ETF轮动策略：三因子打分与Python回测实践

1. 策略定位与三个因子的设计逻辑

1.1 这个策略到底想解决什么问题

散户做量化，最大的门槛从来不是代码，而是策略思路是否靠谱。市面上的所谓“量化策略”要么复杂到普通人根本跑不起来，要么简单到跟猜大小没区别。这个“三个因子、四只ETF”的策略定位非常明确：用有限的可解释因子，在ETF这个低门槛载体上做轮动，用Python能跑通的逻辑去追求一个相对稳定的超额收益。

先说结论：回测年化40%这个数字，放在真实市场里必须打折扣，但即便打个对折、年化20%左右，对散户来说也已经是非常优秀的水平，关键它可复制、可验证、可复盘。策略的核心思路用一句话概括：用三个有经济学逻辑的因子，给四只ETF做月度打分排序，然后只持有得分最高的那一只。

这里有个容易被新手忽略的点：为什么选ETF而不是个股？因为个股存在流动性冲击、基本面暴雷、停牌等大量不可控因素，而ETF追踪指数，因子暴露更纯净，回测结果也更可信。散户没有精力去逐个排雷，ETF天然帮你做了一层分散。

1.2 三个因子的经济学含义

我的选择是动量因子、波动率因子、红利因子。这三个因子各自代表一种市场状态下的赚钱逻辑，组合起来能够覆盖大部分行情风格。

动量因子（Momentum）的逻辑最简单：过去一段时间涨得好的资产，未来一段时间往往继续涨。这背后是投资者反应不足和羊群效应的合力，趋势一旦形成就有惯性。回测里一般用过去20到60个交易日的累计收益率来度量。

波动率因子（Low Volatility）的逻辑是低波动资产长期收益反而更高，这个现象在学术上被称为“低波动异象”。原因是散户普遍偏爱波动大的彩票型资产，导致高波动资产被过度定价，低波动资产反而被低估。用过去20个交易日收益率的标准差就能度量。

红利因子（Dividend）的逻辑是持续高分红的企业往往现金流稳定、经营成熟，在市场下跌时这些资产抗跌性更强。用ETF跟踪指数的股息率就能度量。

这三个因子一个抓进攻（动量）、一个抓防守（低波动）、一个抓价值底仓（红利），组合打分后，策略理论上能在牛市跟上趋势、在震荡市降低回撤、在熊市尽量少亏。

1.3 因子打分与合成的具体方法

因子合成这里有个细节很关键：三个因子的量纲完全不同，动量是收益率数值，波动率是百分比，股息率也是百分比但量级很小，直接加总没有任何意义。必须做标准化处理。

我的做法是百分位排名法。每个月末，对四只ETF分别计算三个因子的取值，然后将每个因子转换成百分位排名（0到100），最后按权重加权求和。动量、低波动、红利的权重分别设为40%、30%、30%，这个权重经过网格搜索验证，并不是拍脑袋定的。

还有一个实操细节：低波动因子是正向还是反向？波动率本身是风险指标，数值越大代表风险越高，所以排序时要取倒数或反序排名，波动率最低的ETF得分最高。这个方向搞反了，整个策略效果会完全颠倒。

2. 四只ETF的筛选与组合定位

2.1 为什么是这四只

标的选择是整个策略的地基。动量因子需要资产有足够的趋势弹性，低波动因子需要资产有差异化风险特征，红利因子需要资产有稳定的现金分红，单只ETF无法同时满足所有条件，所以必须组合。

我用的是沪深300ETF、中证500ETF、创业板ETF、红利ETF这四只。选择依据有三条：规模足够大（流动性好）、跟踪误差小（场内价格贴合净值）、覆盖