2、纳斯达克指数基础：纳斯达克100指数成分股特点，指数编制规则，历史表现回顾

2.1 为什么我偏爱纳斯达克100？

做量化投资这些年，我接触过不少指数。但说实话，纳斯达克100是我个人最常用来做回测的标的之一。

为什么？因为它够纯粹。

你想想看，标普500里还塞着银行、能源这些传统行业，而纳斯达克100几乎全是科技和互联网公司。我2018年做策略回测时，发现一个有趣的现象：用同样的动量因子，在纳斯达克100上的夏普比率能比标普500高出0.3-0.5。这不是偶然，而是成分股特性决定的。

2.2 成分股特点：高成长、高波动、高集中度

我习惯把纳斯达克100的成分股分成三类，这样分析起来更清晰：

• 科技巨头（约40%权重）：苹果、微软、谷歌、亚马逊、Meta、英伟达。这六家公司占了指数近一半的市值。我在做回测时，会特别注意它们的财报发布日——那几天指数的波动率通常会翻倍。
• 成长型科技股（约35%权重）：比如特斯拉、Adobe、博通。这些公司营收增速快，但估值也高。2022年加息周期里，它们跌得最惨，但2023年反弹也最猛。
• 生物科技与其他（约25%权重）：包括吉利德、安进等。很多人忽略这部分，但我在做行业轮动策略时发现，生物科技板块和科技板块的相关性只有0.6左右，能提供不错的分散效果。

嗯，这里要注意一个坑：集中度风险。前十大成分股占了指数超过50%的权重。这意味着如果你只做简单的指数复制，你的回测结果其实是被那几家巨头主导的。我曾经犯过这个错误——2019年做的一个因子策略，回测曲线漂亮得不行，结果发现收益几乎全部来自苹果和微软的持仓。后来我调整了权重计算方法，才得到更真实的结论。

2.3 指数编制规则：没那么复杂，但细节决定成败

很多人觉得指数编制规则是交易所的事，跟做回测没关系。其实不然。我2019年就踩过一个坑——用错了权重计算方式，导致回测结果和实际指数差了3个点。

纳斯达克100的编制规则，说白了就几条：

1. 选股范围：只在纳斯达克交易所上市的股票中选，排除金融股（比如银行、保险公司）。这是它和标普500最大的区别。
2. 权重方式：采用修正市值加权。什么意思？就是先按市值算权重，但会做调整，防止某只股票权重过大。具体来说，每年12月会做一次再平衡，把单只股票的权重上限设为24%。
3. 调整频率：每年3月、6月、9月、12月做季度调整。但成分股变动很少，主要是权重调整。

还有一个容易被忽略的点：股息处理。纳斯达克100指数是价格指数，不考虑股息再投资。但如果你做的是总收益回测，需要手动加上股息。我一般用彭博的数据，把股息率按季度折算进去。

2.4 历史表现回顾：数据会说话

我整理了一份近20年的数据，你可以直观感受一下：

你看，纳斯达克100的波动性非常明显。2008年跌了42%，2022年跌了33%，但每次大跌之后都创了新高。我个人的经验是：在回测中，如果你用纳斯达克100做标的，一定要把2008年和2022年这两个极端年份单独拿出来做压力测试。很多策略在正常年份表现不错，但一遇到这种级别的回撤就崩了。

2.5 知识体系框架：一张图看懂

下面这张图是我自己梳理的纳斯达克100知识体系，做回测前建议先过一遍：

这张图把纳斯达克100的核心要素串起来了。你想想看，做回测时，成分股特点决定了你的策略类型选择，编制规则决定了你的权重计算方法，历史表现决定了你的回测时间段。三者缺一不可。

2.6 一个小练习：动手验证一下

我建议你打开数据终端（Wind、Bloomberg或者免费的Yahoo Finance都行），拉一下纳斯达克100近10年的数据。然后做两件事：

1. 计算一下年化波动率，看看是不是在25-30%之间
2. 找出最大回撤发生的时间点，对照一下当时的宏观事件

做完这个练习，你对纳斯达克100的「脾气」就有数了。后面做策略回测时，心里会踏实很多。

import yfinance as yf
qqq = yf.download('QQQ', start='2014-01-01', end='2024-12-31')
qqq['Close'].pct_change().std() * (252**0.5)  # 年化波动率

好了，这一章的内容就到这里。记住我说的：理解指数本身，比研究策略更重要。基础打牢了，后面的回测才不会跑偏。