策略核心原理概括
基于动量效应和趋势稳定性的ETF轮动策略

详细原理分解
1. 动量效应为核心
策略基于金融市场的动量效应 - "强者恒强"现象

过去表现好的资产在未来短期内更可能继续表现好

2. 双重评分机制
策略的独特之处在于动量计算包含两个维度：

python
score = annualized_returns * r_squared
A. 年化收益率 (annualized_returns)

通过对数价格进行加权线性回归计算趋势斜率

年化处理：math.pow(math.exp(slope), 250) - 1

反映资产的上涨动力强度

B. 趋势稳定性 (r_squared)

R平方值衡量线性回归的拟合优度

值越接近1，说明趋势越稳定、噪音越小

这是策略的"安全"要素，避免追逐虚假突破

3. 安全边界控制
python
df = df[(df['score'] > 0) & (df['score'] <= 5)]
下限>0：排除负动量资产，避免下跌趋势

上限<=5：防止追高过热资产，控制风险

如果所有ETF都不符合条件，则空仓避险

4. 资产配置逻辑
ETF池设计覆盖不同市场：

518880.XSHG - 黄金ETF（避险资产）

513100.XSHG - 纳指100（海外科技）

159915.XSHE - 创业板（国内成长股）

510180.XSHG - 上证180（国内价值股）

轮动规则：

只持有动量最强的一只ETF

每日检查调仓，及时捕捉动量变化

全仓切换，不分散投资

5. 技术细节优化
加权回归：近期数据权重更高，weights = np.linspace(1,2, n)

实时监控：每天开盘运行，及时响应市场变化

成本控制：设置合理的滑点和佣金

策略优势
趋势跟随：抓住强势资产的持续上涨

风险控制：通过R平方过滤假信号

分散风险：跨市场、跨资产类别的轮动

纪律执行：量化规则避免情绪干扰

潜在风险
动量反转风险（趋势突然转变）

市场普跌时可能无合适标的

频繁调仓带来的交易成本

这个策略本质是在多个不相关资产中，选择当前趋势最明确、最稳定的品种进行集中投资，通过严格的量化标准来实现"追涨但避跌"的效果。