TL;DR
SQTS v4 从 2026-03-31 进入 paper trading, 到 2026-04-17 共 13 个交易日 (+初始调仓日). 期间累计 NAV 从 1.0000 → 1.0359, 净值涨 +3.59%； 同期基准 (0.6 × baseline B + 0.4 × 国债 ETF 511010.SH) 回测预期 +2.44%； 主动收益 +1.15pp; 与回测模型的日收益相关系数 0.999; 年化跟踪误差 0.57%.
这个数字好看, 但13 天对统计没有任何意义. 这篇复盘的重点不是"我赚了多少", 是 (1) 持仓到底长什么样, (2) 相关 0.999 意味着什么, (3) 多出来的 1.15pp 最可能的归因.
一、13 天的净值曲线
下面是每一个交易日的日收益明细 (含调仓日 ⟲, 调仓日不计入 TE 统计):
| 日期 | 日收益 | NAV | 备注 |
|---|---|---|---|
| 2026-03-31 ⟲ | −0.158% | 0.9984 | 首日建仓 |
| 2026-04-01 | +0.634% | 1.0047 | |
| 2026-04-02 | −0.593% | 0.9988 | |
| 2026-04-03 | −0.703% | 0.9918 | 当日最低 |
| 2026-04-07 | +0.033% | 0.9921 | |
| 2026-04-08 | +2.184% | 1.0138 | 最高单日 |
| 2026-04-09 | −0.227% | 1.0115 | |
| 2026-04-10 | +1.096% | 1.0225 | |
| 2026-04-13 | −0.074% | 1.0218 | |
| 2026-04-14 | +0.369% | 1.0256 | |
| 2026-04-15 | −0.601% | 1.0194 | |
| 2026-04-16 | +1.376% | 1.0334 | |
| 2026-04-17 | +0.242% | 1.0359 |
几点观察:
- 最大单日回撤 −0.7% (2026-04-03). 整段最大回撤约 −0.82% (从 1.0047 到 0.9918). 对比同期沪深 300 的单日振幅经常超过 1.5%, 60/40 股债的回撤压制效果非常明显.
- 单日最大涨幅 +2.18% (2026-04-08). 这天 A 股整体大涨, 股债组合的股票腿吃到了大部分 beta.
- 日收益分布接近正态, 上涨日 7 天 vs 下跌日 5 天 (不含调仓). 没有任何一天的异常 jump 让我担心数据错了.
二、持仓透视 · 51 只股票 + 1 只国债 ETF
大类配置
组合在 2026-04-17 收盘时的顶层结构:
| 资产 | 权重 | 角色 |
|---|---|---|
| 511010.SH · 5 年期国债 ETF | 38.62% | 债券腿, 回撤托底 |
| 51 只 A 股 (行业轮动 baseline B) | 61.38% | 股票腿, alpha + beta 来源 |
目标配置是 60/40 (C2), 实际 61.4/38.6 是股票腿月内自然涨了一点导致的漂移. 每月调仓日会拉回到 60/40, 所以这个漂移是设计内的.
股票腿的行业分布
51 只股票按申万一级行业估算的分布 (占股票腿):
| 行业 | 股票数 | 占股票腿 | 占总组合 |
|---|---|---|---|
| 基础化工 | ~10 | ~20% | ~12% |
| 汽车 | ~7 | ~14% | ~9% |
| 机械设备 | ~7 | ~14% | ~9% |
| 电力设备 (含电池/风电/光伏) | ~7 | ~14% | ~9% |
| 钢铁 | ~5 | ~10% | ~6% |
| 电气设备 | ~5 | ~10% | ~6% |
| 其他 (有色/建筑/煤炭/电子/地产) | ~10 | ~18% | ~11% |
明显的周期 + 制造业倾斜. 这不是我主观配的 — baseline B 的景气度 + 动量因子当前把组合推向了这些行业. 科技 / 消费 / 医药几乎没有暴露.
一个值得说的细节: 我**没有**排除任何行业. 组合里没有半导体、白酒、创新药， 是因为 combo_eq 因子当月没把它们排进 top. 这是数据在说话, 不是我在说话.
前 10 大持仓明细
除国债 ETF 外的前 10 大 (按权重降序):
| # | 代码 | 名称 | 权重 | 粗略行业 |
|---|---|---|---|---|
| 1 | 002837.SZ | 英维克 | 1.52% | 电子散热 |
| 2 | 002353.SZ | 杰瑞股份 | 1.45% | 油服 |
| 3 | 601208.SH | 中国能建 | 1.45% | 建筑 |
| 4 | 301200.SZ | 迪阿股份 | 1.45% | 商贸零售 |
| 5 | 002487.SZ | 大金重工 | 1.42% | 风电 |
| 6 | 603129.SH | 春风动力 | 1.41% | 摩托车 |
| 7 | 300450.SZ | 先导智能 | 1.36% | 锂电设备 |
| 8 | 603766.SH | 隆鑫通用 | 1.34% | 摩托车 |
| 9 | 603308.SH | 应流股份 | 1.33% | 精密铸造 |
| 10 | 002595.SZ | 豪迈科技 | 1.32% | 模具 |
前 10 大股票合计权重约 14.0%, 单只最高 1.52%. 这是非常分散的组合 — 任何一只单独的黑天鹅最多能拖 NAV 1.5pp, 完全在容忍范围内. 51 只等权持有本身就是一个很重要的风控设计.
设计原则: 单一持仓权重上限 2%, 单一行业权重上限 20%. 这两条硬约束比任何因子都更能保命.
三、实盘 vs 回测 · 相关系数 0.999 的意义
每天跑完后, 系统会自动对比当日实盘收益与用同样持仓的回测模型预测收益. 17 天下来:
- 日收益相关系数: 0.999
- 日差值均值: +0.60 bp (0.006%)
- 日差值标准差: 3.57 bp (0.036%)
- 年化 TE: 0.57%
相关 0.999 的意思是: 我的回测模型能够 99.9% 精确地预测实盘日收益的走向. 这是一个好消息也是一个坏消息.
好消息: 说明我的回测引擎没有 bug, 复权口径、价格源、成本模型都跟实盘对得上. 很多散户量化在从回测转到实盘的第一周就会发现 "我的回测全是假的" — 我没踩这个坑. 这给了我对模型输出的基本信任.
坏消息: 相关 0.999 + TE 0.57% 意味着我的策略在这 17 天里几乎就是基准本身. 主动收益 +1.15pp 的绝对值在统计上也非常小 — 按 TE 0.57% 换算, 17 天的主动收益标准差大概在 0.3pp 量级, +1.15pp 不能排除纯粹运气.
四、+1.15pp 的可能归因
这 1.15pp 到底哪里来的? 我暂时只能做三个猜想, 都还没证实:
(1) 行业内选股溢出 (Stock-in-Industry Selection)
Baseline B 选了 50 只股票, 分布在若干被因子打到高分的行业里. 这些股票本身在各自行业里是"因子得分 top", 所以哪怕行业配置贡献接近零, 行业内的 stock picking 可能贡献了大部分 alpha. 这符合 combo_eq 因子里"景气度"的作用方式 — 景气度高的股票在行业内也是景气度高的.
(2) 调仓窗口的择时运气
我的调仓日是每月第 1 个交易日 (2026-03-31), 刚好赶在 4 月大盘上涨之前. 如果我的调仓日往后推一天或往前推一天, 这 +1.15pp 可能会变成 +0.5pp 甚至 −0.2pp. 这是一个时点效应, 不可持续.
(3) 国债 ETF 的滑点比预期小
我的回测对 511010.SH 的成本假设是单边 5bp, 但 ETF 集合竞价的实际滑点可能更小. 40% 的债券腿每次调仓的 5bp 假设 = 2bp 组合层损耗, 一年累积 24bp. 如果实际只有 3bp, 相当于一年多 12bp 的 "虚拟 alpha".
Brinson-Fachler 归因还没跑出来. 这是下一个 milestone — 跑完归因, 我才敢说 +1.15pp 到底是什么. 不跑归因就说"alpha 来自 XX 因子"都是自我安慰.
五、局限与下一步
- 样本不足. 13 天 ≈ 3 周. 我需要至少 3 个月 (≈ 60 个交易日) 才能看清楚跟踪稳定性, 6 个月才开始谈 alpha.
- 没穿越完整周期. 这 17 天里 A 股总体是慢涨, 没经历过一次像样的调整. 我不知道组合在 −5% beta 下的行为.
- 归因没做. Brinson-Fachler 的月度归因是接下来 2 周的工作.
- 国债 ETF 依赖度高. 40% 仓位在单一产品上, 流动性有极端情况风险. 下一版考虑换成 2 只等权 ETF 分散.
接下来几周的 roadmap
- 跑 Brinson-Fachler 归因, 拆清楚 +1.15pp 到底哪来的;
- 扩一条备选债券腿 (考虑 511260.SH 或者 511880.SH), 替代或补充 511010.SH;
- paper trading 满 60 天时写一篇 milestone 复盘;
- 把每日净值同步到站点, 让首页的那三个数字 (天数 / NAV / TE) 自动更新, 不用我手写.
如果你想知道这套 v4 组合是怎么一步步进化出来的, 请看 SQTS 迭代史 · 从 v1 到 v4; 如果你好奇 "为什么跑着 v4 又去学可转债", 请看 可转债双低 · 一个失效策略的完整验尸.