📚 课程目录第3章风格轮动识别核心指标计算

3. 风格轮动识别核心指标计算

风格轮动的识别不能停留在“大盘涨、小盘跌”的定性描述上，必须把不同市值风格（例如沪深300代表的大盘、中证500代表的中盘、中证1000或国证2000代表的小盘）放到同一套可比较的数值框架里。本节聚焦四个基础轮动指标：相对强弱指标（RSI，此处指两条风格指数净值之比构造的相对强弱线及其衍生读数）、动量比率、波动率比、换手率比。它们的共同逻辑是：把两个风格序列“相除”或“相减”，消去市场整体涨跌的共同成分，留下风格之间的相对强弱信息。

一、指标定义与计算口径

先明确参照约定：本节所有“比率”均以分子风格相对分母风格表达，比值上升表示分子风格走强。设风格A与风格B的日收盘价序列为 P_A,t、P_B,t，则相对强弱线定义为 RS_t = P_A,t / P_B,t。对 RS 线再做标准化处理，可得到类似 RSI 的读数：先取 RS 的日变化率 r_t = RS_t/RS_t-1 − 1，再用 N 日窗口内上涨幅度均值与总波动幅度均值之比映射到 0～100，即 RSI_N = 100 × 平均涨幅 /（平均涨幅 + 平均跌幅）。读数高于 70 表示A风格相对B风格短期偏强甚至过热，低于 30 表示相对偏弱。

动量比率衡量的是“一段时间内谁涨得多”。常用做法是取两风格在回看窗口 L 内的累计收益之差或之比：动量比率 MR_t =（P_A,t/P_A,t−L）/（P_B,t/P_B,t−L）。MR > 1 表示窗口内A跑赢B。波动率比则取两风格日收益率在 N 日窗口内的标准差之比 VR_t = σ_A,N / σ_B,N，用于判断当前市场是“大盘稳、小盘躁”还是相反。换手率比 TR_t = 换手率_A,N / 换手率_B,N，反映资金关注度在两种风格间的倾斜。

四个指标应统一使用同一交易日历、同一复权口径（建议用复权收盘价与自由流通市值加权换手率），否则比率会混入除权、停牌、成分调整带来的噪声。窗口参数建议：RSI 用 14 日，动量用 20 日与 60 日双窗口，波动率用 20 日，换手率用 5 日与 20 日均值。

二、编程实现

下面用 pandas 给出四个指标的核心实现。数据假设为一张按日期索引、列为各风格指数收盘价与换手率的 DataFrame，示例数据为教学构造，非实测结果。

import pandas as pd
import numpy as np

def style_indicators(df, a="大盘", b="小盘",
                     rsi_n=14, mom_l=20, vol_n=20, turn_n=5):
    pa, pb = df[f"{a}_close"], df[f"{b}_close"]
    # 1) 相对强弱线与 RSI
    rs = pa / pb
    chg = rs.pct_change()
    up = chg.clip(lower=0).rolling(rsi_n).mean()
    dn = (-chg.clip(upper=0)).rolling(rsi_n).mean()
    rsi = 100 * up / (up + dn)

    # 2) 动量比率（窗口累计收益之比）
    mr = (pa / pa.shift(mom_l)) / (pb / pb.shift(mom_l))

    # 3) 波动率比（日收益率标准差之比）
    ra, rb = pa.pct_change(), pb.pct_change()
    vr = ra.rolling(vol_n).std() / rb.rolling(vol_n).std()

    # 4) 换手率比（均值之比）
    tr = (df[f"{a}_turn"].rolling(turn_n).mean()
          / df[f"{b}_turn"].rolling(turn_n).mean())

    return pd.DataFrame({"RS": rs, "RSI": rsi,
                         "MR": mr, "VR": vr, "TR": tr})

实现中有三个容易出错的细节。第一，pct_change() 默认对缺失值前向填充，遇到停牌应显式 fill_method=None 并先做对齐，避免虚假的零收益。第二，RSI 的分母在单边行情中可能接近零，需加极小值保护或改用 np.where 处理。第三，动量比率在窗口起点附近为 NaN，回测时应丢弃前 L 个样本，而不是填 1。

三、指标联动与可视化判读

单看一个指标容易误判，四个指标的价值在于交叉验证。下图展示同一时间轴上四个指标与风格相对强弱线的联动关系，以及不同组合所对应的轮动状态判读。

图中四个面板共享时间轴，便于观察“领先—跟随”关系。典型判读规则如下：当 RS 线持续上行、RSI 进入 70 以上、MR(20) 与 MR(60) 同时大于 1，且 VR 与 TR 同步抬升时，说明大盘风格不仅相对走强，还伴随波动收敛与资金集中，属于较可靠的轮动确认信号。反之，若 RS 上行但 RSI 已从高位回落、MR(60) 仍小于 1，则更可能是短期反弹而非趋势切换，应降低仓位调整的力度。

需要强调的是，四个指标存在信息重叠：RSI 与 MR 都刻画相对收益方向，VR 与 TR 都刻画资金与波动特征。实践中建议按“方向—强度—资金”三层使用：RS 与 MR 定方向，RSI 定强度与过热，VR 与 TR 做辅助确认。当方向层与资金层背离时（例如 RS 上行但 TR 持续下降），应视为弱信号，等待下一窗口确认。

四、参数敏感性检查

窗口参数直接决定信号频率与滞后。建议在正式使用前做一次简单的敏感性扫描：固定其他参数，分别取 RSI 窗口 10/14/21、动量窗口 20/60/120，统计各组合下信号触发次数与平均持有期。教学示例中可预期：短窗口触发频繁但假信号多，长窗口稳定但滞后明显。把扫描结果整理成下表形式，便于选择与自身调仓频率匹配的参数组合。

指标	窗口参数	信号含义	主要风险
RSI	14 日	>70 相对过热，<30 相对偏弱	单边行情中钝化
动量比率	20 / 60 日	>1 分子风格跑赢	窗口切换时跳变
波动率比	20 日	上升表示分子风格波动占比提高	受极端单日影响
换手率比	5 / 20 日均值	上升表示资金向分子风格集中	成分调整扰动

完成上述计算与可视化后，读者应能得到一张包含 RS、RSI、MR、VR、TR 五列的时间序列表，并据此对任一历史区间给出“哪一风格占优、信号强弱如何”的判断。这套指标是后续构建轮动打分与切换规则的基础输入，其口径一致性比单个指标的精细度更重要。