1. 课程导入与问题界定

在行业轮动、多因子选股和资产配置的实务中，“行业强度排名”几乎是所有策略的起点。我们习惯把过去20日、60日或120日的涨幅从高到低排序，把排名靠前的行业视为“强势行业”，再据此构建多头组合或超配权重。这个做法直观、易解释，但在真实市场里，它经常给出误导性的结论——原因不在于排序方法本身，而在于涨幅这个原始指标把“方向”和“波动”混在了一起。

设想两个行业在同一观察窗口内都上涨了10%。行业A的日收益率标准差是1.2%，行业B是3.5%。从强度排名看，两者并列；但从投资决策看，它们完全不同：A是稳步抬升，趋势的可信度高、回撤浅、持有体验好；B是大起大落中偶然收于+10%，其中可能包含一次涨停脉冲和两次深度回撤，趋势的持续性存疑，且一旦方向反转，损失速度远快于A。如果组合按等权配置这两个行业，实际上是在B上承担了约三倍于A的风险暴露，而排名对此毫无体现。这就是传统强度排名在波动率差异下的失真现象：它衡量的是“涨了多少”，却没有回答“用多大的代价涨上去的”。

上图的示例数据是假设的，但它揭示的结构是普遍的：原始涨幅 = 方向 × 幅度，而波动率决定了这个幅度有多“贵”。当行业之间的波动率差异达到两三倍时（在A股行业层面非常常见，例如高股息类行业与高弹性成长类行业之间），单纯按涨幅排序，等价于系统性地奖励高波动行业。更麻烦的是，高波动行业的涨幅往往由少数几个交易日贡献，排名对观察窗口的起点极其敏感——换一个起始日，排名可能大幅洗牌。这种不稳定性会让轮动策略频繁换仓，交易成本吞掉本就不厚的超额收益。

波动率调整要解决的核心问题

因此，本课程要做的不是否定强度排名，而是给它加一个“风险标尺”。波动率调整的核心目标可以概括为三点：

• 把不可比的涨幅变成可比的强度：用单位风险所换取的收益来衡量强度，使低波动稳步上行与高波动脉冲上行在同一尺度上对话。
• 抑制窗口起点敏感性与排名抖动：通过对波动率的平滑估计，降低单日极端行情对排名的扰动，让排名变化更多反映趋势变化而非噪声。
• 让排名直接对接仓位决策：调整后的强度分值应能自然映射为权重或风险预算，而不是排完名之后还要凭经验“打个折”。

需要提前说明一个参照约定，全文与图示保持一致：本课程中“强度”一律定义为区间累计收益率除以同期波动率，即风险调整后的收益，数值越大表示单位风险获得的收益越高；波动率采用日收益率标准差并按交易日年化，年化系数取 √252。若后续章节切换到以回撤或下行波动为风险度量，会明确标注参照系的变化。

从问题到路径：本课程的学习地图

围绕上述目标，课程将沿着一条从“度量”到“决策”的链路展开。第一步是强度指标的构造：明确收益窗口、波动率估计窗口、年化方式与异常值处理，给出可复现的计算口径。第二步是波动率估计的稳健化：比较简单标准差、指数加权、以及基于日频与周频的混合估计，讨论估计窗口长度对排名稳定性的影响。第三步是排名与分层的实现：如何把连续分值转为分位数排名、如何设定强弱分界、如何处理行业数量变化与成分调整。第四步是从排名到组合：分值到权重的映射方式、换手控制、以及排名信号与动量、反转等因子的叠加关系。最后是回测检验与失效诊断：用什么指标判断调整是否真的改善了策略，以及在什么市场状态下该方法会失灵。

在进入具体计算之前，先建立一个判断习惯：看到任何一张行业强度排名表，先问三个问题——涨幅的观察窗口多长？波动率是否被考虑？排名靠前的行业是靠少数几天冲上去的，还是持续抬升的？这三个问题能过滤掉大部分“看起来很美”的伪强势信号，也是本课程后续所有方法的出发点。