 −46.76%。
逐年看，2022 年有改善（+5.07% vs R1 的 −21.93%），空仓机制确实在熊市里部分发挥了作用。但 2024 年出现了严重的反向误判（−20.25% vs R1 的 +10.83%）。
2024 年是关键：A 股科技出现政策底后的急速反弹，但在反弹之前，标的的动量信号还是负数。空仓门槛触发，策略在反弹最猛烈的阶段处于空仓状态，错失大幅上涨。等动量转正重新入场时，已经处于相对高位，随后调整导致更大回撤。
A 股"政策底"的特征就是：在前期动量为负的情况下，政策一出，市场直接跳涨。 这种急速反转不给动量信号留时间反应，而空仓机制恰恰是在"前期动量为负"时触发的——这等于在最需要在场的时刻把自己锁在门外。
这是 A 股市场结构对动量空仓机制的系统性打击，不是偶然失误。
第五条路：跨资产分散
换一个框架
前四条路都在 A 股科技板块内部打转。最后这条路换一个方向：把 A 股、美股、黄金这三类资产用 A 股上市的 ETF 实现，看跨资产的轮动（或分散）是否有更好的风险收益比。
标的：
- 创业板 ETF（
159915）：代表 A 股科技 - 沪深 300 ETF：代表 A 股宽基
- 纳指 QDII（如
513100）：代表美股科技 - 黄金 ETF（如
518880）：代表贵金属
B2：跨资产等权买持（13 年基线）
- 样本窗口：2013-01 至 2026-04（13 年）
- CAGR: 14.91%，Max DD: −28.02%，Calmar: 0.532，期末净值: 6.2757
| 年份 | 等权 | 年份 | 等权 | |
|---|---|---|---|---|
| 2013 | +29.12% | 2020 | +36.53% | |
| 2014 | +31.56% | 2021 | +6.73% | |
| 2015 | +24.43% | 2022 | −17.25% | |
| 2016 | −1.91% | 2023 | +7.50% | |
| 2017 | +7.33% | 2024 | +22.26% | |
| 2018 | −8.93% | 2025 | +35.25% | |
| 2019 | +34.91% | 2026 | +7.20% |
Calmar 0.532，已经超过 A 股科技动量轮动最优结果 R1（0.501）。13 年里没有哪一年损失超过 −18%，包括 2022 年 A 股熊市（仅 −17.25%）——因为当年黄金和美股提供了有效对冲。
这个"无操作的等权持有"本身已经是非常强的结果，标注为对照基线。
动量轮动破坏了跨资产分散的优势（R9、R10）
R9：三标动量月度 21 日（创业板+纳指+黄金）
- CAGR: 14.48%，Max DD: −43.53%，Calmar: 0.332
R10：五标动量月度 21 日（加沪深 300+半导体）
- CAGR: 15.76%，Max DD: −44.26%，Calmar: 0.356
两条路都 rejected。
R9 的 CAGR 比 B2 还低，Max DD 从 −28% 扩大到 −43%，Calmar 从 0.532 跌到 0.332。动量轮动的"资金集中在最强标的"逻辑，在跨资产场景里反而拆掉了分散的核心价值——当某一个资产强势时，策略把全部资金集中过去，但这个资产随后回调时，没有其他资产的持仓来缓冲。
R10 的 CAGR 略高（15.76%），但 Max DD 更深（−44.26%），Calmar 仍然低于 B2。
这是这期实验里最反直觉的发现之一：在跨资产配置里，主动动量轮动的表现不如被动等权持有。 和 A 股科技板块内部的规律完全相反——内部轮动有效（R1 大幅超过 B1），但跨资产轮动有害（R9/R10 不如 B2）。
背后的逻辑是：A 股科技板块内部，不同主题有真实的"快慢轮动"效应，领涨标的的强势往往能持续一段时间。但跨资产之间，A 股、美股、黄金的轮动驱动因子完全不同——有时是政策催化、有时是汇率变动、有时是避险情绪——动量信号捕捉到的是短期噪声，而不是稳定趋势。分散配置的价值来自于同时持有，而不是择时集中。
这期实验真正留下来的
样本内达标（1 条）：
R1，科技四标 21 日动量月度换仓，在 2021–2026 这个样本窗口内 CAGR 19.85%，Max DD −39.64%，Calmar 0.501，是这批实验里 A 股科技板块内部动量轮动的有效配置。标的池的同质性是关键——四个科技主题 ETF 之间存在真实的主题切换效应，月度节奏恰好匹配 A 股科技轮动的速度。这个"样本内达标"的前提是样本窗口较短（5.3 年），且包含了 2024–2026 的 AI 主题强行情，有明显的时代背景依赖。
另外，跨资产等权基线 B2（Calmar 0.532）在 13 年更长的历史窗口里 Calmar 超过了 R1，且不需要任何主动操作，是值得持续关注的参照系。
rejected（8 条）：R2（日度换仓摩擦太高）、R4（相对防御门从未触发）、R5（绝对防御门改善有限，标的池质量是根本问题）、R6（军工异质资产引入噪声）、R7/R8（空仓门槛在 A 股政策底被严重误判，且两个阈值完全等价）、R9/R10（跨资产动量破坏分散优势）。
inconclusive（1 条）：R3（60 日窗口在 2021 年有效但 2024 年失效，窗口过长不适合 A 股科技板块快速主题切换）。
三条这期实验真正有价值的认知：
第一，A 股科技板块内部，21 日月度动量有效；日度和 60 日两端都不如它。节奏匹配是关键，A 股主题切换的速度决定了合适的动量窗口。
第二，动量轮动的标的池必须保持同质性。把性质不同的资产（军工、宽基）混入科技动量池，不能获得分散优势，只会引入噪声、降低动量信号质量。
第三，跨资产场景下，等权持有优于动量轮动。跨资产的分散价值来自同时持仓，而不是择时集中；A 股的政策驱动特征令动量信号在市场转折点系统性失效。
这期之后，下一步该问什么
这期实验的两个结论指向了同一个方向：
R1 的月度动量在 2024 年 A 股全面反弹时跑输了等权买持——政策底反转太快，动量信号来不及响应。跨资产等权 B2 在 2022 年只跌了 −17.25%，远优于任何纯 A 股策略。
这让一个问题变得很自然：如果把 issue-001 里有效的双均线信号，和 issue-002 里有效的跨资产分散结构结合起来，会是什么结果？ 也就是说，不是在跨资产组合上做动量轮动，而是给每个标的独立加均线门控、然后等权持有。
这会是下一期的起点。
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。