核心观点
- 基于Codex开发夏普率大于1的行业轮动策略，采用“行业趋势优选+ ETF落地+国债ETF现金管理”的主观多头框架。
- 策略来源于行业动量和风险平价两类长期有效的配置思想。
- 基准策略年化收益率12.29%，年化波动率11.85%，夏普率为1.04，最大回撤-11.92%。
无监督AI Agent策略开发
- 使用Codex目标功能辅助开发，无监督状态下选择“行业趋势优选+ ETF落地+国债ETF现金管理”框架。
- 行业基准权重固定60%，每月末剔除“综合”行业，按过去500个交易日风险调整收益排序，选择6个行业；行业内部采用等风险权重。
- 剩余40%配置十年国债ETF作为防守与现金管理仓位。
- 自2019-02-11至2026-06-01，单边万3.5成本扣减后，年化收益率12.29%，夏普率为1.04，最大回撤-11.92%，年化换手约3.00。
无监督策略的缺陷
- 无法回答行业机制、产品映射和可解释性边界。
- 原始方案行业颗粒度偏粗，ETF落地依赖名称关键词映射，无法保证真实持仓暴露。
- 核心信号更接近长期动量和低波组合，熊市防守主要来自静态40%十年国债ETF，而非动态风险预算调整。
注入分析师的Know-How
- AI擅长代码转化，但无法自动完成金融研究的前置判断。
- 从经典行业轮动逻辑看，常见路径包括宏观周期轮动、景气轮动、资金流和拥挤度轮动、量价轮动。
- 量价框架的输入更标准，指标定义更明确，更适合AI辅助。
- 最终确认以RRG（Relative Rotation Graph）为核心行业轮动策略。
迭代路径
- 分析师与AI Agent多轮对话共同开发，完成10轮主要代码测试。
- 前面4轮排除不稳定方向，中间3轮确定申万二级行业高频低波母策略，最后3轮定稿风控、1323条风控规则搜索、样本扩充、报告策略复核。
- 最重要的两次网格测试一共跑了1803个候选集合，最终确定最优参数组合。
策略框架
- 第一层信号：行业扩散指标（Diffusion Index）和RRG（Relative Rotation Graph）。
- 第二层信号：ETF持仓穿透和波动率评分。
- 第三层信号：权益ETF仓位清空判断。
- 主样本回测区间为：2019-01-02至2026-06-01。
回测表现与参数敏感性
- 分起点看，策略不是只在单一起点下有效。
- 从2017-01-03起算，年化收益率为14.70%，夏普率为1.068，最大回撤为-20.13%；从2019-01-02起算，年化收益率为20.64%，夏普率为1.339，最大回撤为-18.86%。
风险提示
- 参数选择可能存在过拟合风险。
- 交易成本只计入单边万五，未额外计入冲击成本、申赎成本、容量约束和流动性折价。
- 实盘容量和交易摩擦仍需单独评估。
- ETF持仓穿透依赖定期报告持仓，实际交易中存在滞后，行业暴露可能和当期真实持仓略有差异。
