趋势型策略原理及股票池机制的设计

趋势型策略原理及股票池机制的设计

小象实战讲义 · 进阶量化交易实战：迭代式的量化策略研发 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

单只标的的趋势策略极易受到个股黑天鹅与长时间盘整磨损的困扰。将趋势型择时逻辑与动态多因子股票池有机结合，在具备高动量与成长潜力的精选股票池内捕捉大级别突破行情，是实现稳健复利的核心机制。

💡 核心导读

• 趋势策略与股票池协同机制的两级火箭：
  • 一级火箭（股票池选优）：每月初在全市场中按相对强弱（RPS）精选出排名前 5 名的高动能股票池；
  • 二级火箭（趋势择时进出场）：在股票池内，个股触发唐奇安通道突破（Donchian Breakout）或双均线金叉时开仓，跌破动态止损线时止损出场；
• 低相关分散与资金动态再平衡：
  • 限制单只个股持仓上限（如不超过总资金 10%），实现跨板块趋势捕捉。

┌─────────────────────────────────────────────────────────────┐
│                   趋势择时与股票池协同驱动拓扑图               │
└──────────────────────────────┬──────────────────────────────┘
                               │
 ┌─────────────────────────────┴─────────────────────────────┐
 ▼                                                           ▼
┌─────────────────────────┐                                 ┌─────────────────────────┐
│ 多因子股票池 (一级火箭) │                                 │ 趋势择时执行 (二级火箭) │
├─────────────────────────┤                                 ├─────────────────────────┤
│ • 每月重平衡            │                                 │ • 每日动态监控          │
│ • RPS 动量 > 85 分位    │                                 │ • 唐奇安 20 日突破开仓   │
│ • 财务质量基本面及格    │ ──────── 选出 30 只备选标的 ───► │ • ATR 吊灯跟踪止损平仓  │
└─────────────────────────┘                                 └─────────────────────────┘

一、相对强弱指标（RPS）与动态股票池联动

相对价格强度（Relative Price Strength, RPS）衡量个股过去 $N$ 日涨幅在全市场股票中的分位数排名：

$$RPS_i = \frac{\text{Rank}(\Delta P_i, \mathcal{U})}{M} \times 100$$

只有 $RPS > 85$ 的领涨强势股才能进入趋势交易备选池，有效避开弱势盘整股对资金的无谓占用。

import pandas as pd
import numpy as np

def calculate_market_rps(df_returns: pd.DataFrame, window: int = 120) -> pd.Series:
    """
    计算截面相对强弱分位数 RPS
    """
    returns_n = df_returns.pct_change(window).iloc[-1]
    rps_series = returns_n.rank(pct=True) * 100.0
    return rps_series

二、股票池内趋势择时信号生成与仓位限制

在入选池内，个股收盘价突破过去 20 日最高价时触发买入信号。为控制组合集中度风险，单只标的最大分配权重为 $w_{\max} = 10$。

$$\text{Signal}$${i, t} = (P{i, t} > \max_{1 \le k \le 20} P_{i, t-k}) \land (i \in \mathcal{S}_{pool})

def generate_pool_trend_signals(df_prices: pd.DataFrame, pool_symbols: list) -> pd.DataFrame:
    """
    股票池内趋势突破信号生成
    """
    signals = pd.DataFrame(index=df_prices.index)
    for sym in pool_symbols:
        high_20 = df_prices[sym].rolling(20).max().shift(1)
        signals[sym] = (df_prices[sym] > high_20).astype(int)
    return signals

📝 动手练一练

编写 Python 仿真测试，模拟 RPS 筛选前 5 名股票池并在池内触发趋势突破交易：

import pandas as pd
import numpy as np

def run_pool_trend_test():
    np.random.seed(42)
    dates = pd.date_range('2023-01-01', periods=100)
    # 模拟 20 只股票
    symbols = [f'S_{i:02d}' for i in range(20)]
    price_data = {}
    for s in symbols:
        price_data[s] = 100.0 * np.cumprod(1.0 + np.random.normal(0.0005, 0.02, 100))
    df_prices = pd.DataFrame(price_data, index=dates)
    
    # 1. 计算 RPS 选出 Top 5
    rps = calculate_market_rps(df_prices, window=60)
    top_symbols = list(rps.nlargest(5).index)
    
    # 2. 生成趋势信号
    signals = generate_pool_trend_signals(df_prices, top_symbols)
    total_signals = signals.sum().sum()
    
    print("================ 股票池趋势协同策略测试 ================")
    print(f"入选 Top 5 强势股票池: {top_symbols}")
    print(f"股票池内累计触发突破次数: {total_signals} 次")
    assert len(top_symbols) == 5, "股票池筛选数量不正确！"
    print("✅ 股票池机制与趋势策略协同验证 PASS")
    print("======================================================")

if __name__ == '__main__':
    run_pool_trend_test()

运行结果输出：

================ 股票池趋势协同策略测试 ================
入选 Top 5 强势股票池: ['S_08', 'S_14', 'S_16', 'S_19', 'S_10']
股票池内累计触发突破次数: 115 次
✅ 股票池机制与趋势策略协同验证 PASS
======================================================

本章小结

1. 两级火箭驱动机制：一级火箭通过多因子股票池锁定强势领涨主线，二级火箭利用技术突破精准择时。
2. 严格单票权重控制：通过等权重或风险平价限制单一标的暴露上限，防范个股踩雷风险。
3. 动态淘汰与更新：跌出 RPS 阈值或触发止损的标的立即移出股票池，资金迅速释放至高分候选标的。

📋 行动清单 (Action Checklist)

• 运行股票池趋势测试代码，测算 RPS 阈值（80 vs 90）对交易胜率的影响；
• 为趋势信号增加成交量放大（Volume > 1.5 * VMA）确认条件；
• 预习下一节，深入掌握趋势择时信号的设计方法与状态机实现。

— 小象教研组