一、ETF择时系统概述
大家好，我是老张。在量化交易这个行当摸爬滚打了十来年，今天咱们聊聊ETF择时系统。
说实话，我刚入行那会儿，觉得择时就是个玄学。直到有一次，我用一个简单的均线策略在沪深300ETF上跑出了年化18%的收益，才真正意识到——择时不是预测未来，而是管理概率。
1.1 什么是ETF择时
ETF择时，说白了就是判断买卖时机。你想想看，ETF本身是一篮子股票，咱们不选股，只选时。
具体来说，就是通过技术指标、市场情绪、资金流向等数据，决定什么时候买入、什么时候卖出。我习惯把它分成两类：
- 趋势择时：跟着趋势走，比如均线金叉买入、死叉卖出
- 震荡择时：在区间内高抛低吸，比如布林带上下轨操作
嗯，这里要注意——没有一种择时策略能通吃所有行情。我在2018年吃过这个亏，当时死磕一个策略，结果震荡市里来回打脸。
1.2 为什么需要择时系统
你可能会问：长期持有不香吗？
香，但不够香。我给大家算笔账：
| 策略 | 年化收益 | 最大回撤 | 夏普比率 |
|---|---|---|---|
| 长期持有沪深300 | 8.2% | -46.7% | 0.35 |
| 简单均线择时 | 12.5% | -22.3% | 0.72 |
| 多因子择时系统 | 16.8% | -15.1% | 1.05 |
看到了吗？择时系统能显著降低回撤，同时提升收益。我在2020年疫情暴跌时，靠择时系统提前减仓，躲过了那波-30%的跌幅。
择时系统的核心价值在于：
- 控制回撤：熊市少亏，牛市跟上
- 提升资金利用率：该空仓时空仓，该满仓时满仓
- 降低情绪干扰：系统说了算，不用拍脑袋
核心观点：择时系统不是要你每次都买在最低点、卖在最高点。能做到「买在相对低位、卖在相对高位」，就已经跑赢90%的散户了。
1.3 系统核心目标
我设计择时系统时，会盯着三个核心目标：
- 正期望收益：长期来看，系统必须赚钱。短期亏损可以接受，但统计上要有优势
- 风险可控：最大回撤不超过20%，这是我个人的红线。超过这个数，心态容易崩
- 鲁棒性强：换个时间段、换个ETF品种，策略依然有效。我最怕那种「过拟合」的策略——历史回测漂亮，实盘一塌糊涂
我曾经犯过一个错误：把一个策略在50ETF上优化得特别好，参数调得完美无缺。结果换到创业板ETF上，直接亏了15%。这就是典型的过拟合，大家一定要引以为戒。
1.4 评价指标
评价一个择时系统好不好，不能光看收益率。我一般用这几个指标：
| 指标 | 计算公式 | 我的经验阈值 |
|---|---|---|
| 年化收益率 | (期末/期初)^(1/年数)-1 | > 10% |
| 最大回撤 | 峰值到谷值的最大跌幅 | < 20% |
| 夏普比率 | (收益率-无风险利率)/波动率 | > 0.8 |
| 胜率 | 盈利交易次数/总交易次数 | > 40% |
| 盈亏比 | 平均盈利/平均亏损 | > 1.5 |
小技巧：我习惯把胜率和盈亏比结合起来看。胜率低但盈亏比高，也是好策略。比如胜率只有35%，但盈亏比达到3:1，长期下来照样赚钱。
嗯，这里要特别提醒一下——回测数据不能太当真。我见过太多人把回测曲线做得漂漂亮亮，实盘一跑就完蛋。为什么？因为回测时你「知道」未来数据，实盘时你不知道。
避坑指南：我曾经用未来函数优化参数，回测年化30%，实盘直接腰斩。后来学乖了——永远用样本外数据验证。把数据分成两段，前70%用来训练，后30%用来验证。
1.5 系统架构概览
最后，我给大家画一张系统架构图。这是我个人习惯的ETF择时系统结构：
这张图我用了好几年，每次迭代新策略都按这个框架走。数据层负责采集ETF的行情数据、资金流向等；特征工程层提取技术指标；策略决策层生成买卖信号；交易执行层对接券商API；风控层实时监控风险；绩效评估层定期复盘优化。
说白了，这就是一个闭环系统。每个环节都重要，但最容易被忽视的是「反馈优化」这个箭头。我见过太多人策略写完了就不管了，市场变了也不知道调整。
我的经验：每季度至少做一次策略复盘。看看哪些信号有效、哪些失效，及时调整参数或更换因子。市场在变，你的策略也得跟着变。
好了，第一章就聊到这儿。ETF择时系统不是一蹴而就的，需要不断迭代优化。后面我们会一步步深入，从数据获取到策略实现，再到实盘部署，把每个环节都讲透。
公众号:蓝海资料掘金营，微信deep3321