1. 课程导入
欢迎进入《聚类市场状态与资产轮动实战》。在正式动手写代码之前，我们需要先把一个根本问题讲清楚：为什么“选对资产”往往不如“选对市场状态”重要？很多投资者把精力全部放在挑选个股或基金上，却忽略了一个事实——同一只资产在不同市场状态下，收益与风险的分布可能截然相反。本章作为全课程的导入，将帮助你建立“状态优先、轮动其次、选品最后”的分析框架。
一、核心问题：市场不是单一状态，资产不是恒定表现
传统资产配置常假设市场存在某种“平均状态”，并用长期均值来估计收益与波动。但真实市场更像一个会切换运行模式的系统：有时趋势强劲、波动收敛；有时震荡反复、板块快速轮动；有时则进入高波动、高相关性的避险模式。若用同一套参数应对所有阶段，策略就会在状态切换时失效。
由此引出本课程要解决的三个核心问题：
- 识别问题：如何用可量化的指标，把连续变化的市场划分为有限个可解释的状态？
- 映射问题：每个市场状态下，哪类资产（股票、债券、商品、现金）更具优势？
- 执行问题：状态识别存在滞后与噪声，如何把它转化为可回测、可风控的轮动规则？
这三个问题分别对应“聚类”“轮动”“实战”三个关键词，也构成本课程的主线。
核心原理：市场状态是资产收益的“条件变量”。我们不是预测明天涨跌，而是判断当前更可能处于哪种状态，并据此调整资产暴露。聚类算法负责从多维指标中提炼状态标签，轮动规则负责把标签转化为仓位。
二、方法流程：从数据到状态的五步链路
为了让后续章节有清晰的施工图，这里先给出整体方法流程。它贯穿全课程，后续每一章都会放大其中一环。
- 数据准备：收集宽基指数、行业指数、债券、商品等资产的收益率序列，并构造波动率、动量、相关性、利差等特征。
- 特征工程：对特征做标准化、去极值、平滑处理，避免量纲差异主导聚类距离。
- 状态聚类：使用KMeans、高斯混合模型或层次聚类，把历史样本划分为若干市场状态，并检验其稳定性。
- 状态解读：统计每个状态下的收益、波动、回撤与资产相关性，赋予“进攻”“防御”“震荡”等业务含义。
- 轮动回测：根据状态信号切换资产权重，加入交易成本、滞后处理和风控约束，评估策略表现。
下面这张SVG把上述链路与状态切换关系放在同一张图中，帮助你建立全局视角。
三、案例场景：同一策略为何在不同年份表现迥异
设想一个简单的动量轮动策略：每月买入过去20日涨幅最高的行业指数。在趋势顺畅的年份，它可能大幅跑赢基准；但在震荡或急跌年份，频繁换仓会带来高额交易成本与反复止损。问题不在于动量因子本身失效，而在于策略没有区分“动量有效的状态”和“动量失效的状态”。
如果我们先聚类出市场状态，再只在“进攻状态”启用动量、在“防御状态”切换至债券，策略的收益曲线通常会更加平滑。这正是本课程要训练的核心能力：把状态识别作为策略的开关，而不是把全部希望寄托在单一因子上。
| 市场状态 | 典型特征 | 优势资产 | 常见误区 |
|---|---|---|---|
| 进攻状态 | 低波动、强动量、相关性下降 | 股票、行业指数、周期品 | 误把反弹当趋势，追高被套 |
| 震荡状态 | 中波动、趋势弱、板块快速轮动 | 均衡配置、低换手组合 | 频繁切换，交易成本吞噬收益 |
| 防御状态 | 高波动、高相关、避险情绪上升 | 债券、现金、黄金 | 死扛权益，回撤超出承受范围 |
四、误区与复盘：导入阶段就要建立的三个警觉
误区一：把聚类结果当成绝对真理。聚类只是对历史样本的压缩表达，状态边界会随样本窗口变化。必须做滚动训练与稳定性检验，而不是一次性拟合后长期使用。
误区二：忽略交易成本与滞后。状态信号通常滞后于市场拐点，回测中若使用当日收盘信号、次日开盘成交，并计入手续费与冲击成本，结果会更接近真实。
误区三：用未来数据构造特征。例如用全样本均值做标准化，或让聚类看到未来样本，都会造成前视偏差。正确做法是滚动窗口内拟合、窗口外应用。
复盘时建议记录三件事：每个状态持续了多久、切换频率有多高、切换后资产表现是否符合预期。这些记录会反过来指导你调整特征与聚类数量。
# 状态复盘日志示例
state_id, start_date, end_date, duration_days, next_state, equity_return, bond_return
0, 2021-01-04, 2021-03-12, 47, 1, 0.082, -0.011
1, 2021-03-15, 2021-06-30, 75, 2, -0.034, 0.021
2, 2021-07-01, 2021-09-10, 50, 0, -0.067, 0.038
五、学习目标与实战导向
完成本课程后，你应当能够独立完成以下任务：
- 用Python构建市场特征数据集，并完成标准化与滚动处理；
- 使用至少两种聚类方法识别市场状态，并评估其稳定性；
- 把状态标签映射为资产轮动规则，完成含交易成本的回测；
- 对策略进行归因与复盘，识别状态误判带来的风险。