此前的两套原策略审计与保守组合见前一轮回撤优化研究。

研究日期：2026年10月3日｜主样本：2019-01-02至2026-08-11｜目标：不融资、不加杠杆，年化20%以上，最大回撤预算25%—30%

ETF轮动：把趋势质量、资产切换和仓位控制放在一起

两套原策略的结论发生了什么变化

第一轮审计中，线上52周高策略的已公布历史持仓重估，年化7.95%、最大回撤-33.07%；原39只行业ETF的NAV120单持仓，年化14.31%、回撤-45.77%。这两项截至2026-08-10。它们的集中风险和成本口径不能支持直接用于实盘。此前10%波动预算的保守改版改善了回撤，但约10%年化也不符合本轮更高收益目标。

提高仓位本身没有解决问题：本轮不做波动缩减的趋势方案虽有20%以上年化，却出现38%—41%的全期回撤。改善来自三件事同时使用：按趋势质量选行业，在市场转弱时把风险资金转到黄金，以及估计波动升高时减少持仓。黄金是另一项风险资产，不能被视为保本资产。

主回测比较

1,845个交易日，244日年化，现金收益取零；自然持仓漂移，买入与卖出各0.2%，信号后下一交易日收盘执行。新账户按开始日前已知信号初始化，不计开始日前收益。按实际日历时间年化为25.46%。历史行业池载入454只ETF，加黄金与国债两只对照产品。NAV120历史大池结果不能与原39只池当作同一个选股序列。

可以复现的规则

1. 行业与主题股票ETF需在当日已有200个有效价格交易日，20日平均成交额至少1000万元；按当时上市、退市状态与可交易报价过滤。历史池含退市产品，最终候选没有实际持有已退市基金。仍缺历史分类快照和完整退市清算资料。
2. 用拆分调整后的价格收益构造价格序列，对最近40个交易日的log价格做直线拟合，评分为244 × 斜率 × R²，选择最高的一只。不是按全年收益事后找赢家，也不再依赖NAV公告作为选股信号。NAV仍可用于实际折溢价检查。
3. 每月最后一个实际交易日收盘检查沪深300是否高于120日均线。高于时目标为所选行业ETF；低于或没有合格行业ETF时目标为黄金ETF518880.SH。每月一次判断，月间保持持仓自然漂移。
4. 用最近60个交易日目标组合的价格收益，计算年化波动。仓位乘min（1，25% ÷ 估计波动），不放大仓位，不借款，未投入资金留现金。25%是估计波动预算，不是回撤上限；过去最大回撤22.24%也不是未来损失保证。
5. 信号后一交易日收盘调仓，旧持仓收益保留到实际成交；买卖都计成本。没有必需报价时推迟整次替换。缓存止于月中时，日历仍使用该月真实完整交易日，避免把缓存末日误当月末。
6. 执行近似使用100份买入单位，先卖后买，保留最低5元佣金和滑点；单笔不超过前一日已知20日均成交额的1%。未完成金额留现金或原持仓，到下一次计划换仓再评估。已有账户需以真实资金与持仓生成净额订单。

主样本平均投入比例87.1%，年化买卖总成交金额约净资产的13.03倍。模型允许集中持有一只行业ETF或黄金，资产分散程度有限；这也是保留仓位缩减的原因。

参数选择和阶段表现

第一轮2,592组参数及180组防御细化，第二轮8,748组资产切换组合。按2019—2023的收益排序，先筛回撤不超过30%、2022—2023年化不低于−5%及过期持仓占比低于1%。第二轮查看后，另加必须具有波动控制的门槛，再冻结每个信号家族的领先方案。此研究过程具有适应性，不能包装成完全预注册验证。

2024年以来数据已被之前研究及本轮多次查看，统一标为近期探索。选择比较与多重试验会高估收益。相对固定配置的60日成对区块重采样，年化差5%／50%／95%分位为-0.13／15.64／36.49个百分点，正差比例94.8%；区间仍跨零，而且没有修正参数选择偏差，不能据此宣称稳定超额已被证明。

2026年只有部分年度，表中为年化数值。2022年亏损约11.5%，2024年也亏损。滚动244个交易日的最差收益为-19.47%，其中46.75%的窗口没有达到20%。去掉2020年后，其他年份的拼接收益年化为19.77%；这只是收益依赖诊断，不是重新训练后的回测。

成本和调仓日期压力

没有改用敏感性表中事后最好的日期、波动预算或均线参数。两个周度对照虽有较高主回测收益，却更怕换仓日期和交易成本：90日趋势质量方案买卖各0.50%时降为18.01%，信号提前2日降为16.60%；多窗口周度方案成本各0.50%时为14.05%。因此保留月度方案继续跟踪。

窗口不是任意换都能成立

30—50日邻近窗口多数维持20%以上收益，60日窗口明显下降，且60日／MA140出现超过30%的回撤。MA100的31.97%只是探索结果，没有据此替换冻结的MA120。原39只池敏感性年化22.24%、回撤-22.77%，说明结果并非完全依赖扩大历史池；该39只池仍有当前选池偏差。

历史池实际入选过银行AH价格优选ETF517900.SH，不能把原结果严格说成全部只持A股。进一步剔除AH、沪港、港股及海外关键词后，年化28.28%、回撤-22.24%，属于分类边界敏感性，不用较高结果抬升主指标。同样的市场均线、黄金切换与风险规则，只把行业选择换成沪深300，年化4.69%；行业选择在本样本中有贡献，但仍需未来验证。

账户规模与执行近似

容量约束改变了实际持仓轨迹，有时恰好提高历史收益；这些高于主回测的数字不能理解为真实成交必然更好。此试验对买单检验100份整数倍、现金不为负、总风险暴露不超过100%，最大参与率为前一日已知均成交额的1%。拆分和派息通过调整收益计价，尚未逐笔重建券商分红到账日、竞价排队、涨跌停、买卖价差及盘口冲击。

数据时点与下一步使用

本轮完整历史池的主样本截至2026-08-11，原39只池截至2026-08-10。最后历史模型持有黄金，但不能当作2026年10月的实时指令。没有用第一轮39只池的9月30日数据假装更新454只历史池的新方案。进一步实盘化需用整个合格价格池的新行情生成信号，再按账户现有持仓净额执行；冻结后的实际跟踪业绩才是新的样本外证据。

可用行业日线缓存从2018年开始，200日入池门槛使早期大多属于预热，无法验证2015股灾。净值历史修订、名称与分类变更、当前历史池完整性、ETF现金分红的逐笔结算仍是限制。价格缓存、原研究报告、线上策略和只增不改台账未被覆盖。

复现和文件

python3 my-app/public/reports/etf-return20-20261003/backtest.py
# 重跑完整网格（顺序执行）
python3 my-app/public/reports/etf-return20-20261003/backtest.py --full-search
python3 -m unittest discover -s research -p 'test_etf_return20_study.py' -v
python3 -m unittest discover -s research -p 'test_etf_practical_optimization.py' -v

冻结规则 · 验证指标 · 额外敏感性 · 逐日权重 · 每月信号 · 10万元离散订单 · 逐日收益 · 初始设计 · 第二轮设计 · 冻结候选及选择过程 · 输入校验清单 · 复现依赖

独立Python与编译账本逐日收益一致；23项账本及边界测试覆盖旧持仓收益、双边成本、缺行情延迟、禁止借款、分批资金、同分排序、上市退市、200日历史、NAV公告新鲜度及未完月份的调仓日。科学图使用Matplotlib导出，可独立分享。

交易单位参考上交所ETF说明及深交所基金申报单位说明。风险缩减的研究背景可见Daniel与Moskowitz的Momentum Crashes，该论文讨论的多空动量结果不能证明本项目的ETF长仓收益。本文数值来自本地回测。

复现入口 · 完整研究代码 · 运行依赖 · search.json压缩下载 · extension.json压缩下载

在cb-allotment仓库原目录运行复现入口，使用已冻结本地行情缓存；代码下载不包含原始行情。一次性研究报告，数据时点以正文为准。