第一期：动量轮动跑得赢 QQQ 吗？
本文仅用于教育与研究，不构成投资建议。文中收益、回撤、Sharpe 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那个年增长率，方便不同时间长度的策略横向比较。与简单的算术平均年化不同，CAGR 会因为波动而低于算术均值——波动越大，两者差距越明显。Sharpe 比率：超出无风险利率的收益除以组合波动率，衡量每单位风险对应的超额收益，数值越高越好。本文回测里 QQQ 的 Sharpe 为 0.73，可作为这期实验的参考基线。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你的账户会缩水多少。
这期实验用三个标签标注每条路线的结论：
- 样本内达标：在 2018/01–2026/04 这个样本窗口内，CAGR、Sharpe、最大回撤三项指标同时优于 QQQ 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 QQQ，改善幅度不足以形成明确结论；或作为后续变体的对照基准版本，尚未形成独立的最终判断
下文的长窗口回看和收益归因，不是与这三项并列的主评判标准，而是对已得结论做进一步压力测试：先看样本内是否达标，再看它为什么赢、换个历史阶段后是否还站得住。
QQQ（纳斯达克100 ETF，持有以科技股为主的美国大型成长公司）年化 18%，Sharpe 0.73。这是美股里最不好对付的那种简单选项。这期实验从这里出发，用 9 条动量轮动变体来回答一个具体的问题：有没有一条路线真正值得比它更复杂？
动量轮动的核心逻辑是：在多个备选资产里，持续持有近期涨幅最强的那一个，每隔一段时间重新排名并切换。这期实验在这个基础逻辑上试验了不同的资产池、调仓频率和防御机制，覆盖两条研究路线。先看汇总结果，后文逐条拆开讲：
| # | 策略 | 样本窗口 | CAGR | Sharpe | 最大回撤 | 结论 |
|---|---|---|---|---|---|---|
| B1 | QQQ 持有基线 | 2018/01–2026/04 | 18.44% | 0.73 | −35.09% | 基线 |
| B2 | QQQ 持有基线（长窗口） | 2010/01–2026/04 | 18.18% | 0.90 | −35.12% | 基线 |
| M1 | 多资产动量·日频 | 2018/01–2026/04 | 16.17% | 0.85 | −28.45% | inconclusive |
| M2 | 多资产动量·月频 | 2018/01–2026/04 | 10.80% | 0.60 | −36.34% | rejected |
| M3 | 多资产动量·周频 | 2018/01–2026/04 | 12.15% | 0.60 | −37.25% | inconclusive |
| M4 | 多资产动量·周频＋相对防御触发 | 2018/01–2026/04 | 12.15% | 0.60 | −37.25% | rejected |
| M5 | 多资产动量·周频＋绝对防御触发 | 2018/01–2026/04 | 13.28% | 0.68 | −31.84% | inconclusive |
| S1 | 行业双动量·月频 | 2018/01–2026/04 | 16.28% | 0.75 | −30.08% | inconclusive |
| S2 | 行业双动量·周频 | 2018/01–2026/04 | 21.48% | 1.18 | −30.46% | 样本内达标 |
| S3 | 行业双动量·周频（无 XLK） | 2018/01–2026/04 | 15.11% | 0.79 | −31.60% | rejected |
| S4 | 行业双动量·周频（长窗口） | 2010/01–2026/04 | 12.31% | 0.70 | −30.46% | rejected |
M3 和 M4 的数字完全相同——这本身是这次实验的一个关键发现，下文会解释为什么加了一条规则却什么都没改变。
下图展示短窗口主要实验的 CAGR（不含基线、长窗口结果及与 M3 数字相同的 M4），蓝色虚线是 QQQ 基线。只有一条策略越过了这条线：
回测设定说明：价格数据使用复权价（含分红和拆股调整）。每笔交易按成交金额的 0.05% 计入佣金，滑点不建模。信号在调仓日收盘后计算，次一交易日开盘执行。周频策略在每周首个交易日（通常为周一）收盘后计算信号；月频策略在每月首个交易日收盘后计算信号。Sharpe 比率使用 backtrader 引擎默认计算，无风险利率取 1% 年化。252 日动量窗口在 2018–2026 这段数据上观察选定，未经独立的样本外优化。
先立基线：QQQ 不是对手，是裁判
很多动量研究喜欢用 SPY（标普500 ETF，代表美股整体大盘）当对照，因为宽基更温和，更容易让复杂策略看起来"值"。这期实验选择用 QQQ 当基线，正是为了避免这个问题。
2018-01 到 2026-04，QQQ 持有的结果是：
| 策略 | CAGR | Sharpe | 最大回撤 | 波动率 |
|---|---|---|---|---|
QQQ 持有 | 18.44% | 0.73 | −35.09% | 23.86% |
把窗口拉长到 2010-01，数字基本稳住：CAGR 18.18%，Sharpe 0.90，最大回撤 −35.12%。
它不是懒惰的选择，它是一个足够强的真实机会成本。以后再看到任何一条复杂的美股成长策略，最先该问的不是"它聪不聪明"，而是：它相对于 QQQ，到底多给了什么？
第一条路：跨资产分散
想法
只在股票里做轮动，和大盘的相关性还是太高。如果引入真正低相关的资产——黄金、商品、短债——能否在不明显牺牲收益的情况下，换来更稳定的持仓体验？
资产池：SPY（标普500 ETF）、QQQ（纳斯达克100 ETF）、GLD（黄金 ETF）、PDBC（多元商品 ETF）、BIL（短期国债 ETF，用作防御仓）。初版逻辑是把这五类资产全部放进同一个轮动池，用过去 126 个交易日（约半个交易年，为跨资产路线的初始设定；与行业路线的 252 日一样，未经独立样本外优化）的相对涨幅排名，每次持有排名最高的那一个。
日频版（M1）：换手太高
日频版的结果是 CAGR 16.17%，Sharpe 0.85，最大回撤 −28.45%。Sharpe 和回撤优于 QQQ，但 CAGR 落后约 2.3 个百分点。持仓分布也不均衡：QQQ 持有了 757 天，GLD 持有了 690 天，BIL 只有 93 天。更大的问题是每年约 23 笔交易，换手偏高，不符合"低频易执行"的初衷。
月频版（M2）：降低换手，代价过大
于是把调仓频率改为每月一次。交易次数从约 189 笔降到 58 笔，看起来更接近"低频"的初衷。但结果全面恶化：CAGR 跌到 10.80%，最大回撤反而扩大到 −36.34%。光凭指标来看，这条方向就已经没有继续的必要了——收益更低，风险还更大。更尴尬的是，做归因（也就是把总收益拆开，看主要是哪些资产、哪些持仓阶段贡献出来的）之后发现收益更集中了：黄金（GLD）一项贡献了绝大部分，策略变得像一个迟钝的黄金偏置版本，而不是真正的多资产分散。降低频率本身不是免费的，这条方向被否定（M2，rejected）。
发现了一个架构陷阱（M3/M4）
周频版在日频和月频之间取了折中，换手降了下来，收益质量有所恢复。随后在周频版上加了一条相对防御触发规则：只有当风险资产的动量高于 BIL 时才持仓，否则退到防御仓。听起来是合理改进——如果连短债都跑不赢，就别冒险。
结果：加了这条规则之前和之后，回测数字完全一样。CAGR、Sharpe、最大回撤、交易次数——一模一样。这就是为什么表格里 M3 和 M4 数字相同，但结论不同：M3 是尚未确认方向的中间态，M4 是"加了规则但什么都没变"这件事被确认后，这条防御逻辑本身被否定的版本。
这是一个架构问题。当 BIL 已经作为候选资产参与同一个轮动池的相对排名时，"必须跑赢 BIL 才能持仓"在逻辑上等价于相对排名本身。策略退到 BIL 是因为它暂时排名靠前，而不是因为"当前市场不适合持有风险资产"——这两件事看起来相似，但含义完全不同。只要防御资产和风险资产混在同一个排名池里，就无法清晰表达"主动规避风险"这件事。
把两层逻辑分开（M5）
改进方案是把策略拆成两个独立层：先在风险资产里选涨幅最强者，再用绝对动量（只看这个资产自己过去一段时间的涨幅是否为正，不与其他资产比较）决定是否值得持有——不满足时才退到 BIL。这种"绝对防御触发"和前面的"相对防御触发"结构上是两件不同的事。
这个改动带来了真实的改善，并且完全没有增加换手：
| 调整前（M3） | 调整后（M5） | |
|---|---|---|
| CAGR | 12.15% | 13.28% |
| Sharpe | 0.60 | 0.68 |
| 最大回撤 | −37.25% | −31.84% |
| 交易次数 | 不变 | 不变 |
改善不是靠更高换手"撞"出来的，是靠结构更清晰。这是这条路线真正的研究价值。
但放回机会成本视角，问题依然清晰：和 QQQ 相比，CAGR 差了 5 个百分点，最大回撤只改善了 3 个百分点。结构改善是真实的，但以这个代价换来的收益缺口，还没有小到可以忽略——这不足以形成"值得替代纳指长期持有"的投资结论。这条路线留下的是一个结构认知，而不是一个成品方案。
第二条路：行业轮动
换一个角度
与其引入黄金和商品来降低相关性，不如在美股内部做行业相对强弱切换。
资产池是标准的 S&P 500 行业 ETF：XLK（科技）、XLY（可选消费）、XLI（工业）、XLF（金融）、XLV（医疗健康）、XLP（必选消费）、XLU（公用事业）、XLE（能源）、XLB（原材料），加上防御仓 BIL。基本逻辑：用过去 252 个交易日（约 1 个交易年；也是本文在这段样本上观察后采用、未做独立样本外优化）的涨幅选最强行业（这是"相对动量"，行业之间互相比较），但如果这个行业的绝对涨幅自己转负了，就退到 BIL（这是"绝对动量"，只看自身涨跌）——两层逻辑叠在一起，所以叫"双动量"。先测月频，再测周频。
月频版结果：CAGR 16.28%，Sharpe 0.75，最大回撤 −30.08%。Sharpe 和回撤已经优于 QQQ，但 CAGR 还是落后。主要问题是重新入场的节奏太慢——2023 到 2025 的行情修复阶段，月频节奏跟不上行业切换速度，错过了不少涨幅。
于是只改一个变量：月频 → 周频。
周频版（S2）：数据上第一次同时打赢了 QQQ
| 策略 | CAGR | Sharpe | 最大回撤 | 波动率 |
|---|---|---|---|---|
QQQ 持有 | 18.44% | 0.73 | −35.09% | 23.86% |
| 行业双动量（月频，S1） | 16.28% | 0.75 | −30.08% | 23.32% |
| 行业双动量（周频，S2） | 21.48% | 1.18 | −30.46% | 22.64% |
CAGR、Sharpe、最大回撤三项指标全部优于 QQQ。在 2018–2026 这个样本窗口内，S2 是这次实验里唯一一条同时打赢三项的路线。
但拿到这个结果之后，没有停下来，而是问了一个更重要的问题。
它是靠什么赢的？
回测把每笔持仓的归因明细都保留了。结果是：
XLK（科技）：持仓天数占 41%，持有期间累计涨幅 194%XLE（能源）：持仓天数占 25%，持有期间累计涨幅 123%BIL（短债防御仓）：实际只持有了 5 个交易日
这里的"持有期间累计涨幅"是把策略持有该资产的所有区间首尾拼接后计算的复合收益率，不是分段涨幅简单相加，也不是组合权重。194% 意味着在 2018–2026 年间，每次策略切换持有 XLK 的阶段加总起来，这些区间内 XLK 的复合涨幅接近翻两倍。
5 个交易日。在 8 年的回测里，这条"双动量防御策略"几乎从来没有真正用过防御仓。
这还引出了一个具体问题：2022 年加息急跌，科技板块当年跌幅超过 30%，策略那一年明显跑赢了 QQQ。但它不是靠躲进 BIL 规避的，而是从 XLK 切换到了 XLE（能源），2022 年能源板块逆势大涨。
这说明这条策略的真实风格是进攻型轮动，而不是防御型轮动。BIL 是紧急出口，不是策略核心。
如果去掉 XLK？
一个自然的追问随之而来：这条策略赢的方式，是真正的广谱行业趋势轮动，还是本质上仍然在吃科技股的高弹性，只是多了一个"科技不行了就出去"的离场机制？
把 XLK 从资产池里去掉，保持其他所有设置不变，重新跑一遍：
| 策略 | CAGR | Sharpe | 最大回撤 | 交易次数 |
|---|---|---|---|---|
行业双动量（周频，含 XLK） | 21.48% | 1.18 | −30.46% | 97 |
行业双动量（周频，不含 XLK） | 15.11% | 0.79 | −31.60% | 121 |
CAGR 从 21.48% 跌回 15.11%，交易次数从 97 上升到 121——没了科技板块，策略在剩余行业之间更频繁地切换，换来了更差的复利。
结论很清晰：这条策略的超额收益高度依赖科技板块参与。它不是一条均匀分散的行业趋势策略，更准确的描述是：允许科技板块以最强行业的身份主导持仓，并在科技失势时切换出去。这个机制是真实有效的，但它的超额回报来源更接近"带战术离场机制的纳指暴露"，而不是一个与科技板块涨跌无关的独立超额来源。
长窗口：近年的赢家在 2010-2018 跑不过 QQQ
到这里，还有关键的一步没有做：把时间拉长，看这条逻辑是否稳健。
需要说明的是，252 日这个动量窗口参数是在 2018–2026 的数据上观察选定的。把同一套参数延伸到 2010–2026 是一个合理的健壮性检验，但这段更长的历史并不是完全独立的样本外测试，结果需要带着这个前提来读。
不改任何参数，只把回测起点从 2018-01 改到 2010-01：
| 策略 | 样本窗口 | CAGR | Sharpe | 最大回撤 |
|---|---|---|---|---|
QQQ 持有 | 2010/01–2026/04 | 18.18% | 0.90 | −35.12% |
| 行业双动量（周频） | 2010/01–2026/04 | 12.31% | 0.70 | −30.46% |
短窗口里三项全赢，长窗口里 CAGR 差了将近 6 个百分点，Sharpe 也输了，只剩下轻微的回撤优势。
为什么？2010 到 2018 年，美股行业格局和之后有明显差异。能源和金融板块在前期占据了相当长时间的相对强势位置，科技板块直到 2016-2017 年前后才开始系统性领跑。在那段时间里，用 252 日动量做行业轮动，很可能在持有能源或金融的过程中，错过了科技真正起飞的早期阶段，积累了复利损耗。
这说明这条策略有一个适用边界：在"某个行业长期保持相对强势"的市场结构里更有效；在行业分化更碎片化的历史阶段，表现会明显下降。
这期实验真正留下来的
这期研究共跑了 9 条实验路线（另外 2 条是 QQQ 基线），最后在研究记录里留下了三类结论：
样本内达标（1 条）：S2，行业双动量周频版，在 2018/01–2026/04 样本窗口里同时打赢了 QQQ 的 CAGR、Sharpe、最大回撤三项指标。这个"样本内达标"标签的含义只是"在此窗口三项全部满足条件"，不等于"这条策略已被证明可以采用"——它有明确前提：主要依赖科技板块在这个窗口内的主导地位，且在更长窗口（2010/01–2026/04）里优势消失。它是一条在特定市场结构下有效的路线，而不是一条跨市场环境普遍成立的策略。
rejected（4 条）：M2（月频多资产，降低换手的代价是 CAGR 大幅退化、归因更集中）、M4（周频＋相对防御触发，与 M3 结果完全相同，证明这种防御逻辑在结构上是多余的）、S3（去掉科技板块后超额收益消失）、S4（长窗口验证失效）。
inconclusive（4 条）：M1（日频多资产，Sharpe 和回撤有改善，但 CAGR 落后且换手偏高）、M3（周频多资产，行为折中，但防御角色仍不清晰）、M5（周频＋绝对防御触发，结构方向成立，但 CAGR 仍落后于 QQQ）、S1（行业月频，Sharpe 和回撤优于 QQQ，但 CAGR 落后）。
rejected 的案例告诉我们哪些方向不值得继续投入。inconclusive 的案例说明结构改进是真实的，但边界在哪里。样本内达标的案例也附带了必须说清楚的局限——它的超额回报来源比标题看起来更集中。这三类结果同样重要。
一句话总结这期实验的答案：在 2018/01–2026/04 这个窗口，行业双动量周频版（S2）能够同时跑赢 QQQ 的收益、Sharpe 和回撤——但它依赖科技板块主导，换一个市场结构就不成立了。
这期之后，下一步该问什么
这期实验的结论指向了一个有点让人不舒服的地方：用主动动量轮动打赢 QQQ，比想象中难得多——唯一达标的路线还有明显的结构性依赖。
这会引出一个自然的追问：既然 QQQ 这么难对付，直接定投 QQQ 岂不就是答案了？
这个想法听起来合理，但值得认真检验一遍。定投（DCA，Dollar-Cost Averaging）的核心逻辑是用时间摊平成本、消除择时风险——在教科书里几乎是散户投资的标准答案。但有几个问题这份教科书没有认真回答：不同入场时机对最终结果的影响到底有多大？连续大幅回撤期间的行为成本是否被算进去了？定投 QQQ 和定投更分散的宽基指数，长期实际差距是多少？
下一期想从数据出发，认真核查这些问题，而不是把定投当成理所当然的最优答案。
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。