1. 课程导入与问题界定
行业轮动策略的核心假设是：不同经济阶段、政策周期或市场风格下，行业间的相对强弱会呈现可被捕捉的轮动规律。策略开发者通常用动量、景气度、估值分位、资金流或宏观因子构建打分体系，定期在行业指数间调仓。问题在于，行业数量有限（申万一级约31个），可回测的历史样本更有限，而研究者可以尝试的因子组合、窗口参数、调仓频率却近乎无限。这种"样本少、自由度大"的结构，使行业轮动成为过拟合的高发地带。
所谓过拟合，在行业轮动语境下并不是"回测收益太高"这么简单。更准确的界定是：策略在历史样本上表现出的超额收益，主要来自对噪声的拟合，而非对可持续轮动机制的捕捉，因而在样本外或实盘中系统性衰减。识别过拟合，本质上是判断"回测绩效中有多少是真实信号、多少是数据挖掘的副产品"。排障则是沿着可疑环节逐层定位，找到过拟合的具体来源并加以修正或放弃。
常见过拟合表现：从绩效曲线到参数细节
行业轮动的过拟合往往有可观察的"症状"。第一类是绩效断层：回测年化超额很高，但样本外第一年即大幅回撤，且回撤方向与历史最大回撤不同。第二类是参数悬崖：动量窗口从20日改到25日，年化收益从18%跌到3%，说明最优点孤立存在，缺乏参数平原。第三类是换手异常：策略在回测中频繁切换行业，单次持仓平均不足5个交易日，交易成本被低估后收益迅速消失。第四类是因子拥挤：策略依赖的行业打分在少数几个历史时段贡献了绝大部分收益，剔除该时段后绩效平庸。第五类是逻辑漂移：策略名为"景气度轮动"，实际持仓却与景气度排名相关性很低，而是被动量或小市值暴露主导。
这些症状的共同点是：它们都能在回测阶段被观察到，只是容易被"高收益"掩盖。因此识别工作的第一步不是继续调参，而是建立一套独立于收益的检查视角。
识别与排障的整体流程
建议把排障组织为"先证伪、再定位、后修正"的三段式，而不是线性地"优化—回测—再优化"。具体而言：
- 样本切分与留出：在动手调参前先锁定一段从未参与任何决策的留出期（例如最近24个月），并明确样本内、验证集、留出集的边界。所有参数搜索只在样本内完成，验证集用于粗筛，留出集只在最终确认时使用一次。
- 基准与归因：把策略收益分解为行业Beta、风格暴露（市值、价值、动量）与残差Alpha。若残差Alpha占比很低，说明所谓轮动收益主要来自风格漂移。
- 稳健性压力测试：对关键参数做邻域扫描，观察绩效曲面是否连续；对调仓日做前后平移（如从月末改为月中），检验结果是否依赖特定日期；对行业池做增减，检验是否依赖个别行业。
- 统计显著性检验：在考虑多重检验的前提下评估超额收益的显著性，而非只看单条净值曲线。
- 定位与修正：根据上述结果判断过拟合来源是参数搜索、样本选择、成本假设还是逻辑错配，再决定简化模型、扩大样本、提高成本假设或放弃策略。
30个案例的分布与学习路径
本课程的30个案例按过拟合来源分为五组，每组6例，覆盖从数据层到决策层的完整链条：
| 案例组 | 核心问题 | 典型排障动作 |
|---|---|---|
| 参数与搜索类（案例1–6） | 窗口、阈值、调仓频率被过度搜索 | 参数邻域扫描、绩效曲面连续性检查 |
| 样本与切分类（案例7–12） | 留出期泄露、幸存者偏差、行业分类变更 | 重建时间边界、还原历史行业池 |
| 成本与执行类（案例13–18） | 换手成本低估、涨跌停不可成交、冲击成本 | 提高成本假设、加入可成交性约束 |
| 因子与逻辑类（案例19–24） | 因子拥挤、逻辑与持仓错配、风格暴露伪装成Alpha | 收益归因、暴露分解、逻辑一致性核对 |
| 统计与决策类（案例25–30） | 多重检验、显著性误判、样本外衰减的决策规则 | 多重检验校正、设定放弃标准 |
学习路径建议按"先建立检查框架，再逐层深入"的顺序推进。前六例聚焦参数层，是最容易观察、也最容易被忽视的过拟合来源；随后进入样本层与成本层，这两层决定回测是否"可信"；因子与逻辑层要求读者具备归因能力；最后的统计与决策层把前面所有检查收敛为"是否上线、是否放弃"的判断规则。每例都按"现象—复现—定位—修正—结论"展开，读者可对照自己的策略逐项排查。
本章不提供"万能参数"，也不承诺任何策略收益。目标只有一个：让读者在看到一个漂亮的行业轮动回测曲线时，能够条件反射地问出正确的问题——留出期是否干净、收益来自哪里、参数是否孤立、成本是否真实、逻辑是否自洽。带着这五个问题进入后续30个案例，排障才有方向。