一、风险控制概述：轮动策略为什么需要风控？

做轮动策略这些年，我踩过不少坑。说实话，刚入行那会儿，我觉得轮动策略就是「哪个强买哪个」，简单粗暴。直到有一次，我的模型在回测里跑得漂亮，实盘却亏得我怀疑人生。

嗯，从那以后我才真正明白——轮动策略的核心，不是选股，而是风控。

1.1 为什么轮动策略特别需要风控？

你想想看，轮动策略本质上是在做「追涨杀跌」。我们不断卖出弱势资产，买入强势资产。这个逻辑在趋势行情里很爽，但一旦市场风格切换，或者出现极端行情，后果就很严重。

我个人习惯把轮动策略比作「开车换道」。你频繁变道，确实可能更快到达目的地。但如果你不看后视镜、不系安全带，那翻车的概率也高得吓人。

具体来说，轮动策略面临几个致命问题：

• 滞后性：我们根据历史数据判断「强势」，但等你买入时，强势可能已经到头了
• 过度交易：轮动频率越高，交易成本越高，滑点越严重
• 集中度风险：轮动策略往往重仓少数几个品种，一旦踩雷，损失巨大
• 模型失效：市场环境变了，你的轮动规则可能一夜之间变成反向指标

1.2 常见风险类型

做量化这些年，我总结出轮动策略最常遇到的四类风险。每一类我都吃过亏，希望你别重蹈覆辙。

1.2.1 市场风险

这是最直观的风险。大盘暴跌，你持有的品种也跟着跌。轮动策略并不能对冲系统性风险。

我记得2020年3月那次熔断，我的轮动模型还在按规则买入「相对强势」的品种。结果呢？所有品种都在跌，只是有的跌得慢一点。买入后第二天继续暴跌，直接把我打蒙了。

市场风险的特点：

• 不可分散：系统性风险来了，谁都跑不掉
• 尾部风险：黑天鹅事件虽然概率低，但一旦发生就是毁灭性的
• 波动率聚集：大跌之后往往还有大跌，趋势跟踪策略容易连续挨打

1.2.2 流动性风险

这个风险容易被忽视，但实盘中特别致命。你想想看，轮动策略需要频繁买卖。如果某个品种流动性不足，你卖的时候没人接盘，或者只能以极低的价格成交，那你的策略就废了。

我曾经在港股做过一个轮动策略，选了十几只小盘股。回测数据漂亮得很，年化收益30%+。结果实盘第一天，我想卖出某只股票，挂了单等了半小时都没成交。最后只能不断降价，滑点直接吃掉了我当天的全部收益。

流动性风险的几个表现：

• 买卖价差大：你买入和卖出的价格差距大，相当于一进场就亏钱
• 深度不足：大单无法成交，或者成交价格严重偏离预期
• 冲击成本：你的交易行为本身会影响价格，尤其是在小市值品种上

1.2.3 模型风险

说白了，模型风险就是你的策略「不灵了」。这是量化交易者最头疼的问题。

为什么会这样？因为模型是基于历史数据训练的。市场环境变了，你的模型参数可能就失效了。比如你用的均线周期是20天，过去5年都有效。但突然市场波动率变了，20天均线就变成了噪音。

模型风险的具体表现：

• 过拟合：模型在回测里完美，实盘里一塌糊涂。我见过有人把回测做到年化100%，实盘三个月亏光
• 参数漂移：最优参数随时间变化，你永远找不到「万能参数」
• 结构突变：市场规则变了，比如涨跌停制度、T+1制度调整，你的模型可能直接失效

1.2.4 操作风险

这个风险最「低级」，但也最容易出问题。操作风险不是策略本身的问题，而是执行过程中的失误。

我犯过最蠢的错误是什么？有一次我写了个自动交易脚本，结果因为网络延迟，同一个信号被重复执行了三次。等我发现时，仓位已经变成了原来的三倍。那天市场刚好反向波动，我直接爆仓了。

操作风险的常见场景：

• 代码bug：比如除零错误、数据缺失处理不当、信号计算错误
• 网络故障：断网、延迟、交易所连接中断
• 人为失误：手误输入错误参数、忘记启动策略、误操作
• 系统兼容性：API接口变更、数据格式变化、系统升级导致策略失效

1.3 四种风险的关系

这四种风险不是孤立的。它们经常相互影响，形成「风险链」。

举个例子：市场暴跌（市场风险）→ 你持有的小盘股流动性枯竭（流动性风险）→ 你的模型基于历史数据判断「还会跌」发出卖出信号（模型风险）→ 你手动干预交易，结果操作失误（操作风险）。

你看，一个风险会引发另一个风险。所以风控不能只盯着一个方面，要建立体系化的风控框架。

1.4 本章知识体系

下面这张图，是我自己总结的轮动策略风险控制框架。你可以把它当作本章的「思维导图」。

这张图展示了四个风险类型以及它们之间的传导关系。记住，风控不是单点防御，而是体系化工程。

---

好了，第一章就讲到这里。内容不多，但都是我用真金白银换来的教训。下一章我们会深入讲具体的风控指标和工具，比如最大回撤、夏普比率、VaR这些。到时候我会结合代码，手把手教你搭建风控模块。