羊驼交易系统

这是什么

本篇介绍一个从「羊驼选股」电视实验衍生的可复现策略：周期性地把组合里表现最差（过去一段时间收益最低）的股票卖掉，换成整个股票池里跌得最多的股票，期待它们触底反转；表现好的留在组合里继续涨。因为「随机选股」没法复现，作者用「历史收益最低」代替随机，把随机实验变成了**动量（留下强者）+ 反转（买入超跌）**的混合策略。全篇给出了参数（持股 20、每次换 2、60 天周期、沪深 300 池）与两处改进方向。

核心要点

随机选股的两个实验（开场轶事）

• 美国《旧金山纪事报》做过大猩猩选股实验：大猩猩随机挑 5 只股票的组合，表现比《华尔街日报》8 位知名分析师精心挑选的 5 只还好。
• 2014 年甘肃卫视《马上知道》栏目：让羊驼随机选一堆股票持仓，每天卖掉持有中收益最差的一只、再买入羊驼随机选的一只——也得到可观收益。
• 作者拆解：这是动量因子 + 遗传算法式选择的组合（后文自嘲「这是啥」）。

物竞天择的类比

• 达尔文式选择也发生在股市：投资者 = 大自然，偏好高收益股、厌恶低收益股 → 高收益股票「活下来」、低收益被淘汰。
• 羊驼算法就是一轮轮竞争里剔除表现最差、保留表现优异的，让「优良基因」传承。表现用**过去一段时间的收益率（动量因子）**刻画。

羊驼策略 = 动量 + 反转（用最低收益替代随机）

• 简单版：无脑选股、周期性调仓——每次剔除收益率最差的 n 只，买入随机选的 n 只。
• 可复现版：为了让策略可复现，用「历史收益率最低的股票」代替随机选股。理由：均值回归——买入前期跌幅最大的股票，期待走势反转。
• 一个调仓周期后：当期反转力度最强的股票被留下继续升值；反转最差的被卖掉，换成股票池里跌幅最大的。
• 边界情形：如果持仓里的某只股票既是持仓内跌幅最大、又是全股票池跌幅最大，那就拿着不动（换了自己等于没换）。
• 为什么不干脆用动量选股？作者试过：反复调参后勉强能跑平大盘——所以选择动量 + 反转的组合。

策略实现五步

1. 设参数：股票池、调仓周期 holdingPeriod（代码中 tc）、收益率计算周期 returnPeriod（代码中 N）、每次持仓股票数 num_stocks、每次换股数量 change_No。
2. 算股票池与持仓中所有股票上一周期的收益率：收益率 = (昨天的收盘价 − (returnPeriod+1) 天前的收盘价) ÷ (returnPeriod+1) 天前的收盘价。
3. 可行股票池按 returnPeriod 收益率排序；当前持仓按 holdingPeriod 收益率排序。
4. 卖出持仓中收益率最低的 change_No 只；把卖出所得现金 + 原有现金，等额买入全池收益率排名最差的 change_No 只。若某持仓同时落在「持仓最差 change_No」与「全池最差 change_No」里，仅调仓不换股。
5. 每 holdingPeriod 天做一次 Rebalance：把持仓中每只股票调整到「手中股票总市值 ÷ num_stocks」的等权水平。

参数与回测结果

• 参数选择：持股 20 只、每次换 2 只、回测期 60 天、调仓期 60 天、从 2008 年 10 月开始；股票池 = 沪深 300。
• 结果：策略有比较稳定的超额收益（图见正文）。

改进空间

• 只按回测期收益最低买入是均值回归思想，还可以结合各股其他指标更精准选股。
• 收益走势与大盘较一致：可以结合大盘走势做择时，避免熊市亏损；也可以卖空股指期货对冲。

机制 / 论证

• 为什么「留下强者」是动量：用过去收益排序，收益高的留在组合里——假设强者恒强，让赢家继续跑。
• 为什么「买最差的」是反转：用跌得最多的补位，赌超跌反弹——均值回归思路。两个动作各服务一边：留强 + 买超跌。
• 用「最低收益」替代「随机」的代价：真正的羊驼是随机的，随机的效果没法稳定复现；换成确定性规则（买跌幅最大）后策略可复现，但性质从「随机实验」变成了「反转策略」。作者对此很坦白。
• 失败案例：纯动量版调参后「勉强跑平大盘」——说明单一动量在 A 股沪深 300 上不够用，反转端才是贡献点。
• 为什么设调仓门槛/固定数量：每次只换 change_No（2 只）而不是全换，控制换手与手续费；60 天低频调仓让反转有时间兑现。
• 工程修正（v1.1）：原文更新记录显示 2016-11-10 修复「原调仓目标带入循环导致每次手中剩余部分现金」——资金目标必须在循环外算一次，否则每次只按剩余现金分摊。

可操作

• 参数（保留原文）：持股 num_stocks=20；每次换股 change_No=2；收益率计算周期 returnPeriod=60 天；调仓周期 holdingPeriod=60 天；起始 2008-10；股票池沪深 300（池的取法见 股票池（交易对象范围与过滤））。
• 收益率公式：收益 = (昨收 − (returnPeriod+1) 天前收盘) ÷ (returnPeriod+1) 天前收盘。
• 每周期动作：持仓按 holdingPeriod 收益排序、池子按 returnPeriod 收益排序 → 卖持仓最差 2 只 → 现金等额买池子最差 2 只（交集则不换股）→ 每 holdingPeriod 天 Rebalance 到等权（总市值/20）。
• 代码教训：调仓目标市值要在循环外先算死，避免「剩余现金」逐次摊薄（v1.1 修复点）。
• 落地提示：60 天/等权调仓适合 run_daily 低频节奏（run_daily 与任务节奏控制（定时任务））；下单用 order_target_value 一类拉到目标（聚宽下单 API 与订单对象）。正文未贴完整代码，具体 API 在附图与官方源码 [需要验证]。

术语

• 动量因子：用过去一段时间的收益率衡量强弱、强者恒强。
• 均值回归 / 反转：跌多了会弹回，买超跌股赌反弹。
• Rebalance（再平衡）：定期把组合调回目标权重（此处为等权）。
• returnPeriod / holdingPeriod：算收益用的周期 / 调仓周期。
• 遗传算法：本文只取其「适者生存、剔除弱者」的朴素类比，不是严格的遗传算法（无交叉变异）。

不确定 / 待验证

• 回测收益只有图、无数值；「稳定超额收益」是正文断言。
• 「羊驼实验」与「大猩猩实验」为媒体轶事转述；大猩猩实验里 8 位分析师的表述以原文为准。
• 作者称策略结合了「遗传算法」，但正文描述的是剔除最差/保留最好的选择流程，没有交叉、变异——按叙述类比理解 [需要验证]。
• 参数（20/2/60/60）是作者调参结果，未必可迁移；完整代码在附图与官方源码，raw 未含 [需要验证]。

相关

• 均值回归（买超跌赌反转） — 反转：买入超跌等反弹
• 趋势跟踪（顺势而为的策略家族） — 动量端与趋势跟踪的对照
• run_daily 与任务节奏控制（定时任务） — 60 天低频调仓的节奏实现
• 聚宽下单 API 与订单对象 — 等权再平衡的下单写法
• 聚宽量化课堂（低频量化策略 43 篇） — 量化课堂 43 篇总览