1. 策略验证导论

行业均值回归轮动策略的基本假设是：在一定的经济与市场环境下，行业之间的相对强弱会围绕某个中枢反复摆动，涨得过多、估值或动量偏离过远的行业倾向于回落，而落后过度的行业倾向于修复。策略据此在行业指数之间轮动，赚取“偏离—回归”的价差。这个假设听起来直观，但它成立与否取决于三个关键条件：偏离必须可度量、回归必须在可交易的时间尺度内发生、回归收益必须覆盖交易成本与风险暴露。本课程的全部验证工作，都是围绕这三个条件展开的。

需要先明确一个容易混淆的点：均值回归不等于“跌多了就买”。真正的策略逻辑包含四个环节——定义行业池、构造偏离度指标、设定轮动规则、控制风险与成本。偏离度可以用价格相对均线的偏离、估值分位数、动量反转信号或复合打分来刻画；轮动规则决定何时换仓、换多少、持有多久；风险控制则处理行业集中度、市场系统性下跌和流动性问题。验证的目标不是证明策略“能赚钱”，而是判断它在何种条件下、以多大置信度、承担多大回撤时能够产生可解释的超额收益。

上图把策略逻辑、验证漏斗和课程路线放在同一视图中，便于建立整体框架。左侧是策略成立所需的五个环节，中间是验证时逐层收紧的五个关卡，右侧是后续章节的模块划分。三者并非线性对应，而是相互支撑：逻辑链决定验证什么，验证漏斗决定怎么判断，课程路线决定按什么顺序学习。

验证目标：不是找最优参数，而是找可信边界

初学者常把策略验证等同于“跑回测、看收益曲线、调参数”。这种做法的问题在于，回测曲线很容易被参数搜索“拟合”出来，而拟合出来的高收益往往在样本外迅速衰减。本课程强调的验证目标有三个层次。第一层是逻辑可信：偏离度指标是否真的刻画了行业间的相对错位，而不是噪声。第二层是统计可信：回归效应在样本内是否显著、在不同子区间是否稳定。第三层是交易可信：考虑调仓时点、滑点、涨跌停与停牌后，收益是否仍然存在。三层都通过，才谈得上策略可用；任何一层不通过，都应回到假设层面修正，而不是继续调参。

为了把这三层目标落到可操作的验证流程上，需要先约定几个基础设定。行业池建议采用申万一级或中信一级行业指数，样本区间至少覆盖一轮完整牛熊，例如以 2013 年至 2024 年的月度数据为示例区间（此处为教学示例设定，非实测结论）。偏离度指标可以先从最简单的形式入手：以行业指数收盘价相对其 12 个月移动均线的偏离率作为打分，偏离率为负且绝对值越大，表示相对落后越多，回归买入信号越强。调仓频率设为月度，每期在行业池中选取偏离率最低的 5 个行业等权持有，持有至下期调仓。这一组参数仅用于演示验证流程，不代表推荐参数。

一个可执行的最小验证示例

假设我们已获得 31 个申万一级行业的月度收盘价与对应交易日的复权处理数据。第一步，对每个行业计算 t 月末的 12 个月均线偏离率：dev = P_t / MA12_t - 1。第二步，在每个调仓日按 dev 升序排序，取前 5 名作为下期持仓，等权配置。第三步，计算组合下期收益，并与全部行业等权基准比较，得到月度超额收益序列。第四步，对超额收益序列做三项检查：均值是否显著大于零（t 检验）、胜率是否明显高于 50%、最大回撤是否在可接受范围。第五步，做参数扰动：把均线窗口从 12 个月改为 6 个月和 24 个月，把持仓数从 5 改为 3 和 8，观察超额收益的方向是否一致。若方向随参数大幅翻转，说明信号不稳定，需要重新审视偏离度的构造方式。

这个示例的价值不在于给出一个“好策略”，而在于展示验证的完整闭环：有明确的输入数据、有可复现的计算步骤、有可观察的中间量（偏离率排序、持仓变化、换手率）、有明确的判断依据（显著性、胜率、回撤、参数敏感性）。后续章节会逐步把每个环节做深：数据清洗如何处理行业分类调整与停牌，偏离度如何从单一价格指标扩展到估值与动量复合，回测如何正确设置调仓时点以避免前视偏差，稳健性检验如何设计子区间与行业留一测试。

最后需要强调验证中的两个常见陷阱。其一是前视偏差：用 t 月末收盘价计算信号，却假设在 t 月末收盘前已完成调仓，这会系统性高估收益。正确做法是信号在 t 月末生成，调仓在 t+1 月首个交易日执行。其二是幸存者偏差：行业分类会调整，已撤销或合并的行业若被剔除，会扭曲历史截面。验证时应使用当时可得的行业成分，而不是当前最新分类回溯。把这两个细节处理正确，后续所有统计结论才有意义。