Edge
Chrome
Firefox
过去的一年，跟着集思录的各位老师学到了很多。
持有封基金老师每天的收盘总结、每周实盘贴中的周收益及年收益的排名统计，孜孜不倦，令人敬佩，我也有幸基于老师的这些数据做了一些简单的稳健排名分析，大为受益；
孔曼子老师的投资之路越来越向大师靠近了，但其对待生活的态度更是让我如沐春风；
资水老师今年基于事件驱动进行的一系列操作我有幸围观了一下，虽然我没有跟着操作太多，但老师对事件趋势判断的精准程度令人震撼；
xiaofeng71、老狗的稳行之路两位老师的帖子我也经常看，他们对生活的思考让我学到了人生不仅有投资，更有比投资更重要的事情。
还有很多老师的帖子也很精彩，这里就不一一列举了。
2026年，继续向各位老师学习，希望大家都有自己精彩的2026年！
持有封基金老师每天的收盘总结、每周实盘贴中的周收益及年收益的排名统计，孜孜不倦，令人敬佩，我也有幸基于老师的这些数据做了一些简单的稳健排名分析，大为受益；
孔曼子老师的投资之路越来越向大师靠近了，但其对待生活的态度更是让我如沐春风；
资水老师今年基于事件驱动进行的一系列操作我有幸围观了一下，虽然我没有跟着操作太多，但老师对事件趋势判断的精准程度令人震撼；
xiaofeng71、老狗的稳行之路两位老师的帖子我也经常看，他们对生活的思考让我学到了人生不仅有投资，更有比投资更重要的事情。
还有很多老师的帖子也很精彩，这里就不一一列举了。
2026年，继续向各位老师学习，希望大家都有自己精彩的2026年！
0
[学习记录]
国家队卖ETF → 怎么砸到指数 → 为什么是故意做给市场看
【国家队减持宽基ETF · 全链条传导流程图】
（从上到下，一步接一步）
第一层：源头动作——国家队主动卖出
1. 国家队（汇金/证金）
↓
2. 在二级市场直接挂单卖出：沪深300ETF / 上证50ETF
↓
3. ETF买盘被砸 → ETF价格下跌
↓
4. 出现：ETF市价 ＜ IOPV净值 → 折价
第二层：套利机器启动——机构自动跟进
5. 量化/做市商机构看到折价
↓
6. 机构在二级市场低价买入ETF
↓
7. 去一级市场做【ETF赎回】
↓
8. 基金公司返还：一篮子权重股（茅台/工行/招行等）
第三层：抛压传导——股票被砸
9. 机构立刻卖出这一篮子权重股
↓
10. 权重股集体下跌
↓
11. 沪深300 / 上证50指数被直接砸低
第四层：市场效果——故意做给所有人看
12. 指数走弱、盘面明显承压
↓
13. 全市场看到：行情降温、杠杆资金收敛
↓
14. 政策信号完成：慢牛调控 + 预期管理
极简一句话总结（最核心）
国家队卖ETF = 点火
机构套利赎回 = 添柴
卖出成分股 = 烧指数
指数下跌 = 给市场看的信号
国家队卖ETF → 怎么砸到指数 → 为什么是故意做给市场看
【国家队减持宽基ETF · 全链条传导流程图】
（从上到下，一步接一步）
第一层：源头动作——国家队主动卖出
1. 国家队（汇金/证金）
↓
2. 在二级市场直接挂单卖出：沪深300ETF / 上证50ETF
↓
3. ETF买盘被砸 → ETF价格下跌
↓
4. 出现：ETF市价 ＜ IOPV净值 → 折价
第二层：套利机器启动——机构自动跟进
5. 量化/做市商机构看到折价
↓
6. 机构在二级市场低价买入ETF
↓
7. 去一级市场做【ETF赎回】
↓
8. 基金公司返还：一篮子权重股（茅台/工行/招行等）
第三层：抛压传导——股票被砸
9. 机构立刻卖出这一篮子权重股
↓
10. 权重股集体下跌
↓
11. 沪深300 / 上证50指数被直接砸低
第四层：市场效果——故意做给所有人看
12. 指数走弱、盘面明显承压
↓
13. 全市场看到：行情降温、杠杆资金收敛
↓
14. 政策信号完成：慢牛调控 + 预期管理
极简一句话总结（最核心）
国家队卖ETF = 点火
机构套利赎回 = 添柴
卖出成分股 = 烧指数
指数下跌 = 给市场看的信号
2
策略实现逻辑分析
1. 策略框架
这是一个ETF动量轮动策略，核心思路是：
从4个ETF中选择动量最强的1只持有
每日9:30重新评估并调仓
ETF池：黄金ETF、纳指100、创业板100、上证180
2. 核心算法：动量评分机制
get_rank 函数使用以下步骤计算每个ETF的动量得分：
步骤1：获取25天收盘价数据df = attribute_history(etf, g.m_days, '1d', ['close'])
步骤2：对价格取对数y = df['log'] = np.log(df.close)
步骤3：构建时间序列x = df['num'] = np.arange(df.log.size)
步骤4：线性回归拟合slope, intercept = np.polyfit(x, y, 1)
步骤5：计算年化收益率annualized_returns = math.pow(math.exp(slope), 250) - 1
步骤6：计算R²判定系数r_squared = 1 - (sum((y - (slope * x + intercept))**2) / ((len(y) - 1) * np.var(y, ddof=1)))
步骤7：综合得分score = annualized_returns * r_squared
3. 数学依据
3.1 对数价格线性回归
假设：价格遵循几何布朗运动，对数价格近似线性
模型：log(P_t) = α + β·t + ε_t
含义：β（slope）表示对数价格的日增长率
3.2 年化收益率计算
annualized_returns = (exp(slope))^250 - 1
推导：
log(P_t) = log(P_0) + slope·t
P_t = P_0 · exp(slope·t)
日收益率 ≈ exp(slope) - 1
年化收益率 = (exp(slope))^250 - 1（假设250个交易日）
3.3 R²（判定系数）的作用
r_squared = 1 - SSE/SST
含义：衡量趋势的稳定性
作用：
R²高：趋势稳定，动量更可靠
R²低：波动大，趋势不稳定
策略中：用 年化收益率 × R² 同时考虑收益与稳定性
3.4 综合评分公式
Score = Annualized_Returns × R²
优势：
高收益但波动大 → R²低 → 得分降低
收益一般但趋势稳定 → R²高 → 得分提升
同时兼顾收益与稳定性
4. 交易执行逻辑
1. 获取排名最高的1只ETF
target_list = get_rank(g.etf_pool)[:1]
2. 卖出不在目标列表中的持仓
for etf in hold_list: if etf not in target_list: order_target_value(etf, 0) # 清仓
3. 买入目标ETF
if context.portfolio.positions[etf].total_amount == 0: order_target_value(etf, value) # 全仓买入
5. 策略特点
优点：
数学基础清晰：基于对数价格回归与R²
动态轮动：每日评估，捕捉动量变化
风险控制：R²过滤不稳定趋势
潜在问题：
参数敏感性：25天窗口可能不适合所有市场
交易成本：频繁调仓可能侵蚀收益
单一持仓：集中风险
市场环境依赖：动量在趋势市场有效，震荡市场可能失效
6. 数学模型的金融学基础
该策略基于：
动量效应（Jegadeesh & Titman, 1993）：过去表现好的资产未来可能继续表现好
趋势跟踪：价格趋势具有持续性
风险调整收益：R²作为趋势稳定性的代理指标
总结：这是一个基于对数价格回归和R²的动量轮动策略，通过综合评分选择趋势稳定且收益高的ETF进行持有。
1. 策略框架
这是一个ETF动量轮动策略，核心思路是：
从4个ETF中选择动量最强的1只持有
每日9:30重新评估并调仓
ETF池：黄金ETF、纳指100、创业板100、上证180
2. 核心算法：动量评分机制
get_rank 函数使用以下步骤计算每个ETF的动量得分：
步骤1：获取25天收盘价数据df = attribute_history(etf, g.m_days, '1d', ['close'])
步骤2：对价格取对数y = df['log'] = np.log(df.close)
步骤3：构建时间序列x = df['num'] = np.arange(df.log.size)
步骤4：线性回归拟合slope, intercept = np.polyfit(x, y, 1)
步骤5：计算年化收益率annualized_returns = math.pow(math.exp(slope), 250) - 1
步骤6：计算R²判定系数r_squared = 1 - (sum((y - (slope * x + intercept))**2) / ((len(y) - 1) * np.var(y, ddof=1)))
步骤7：综合得分score = annualized_returns * r_squared
3. 数学依据
3.1 对数价格线性回归
假设：价格遵循几何布朗运动，对数价格近似线性
模型：log(P_t) = α + β·t + ε_t
含义：β（slope）表示对数价格的日增长率
3.2 年化收益率计算
annualized_returns = (exp(slope))^250 - 1
推导：
log(P_t) = log(P_0) + slope·t
P_t = P_0 · exp(slope·t)
日收益率 ≈ exp(slope) - 1
年化收益率 = (exp(slope))^250 - 1（假设250个交易日）
3.3 R²（判定系数）的作用
r_squared = 1 - SSE/SST
含义：衡量趋势的稳定性
作用：
R²高：趋势稳定，动量更可靠
R²低：波动大，趋势不稳定
策略中：用 年化收益率 × R² 同时考虑收益与稳定性
3.4 综合评分公式
Score = Annualized_Returns × R²
优势：
高收益但波动大 → R²低 → 得分降低
收益一般但趋势稳定 → R²高 → 得分提升
同时兼顾收益与稳定性
4. 交易执行逻辑
1. 获取排名最高的1只ETF
target_list = get_rank(g.etf_pool)[:1]
2. 卖出不在目标列表中的持仓
for etf in hold_list: if etf not in target_list: order_target_value(etf, 0) # 清仓
3. 买入目标ETF
if context.portfolio.positions[etf].total_amount == 0: order_target_value(etf, value) # 全仓买入
5. 策略特点
优点：
数学基础清晰：基于对数价格回归与R²
动态轮动：每日评估，捕捉动量变化
风险控制：R²过滤不稳定趋势
潜在问题：
参数敏感性：25天窗口可能不适合所有市场
交易成本：频繁调仓可能侵蚀收益
单一持仓：集中风险
市场环境依赖：动量在趋势市场有效，震荡市场可能失效
6. 数学模型的金融学基础
该策略基于：
动量效应（Jegadeesh & Titman, 1993）：过去表现好的资产未来可能继续表现好
趋势跟踪：价格趋势具有持续性
风险调整收益：R²作为趋势稳定性的代理指标
总结：这是一个基于对数价格回归和R²的动量轮动策略，通过综合评分选择趋势稳定且收益高的ETF进行持有。
0
周收益 年收益 仓位 重仓一 重仓二 重仓三
-0.92% -1.29% 100% ETF大饼
[交易回顾]
本周没有太多操作，周五下午基于ETF的动量变化做了计划内的调仓，目前主要持有可转债ETF、中证2000ETF等。
最近还是学习为主，下载了一些轮动量化的代码，学习一下，争取早日弄明白以下问题：
1、ETF候选池的筛选规则
— 是基于哪些因子筛选出的ETF池子？
— 不同ETF风格差异极大，宽基和行业ETF是如何考量的，为什么选择这些ETF，不考虑其他的ETF？
— 这些ETF和投资者的投资风格的关系是什么？
— 需要详细了解ETF的持仓细节和基金经理的风格吗？
2、在候选池确定下来的前提下，目前主流的ETF轮动策略主要有哪些，轮动主要是基于哪些因子进行决策
— 为什么会考虑这些因子，为什么不考虑其他因子？
— 策略的回测情况是怎么样的？
— 策略中包含哪些止损因子？
上周六、周日都出去city walk，每天走六七公里，深圳这个季节不冷不热，这个时间点的风铃木开得太好了，值得记录下，家附近拍的风铃木
今天及明天应该也都会出去走走！
-0.92% -1.29% 100% ETF大饼
[交易回顾]
本周没有太多操作，周五下午基于ETF的动量变化做了计划内的调仓，目前主要持有可转债ETF、中证2000ETF等。
最近还是学习为主，下载了一些轮动量化的代码，学习一下，争取早日弄明白以下问题：
1、ETF候选池的筛选规则
— 是基于哪些因子筛选出的ETF池子？
— 不同ETF风格差异极大，宽基和行业ETF是如何考量的，为什么选择这些ETF，不考虑其他的ETF？
— 这些ETF和投资者的投资风格的关系是什么？
— 需要详细了解ETF的持仓细节和基金经理的风格吗？
2、在候选池确定下来的前提下，目前主流的ETF轮动策略主要有哪些，轮动主要是基于哪些因子进行决策
— 为什么会考虑这些因子，为什么不考虑其他因子？
— 策略的回测情况是怎么样的？
— 策略中包含哪些止损因子？
上周六、周日都出去city walk，每天走六七公里，深圳这个季节不冷不热，这个时间点的风铃木开得太好了，值得记录下，家附近拍的风铃木
今天及明天应该也都会出去走走！
1
赞同来自: 文撕墨客
周收益 年收益 仓位 重仓一 重仓二 重仓三
-2.98% -0.35% 100% ETF大饼
上周末梳理出来的本周重点关注ETF列表如下：
黄金ETF
中证2000ETF
可转债ETF
有色金属ETF/稀有金属ETF
卫星产业ETF
【交易回顾】
本周周一周二主要是在中证2000ETF、可转债ETF上操作，周四入手了稀有金属ETF，然后就翻车了*，在稀有金属ETF上栽了个大跟头，操作有点进退失据，利润回吐，这个回撤不可谓小，不过塞翁失马焉知非福，有些交易中的底线是需要在慢慢操作中建立起来的。
1、「止损原则」——为每笔交易需要设置止损点，这样你就有了下限，当市场风格切换时，不至于下限太差；
2、「右侧交易原则」——之前的很多交易都是凭主观判断就入手了，也没有每笔交易都使用条件单，最近在学习量化中的一些策略，我看一些交易策略中的买入信号就是右侧交易中的趋势确立的信号，希望通过学习这些策略来识别一些交易信号，让自己进退有据；
【神奇AI】
最近在搜集别人的策略的过程中，有的时候会需要将图片中的代码转换为真实的代码，试用了豆包、元宝、千问、Deepseek，感觉豆包在这一块的处理能力遥遥领先，AI的进步真是神速！目前我的工作中需要大量的使用AI工具，我也基于一些已有的AI工具做了一些加工和包装，让其自动帮助我完成了很多工作，我感觉如果你可以越来越快、越来越深入的掌握AI，你就可以比别人跑得更快一步。
-2.98% -0.35% 100% ETF大饼
上周末梳理出来的本周重点关注ETF列表如下：
黄金ETF
中证2000ETF
可转债ETF
有色金属ETF/稀有金属ETF
卫星产业ETF
【交易回顾】
本周周一周二主要是在中证2000ETF、可转债ETF上操作，周四入手了稀有金属ETF，然后就翻车了*，在稀有金属ETF上栽了个大跟头，操作有点进退失据，利润回吐，这个回撤不可谓小，不过塞翁失马焉知非福，有些交易中的底线是需要在慢慢操作中建立起来的。
1、「止损原则」——为每笔交易需要设置止损点，这样你就有了下限，当市场风格切换时，不至于下限太差；
2、「右侧交易原则」——之前的很多交易都是凭主观判断就入手了，也没有每笔交易都使用条件单，最近在学习量化中的一些策略，我看一些交易策略中的买入信号就是右侧交易中的趋势确立的信号，希望通过学习这些策略来识别一些交易信号，让自己进退有据；
【神奇AI】
最近在搜集别人的策略的过程中，有的时候会需要将图片中的代码转换为真实的代码，试用了豆包、元宝、千问、Deepseek，感觉豆包在这一块的处理能力遥遥领先，AI的进步真是神速！目前我的工作中需要大量的使用AI工具，我也基于一些已有的AI工具做了一些加工和包装，让其自动帮助我完成了很多工作，我感觉如果你可以越来越快、越来越深入的掌握AI，你就可以比别人跑得更快一步。
1
赞同来自: 文撕墨客
周收益 年收益 仓位 重仓一 重仓二 重仓三
0.52% 2.63% 60% ETF小饼
上周末梳理出来的本周重点关注ETF列表如下：
中证红利质量ETF
红利低波100ETF
纳指ETF
卫星产业ETF
沪深300ETF
黄金ETF
重点关注个股有：
盛屯矿业
信达证券
盛美上海
周一买入中证2000ETF、中证红利质量ETF、卫星产业ETF；
周二卫星产业ETF出现了剧烈波动，盘中最大跌幅6%，选择卖出卫星产业，至于周五卫星产业ETF大涨10%就与我无关了；
周二买入黄金ETF，周三卖出；
总体来看，上周末的筛选没问题，但操作过于频繁，后续需降低操作频率，安心持有，每周轮动下。
0.52% 2.63% 60% ETF小饼
上周末梳理出来的本周重点关注ETF列表如下：
中证红利质量ETF
红利低波100ETF
纳指ETF
卫星产业ETF
沪深300ETF
黄金ETF
重点关注个股有：
盛屯矿业
信达证券
盛美上海
周一买入中证2000ETF、中证红利质量ETF、卫星产业ETF；
周二卫星产业ETF出现了剧烈波动，盘中最大跌幅6%，选择卖出卫星产业，至于周五卫星产业ETF大涨10%就与我无关了；
周二买入黄金ETF，周三卖出；
总体来看，上周末的筛选没问题，但操作过于频繁，后续需降低操作频率，安心持有，每周轮动下。
1
赞同来自: iamkhan
周收益 年收益 仓位 重仓一 重仓二 重仓三
0.63% 2.13% 60% ETF小饼
多向别人请教。
今天带小朋友和两个朋友一家去海边野炊，这两个朋友是我的研究生同学，我们是同一个导师，学生时期相处默契，工作后大家也留在了读书的城市，住得也不算远，偶尔会有小聚，小朋友们虽然见面不算太多，但也都耍得开心，一起赶海捡小螃蟹，一起海边玩沙子，玩得不亦乐乎，三家人一起野炊，一起吃吃喝喝。两个朋友，一个一直坚持在创业，一个最开始和我做同一类型的工作，后来慢慢转行做智能驾驶算法相关的工作，都很踏实，他们身上有许多值得我学习的地方，同他们唠唠嗑，真好。
学生时代、工作时代我也是算是自驱力比较强的，几年前无意间来到集思录，但对投资一直都没有挂在心上，但我有慢慢开始深入看很多老师的帖子，与其说有些老师的投资思路吸引了我，倒不如说很多老师对待生活的态度、对待生活的哲学更让我痴迷，看这些老师的帖子，越来越觉得这是个有血有肉的社区，感觉也真好。跟随着这些老师的脚步，希望可以多一些对生活的理解，如果也有幸学到了一些投资思路，那就更好了！
0.63% 2.13% 60% ETF小饼
多向别人请教。
今天带小朋友和两个朋友一家去海边野炊，这两个朋友是我的研究生同学，我们是同一个导师，学生时期相处默契，工作后大家也留在了读书的城市，住得也不算远，偶尔会有小聚，小朋友们虽然见面不算太多，但也都耍得开心，一起赶海捡小螃蟹，一起海边玩沙子，玩得不亦乐乎，三家人一起野炊，一起吃吃喝喝。两个朋友，一个一直坚持在创业，一个最开始和我做同一类型的工作，后来慢慢转行做智能驾驶算法相关的工作，都很踏实，他们身上有许多值得我学习的地方，同他们唠唠嗑，真好。
学生时代、工作时代我也是算是自驱力比较强的，几年前无意间来到集思录，但对投资一直都没有挂在心上，但我有慢慢开始深入看很多老师的帖子，与其说有些老师的投资思路吸引了我，倒不如说很多老师对待生活的态度、对待生活的哲学更让我痴迷，看这些老师的帖子，越来越觉得这是个有血有肉的社区，感觉也真好。跟随着这些老师的脚步，希望可以多一些对生活的理解，如果也有幸学到了一些投资思路，那就更好了！
京公网安备 11010802031449号