高维时空嵌入的视角：物理增强型样本熵择时模型

核心观点

本研究聚焦于ETF市场的量化择时策略构建，核心在于将非线性动力学的样本熵理论与物理学的推重比概念深度融合，实现对市场复杂性与驱动力在风险平衡层面的一体化刻画。

策略构建

成功构建了一套物理增强型样本熵(Phys-Enhanced SampEn)择时策略，创新性地将“推重比序列”作为输入项进行熵计算，能够同时量化“价格波动的随机性”与“驱动力-风险平衡的规律性”，突破了传统单维度不确定性度量的局限。引入流动性调整推重比,通过量价共振动量与流动性阻力因子修正,有效解决了理论信号与实际可交易性的脱节问题,形成了从不确定性量化、物理属性嵌入到流动性约束的完整策略框架。

策略回测

通过历史数据回测验证了策略的有效性和稳健性。回测期2017年1月-2025年11月，覆盖完整牛熊周期，标的横跨宽基指数、科技成长、周期资源、消费医疗与金融等多元板块，共38只ETF。策略在不同市值风格、不同波动特征、不同流动性水平的标的上均展现出良好适应性。

策略表现

年化收益率方面，整体区间平均年化收益率27.19%，中位数25.64%，显著超越买入持有策略(平均年化超额22.29%)；风险调整后收益方面，平均夏普比率1.30，索提诺比率达155.77%，表明择时策略在获取超额收益的同时有效控制了下行风险；回撤控制方面，相较买入持有平均降低28.18%，展现出较强的净值修复能力。同时策略不仅在高波动科技类标的上平均年化收益达33.84%且索提诺比率达176.28%，在低波动宽基类标的上也实现了夏普比率达1.31的稳健表现，验证了策略对不同市场环境和产品类别的良好适应性。

研究结论

回测结果表明，基于融合熵值分位数阈值与推重比方向的一体化信号规则能够有效地动态适配不同市场状态，策略通过有效捕捉趋势转折点并控制交易频率,实现了信号准确率与风险收益指标的双重优化,验证了物理-统计融合框架在量化择时领域的有效性与实用性。