MoFin/docs/decisions/2026-08-13-事项五-策略组合市场测温动态切换.md

事项五解决方案：策略组合 + 市场测温 + 动态切换

2026-08-13 一次性落地。老莫指示：不分短期中期，全部立即完成。

---

一、根因诊断（数据铁证）

1.1 分市场状态检验结果

用 market_thermometer 回填 481 日 market_indicators（上证指数），把 v_weak/v_oversold 历史交易按入场日市场状态分组：

v_weak 近1年（2025-08-13后，250交易日）：

市场状态	天数占比	笔数	胜率	均盈
bull_osc（强势震荡）	43/250	304	60.2%	+5.05%
bull_trend（牛市趋势）	47/250	95	30.5%	-0.61%
bear（熊市/下跌）	111/250	223	28.3%	-1.88%
neutral（中性）	49/250	155	28.4%	-1.64%

v_weak 全历史（2021+）：

市场状态	笔数	胜率	均盈
bull_osc	441	54.4%	+4.18%
bull_trend	234	44.4%	+2.47%
neutral	356	44.1%	+1.78%
bear	370	37.8%	+0.48%

1.2 核心结论

1. v_weak 本质是"强势震荡市反弹策略"（bull_osc 胜率 60%/54%），不是"熊市抄底策略"（bear 胜率仅 28%/38%）
2. 近1年 bear 占一半时间（111/250 天）——v_weak 一半时间信号质量差，整体胜率被拉低到 39.3%（vs 10y 53.6%）
3. 当前市场 = bull_osc（强势震荡）——正是 v_weak 最有效状态
4. v_oversold 信号枯竭：2026 仅 4 笔，结构性牛市下"值得抄底的超跌"消失
5. 失效预警实测：v_weak 近90日胜率 22.7% → 红牌淘汰（701笔，盈亏比 1.70 尚可但胜率崩溃）

1.3 根因总结

近1年不佳 = 市场结构切换（bear 占一半 + bull_trend 结构性牛市）vs 弱市策略类型错配 + 单策略无保护

• 不是策略逻辑坏了（bull_osc 胜率仍 60%）
• 是市场在 bear 状态时间太长（111/250 天），弱市策略在这些日子失效
• 程飞的话验证："没有一种策略能在所有市场环境下通吃"

---

二、解决方案（一次性落地）

2.1 市场测温机制（market_thermometer.py）

核心理念（市场周期测温文/霍华德·马克斯）：周期像钟摆无法预测，但可测温——不是预测拐点，是判断当前摆到哪。

四态判定（复用 market_indicators 已有字段，无拍脑袋）：

状态	条件	策略
bull_trend	above_ma20=1 + rsi>55 + adx>20	龙头/趋势策略
bull_osc	above_ma20=1 + rsi>50	弱市均值回复（v_weak/v_oversold）
bear	above_ma20=0 + rsi<45	弱市策略降权
neutral	其他	观望/轻仓

落地：

• market_thermometer.py：回填 481 日 market_indicators + 四态判定 + 输出 market_state.json
• cron：每日 16:50 跑（盘后）
• 当前状态：bull_osc（强势震荡）（rsi 58.7 / above_ma20=1 / dd60 -2.5）

2.2 策略动态路由（strategy_router.py）

市场状态 → 策略权重（程飞资金分配原则：不确定时等权，动态只在极端状态用）：

状态	v_weak	v_oversold	leader	理由
bear	降权50%	降权50%	停用	bear 胜率28%，信号质量差
bull_osc	正常1.0	正常1.0	停用	bull_osc 胜率60%，最有效
bull_trend	降权50%	降权50%	启用1.0	bull_trend 适用龙头
neutral	轻仓0.5	轻仓0.5	停用	观望

落地：

• strategy_router.py：读 market_state.json → 输出 strategy_weights.json
• cron：每日 16:55 跑（测温后）

2.3 龙头识别策略（leader_scanner.py，新增武器）

适用状态：bull_trend（牛市趋势） 核心理念（12维方法论 + 龙头识别低波动优化版）：龙头股回调到 MA20 附近（趋势中的健康回调，不追高）

12维条件（复用 stock_indicators 已有字段，无拍脑袋）：

1. 个股 close > MA20（趋势向上）→ dist_ma20 ∈ [-3%, +2%]（回调到 MA20 附近）
2. RSI ∈ [45, 65]（强势未超买）
3. 市值/流动性（mcap_q > 0.3，龙头非小盘）
4. 量能配合（vol_ratio > 0.8，非极度缩量）
5. 趋势共振（trend_aligned=1）
6. 行业强势（待接入 sector 数据）

落地：

• leader_scanner.py：bull_trend 状态扫描龙头回调买点，输出 leader_signals.json
• 当前 bull_osc 状态不扫描（避免追高——测温决定策略）

注意：这是初版框架，需 MoFin 引擎验证达标（年化≥13.2%）才正式上线。当前标记为"待验证"。

2.4 失效预警机制（strategy_alert.py，三振出局）

核心理念（机器学习策略攻防体系文）：

• 三振出局：黄牌（减半）→ 橙牌（1/4）→ 红牌（清仓淘汰）
• 不是 IC 掉到负就删，是降权到观察模式（权重设 0 保留，恢复可启用）

MoFin 阈值（基于滚动胜率/盈亏比）：

级别	条件	动作
黄牌	滚动90日胜率 < 40%	权重减半
橙牌	胜率 < 35% 或盈亏比 < 0.5	权重降1/4
红牌	胜率 < 30%	权重0（淘汰观察）

落地：

• strategy_alert.py：监控 v_weak/v_oversold 滚动胜率/盈亏比，输出 strategy_alerts.json
• cron：每周五 17:00 跑
• 实测：v_weak 近90日胜率 22.7% → 红牌淘汰（当前 bull_osc 状态仍可观察，恢复可启用）

---

三、落地清单（已完成）

模块	文件	功能	cron	状态
市场测温	market_thermometer.py	四态判定+历史回填	每日16:50	✅ 跑通
策略路由	strategy_router.py	状态→策略权重	每日16:55	✅ 跑通
龙头识别	leader_scanner.py	bull_trend 龙头回调	（手动/待验证）	✅ 框架
失效预警	strategy_alert.py	三振出局	每周五17:00	✅ 跑通
分市场检验	analyze_market_state2.py	v_weak/v_oversold 分态胜率	（一次性）	✅ 完成

---

四、下一步（待验证/优化）

1. leader_scanner 回测验证：用 MoFin 引擎跑 bull_trend 日的龙头回调信号，验证年化≥13.2%
2. v_weak 恢复观察：当前红牌（22.7%胜率），但市场已转 bull_osc——每周失效预警自动重评，胜率回升至 40%+ 自动恢复权重
3. v_oversold 信号恢复：结构性牛市下信号枯竭，待市场转 bear/neutral 时恢复
4. sector 数据接入龙头扫描：行业强势确认（sector_above_ma20/sector_ret20）

---

五、关键原则（来自四篇文章）

1. 程飞（多策略组合）："单策略是茧，多策略是翅膀"——分散化本质是低相关性，不是数量
2. 程工（市场测温）："周期无法预测，但可测温"——不是预测拐点，是知道现在摆在哪
3. 因子挖掘框架："每个因子都有旱季雨季，没有任何因子能连续36个月保持正超额"——策略必须动态切换
4. 机器学习攻防："三振出局，不是IC掉到负就删"——降权观察，恢复可启用
5. 程飞（资金分配）："宁简勿繁，少动就是多赚"——动态配置只在极端状态用，其他时候等权

---

结论：近1年不佳不是策略坏了，是市场在 bear 状态时间太长（111/250 天）vs 弱市策略类型错配。解法 = 市场测温动态切换（bear 降权/bull_osc 正常/bull_trend 换龙头）+ 新增龙头策略（bull_trend 武器）+ 失效预警淘汰（三振出局）。

---

六、测温机制定稿：三态骨架 + 温度(rsi)连续维度（2026-08-13 数据验证后修正）

6.1 三态 vs 四态对比（老莫提问，数据决定）

对比实验：用 market_regime 回填 10 年（2016-2026，2319 条），按三态分组所有历史策略交易：

策略	trend_up	choppy	trend_down	适用温区
v_weak	46%	55%	47%	choppy
v_oversold	50%	57%	60%/+12.5%	trend_down
v_next4	63%/+13.6%	-	-	trend_up
v8.1	57%/+9.4%	-	-	trend_up
s2_panic	-	-	86%/+16.6%	trend_down×恐慌
v_lurk_v3	-	77%	71%	choppy/trend_down
v_lurk_bull	33%/-4.7%	35%/-4.0%	-	全失效（负收益）

choppy 内部按 rsi 温度分组（决定性验证）：

rsi 档	v_weak 胜率	均盈
恐慌<45	71%	+6.43%
中性45-60	46%	+1.74%
亢奋>60	37%	-0.16%

6.2 结论：三态够用，温度是叠加的连续维度

1. 三态（trend_up/choppy/trend_down）= 策略类型分类（用哪类策略）——market_regime.py 已有，回填 10 年完成
2. 温度（rsi 分档）= 力度维度（仓位乘数，连续量）——不并入状态分类（四态会把 rsi 硬切成 50/55 拍脑袋阈值，丢失连续性斜坡：恐慌71%→中性46%→亢奋37%）
3. 废弃 market_thermometer 四态（避免重复基建，数据纪律：统一 market_regime 三态）

6.3 策略-适用温度表（数据驱动固化，STRATEGY_TEMP 基础数据）

策略	适用状态	温度档	数据依据
v_weak	choppy	fear/neutral	恐慌71%
v_oversold	trend_down	panic/fear	64-86%
v_next4	trend_up	greed/euphoria	63%
v8.1	trend_up	-	57%
s2_panic	trend_down	panic	86%
v_lurk_v3	choppy/trend_down	fear/neutral	71-77%

关键发现：趋势市策略 v_next4/v8.1 已躺在历史列表（不需要新发明 leader_scanner），三态×已有策略 = 完整武器库。

6.4 落地文件

文件	功能
market_regime.py	三态判定（已有，回填10年）
temp_band.py	温度分档 + 仓位乘数（panic/fear/neutral/greed/euphoria）
strategy_router.py v2	三态选策略 + 温度乘数 → strategy_weights.json
strategy_alert.py	三振出局失效预警

当前：choppy×neutral → v_weak/v_lurk_v3 weight=0.8，v_next4/v8.1 观察。

---

七、温区平滑与周期记录（2026-08-13 老莫补充设计）

7.1 设计原则（老莫定）

1. 策略内部不放温区门控因子（v_next4 的 行业ADX>25 是反例，应去除）——让策略在所有温区都能发信号，才能测出全温区表现
2. 策略带"适用温区"属性——记录温区测试结果，不是内部硬门控
3. 适用温区是动态的——常态化测试，记录策略在不同温区随时间的变化
4. 系统监控温区变化、记录温区周期——以温区周期为锚点，触发策略周期性评估

7.2 平滑手段（数据选参）

问题：日级 regime 切换太频繁（原始 457 周期/151个1天周期），无法直接作为评估锚点。

方案：滞回确认（hysteresis）——连续 K 天同温区才确认切换。

数据选参：

K（确认天数）	周期数	平均长度	效果
K=1（原始）	457	5.1天	太碎，151个1天
K=3	177	13.1天	无1天，仍偏碎
K=5	112	20.7天	甜区：无1天噪音，周期合理
K=10	49	47.3天	过度平滑，choppy 只剩391天

选 K=5：滞后约5天（宁慢勿错），事后评估与实时判断统一口径。

7.3 实时 vs 事后

• 实时温区：K=5 滞回确认（滞后5天，确认才切换策略权重）
• 温度（rsi）：不滞后（连续量，实时反映恐慌/亢奋，用于仓位乘数）
• 事后评估：用 K=5 平滑后的周期做策略-温区归因

温区与温度互补：温区滞后、温度实时。例：当前平滑温区=trend_down（7/17起19天）但温度=neutral（rsi 58）——阴跌状态，v_oversold/s2_panic 主导（weight 0.8），v_weak 观察（0.24）。

7.4 落地文件

文件	功能
regime_tracker.py	滞回平滑（K=5）+ 周期记录 regime_cycles 表 + 输出平滑温区
strategy_router.py v3	读平滑温区 + 温度 → strategy_weights.json

cron 顺序（每日）：16:50 market_regime → 16:52 regime_tracker（平滑）→ 16:55 strategy_router（路由）

---

八、温区自适应全链路（2026-08-13 完整落地）

8.1 核心架构（老莫定）

组合组织不变（固定的组合/策略），但组合内策略根据当前温区自动激活/休眠，选股/买卖/重评各环节按温区过滤。

8.2 策略-温区表现常态化记录（regime_perf.py）

• 表 strategy_regime_perf（strategy × regime × 胜率/均盈/样本）
• 全策略动态纳入（老莫提醒：不漏历史策略，特定温区可能能打）
• 发现被埋没的温区强者：
  • v_mr_sel：trend_down 93%/+15.8%（129笔）——比 v_oversold（60%）强得多
  • v7.3：trend_up 94%/+9.2%、v6.2：82%、v6.0：71%、v9.2：72%
  • v_combo：trend_up 60%（实盘主力）

8.3 策略去门控（老莫原则）

• 策略内部不放温区门控因子——v_next4/v8.1 的 mkt_above_ma20/mkt_adx_min 是反例（只测了 trend_up 一个温区）
• scanner 层的温区门控是执行层合理设计（mr_scanner 只在 trend_down/choppy 扫，v_next4 让位）——保留
• 策略全温区发信号 → 适用温区由实测动态决定（不是内部硬门控）

8.4 各环节接入

环节	文件	接入方式
选股	mr_scanner / predictive_oversold_scanner	温区判定升级为平滑温区（regime_gate），adx 仍读原始表（甜区门控）
买卖	price_monitor	温区感知：非激活策略的买入/加仓机会抑制（不进摘要），风控（卖出/止盈）仍推
重评	strategy_lifecycle	market_regime 加载用平滑温区（regime_gate）→ timing_signal 合成反映温区
路由	strategy_router v5	动态策略库：当前温区实测胜率高者激活（>=50%门槛剔除全负策略）
前端	research Tab	温区横幅（平滑温区+温度档+rsi+激活策略）+ 成员卡温区徽章

8.5 验证结果

• 平滑温区 = trend_down（7/17 起 19 天），原始 market_regime = choppy（8/11-8/12 两天）——平滑避免误判
• 激活策略（trend_down）：s2_panic（86%）、v_mr_sel（93%）、v_oversold（60%）、v_mr4（63%）、v_mr（59%）、v_lurk_v3（77%）
• 观察：v_weak（choppy 55%）、v_next4/v_combo（trend_up）
• price_monitor 非激活策略买入机会抑制、风控仍推

8.6 新增文件

文件	功能
regime_gate.py	温区门控共享工具（平滑温区 + 策略激活判断）
regime_perf.py	策略-温区表现常态化记录（全策略动态）