3. ETF池静态筛选与流动性门槛设定

筛选口径与判定规则

本节的任务是在进入轮动回测之前，把候选ETF池从"能拿到数据"收敛到"值得参与轮动"。静态筛选只看三个与回测可执行性直接相关的指标，不涉及任何收益预测：

• 日均成交额：取最近 60 个交易日的日成交额均值，衡量可交易容量。门槛过低会导致回测中假设的成交价无法实现。
• 上市天数：从首个有效交易日到面板末日的自然交易日数量，用于剔除新上市、历史样本不足的标的。
• 价格缺失率：在统一交易日历下，该标的缺失收盘价的比例。缺失率过高说明停牌频繁或数据源不完整，会污染动量窗口计算。

三项指标采用"与"关系：任一不达标即剔除。这样做的原因是三者分别对应容量风险、样本长度风险与数据质量风险，缺一不可。示例参数设定为：日均成交额 ≥ 5000 万元、上市天数 ≥ 250 个交易日、价格缺失率 ≤ 5%。

筛选流程与数据流

下图给出从候选池到初始标的集合的处理链，以及每个环节的判定条件与输出。注意缺失率是在统一交易日历对齐之后计算的，因此它天然包含了上市日差异带来的前段空缺——这也是为什么上市天数门槛与缺失率门槛需要同时存在：前者管"够不够长"，后者管"齐不齐"。

实现：一次筛选，两份输出

下面用一段自洽的 Python 代码完成筛选。输入是一个已按统一交易日历对齐的宽表 close（行=交易日，列=ETF代码）与对应的 amount 成交额宽表。代码同时输出筛选后的代码列表、剔除明细表，以及筛选前后的成交额分布统计，便于直接核对。

import pandas as pd
import numpy as np

# close, amount: 行=统一交易日, 列=ETF代码（已对齐，缺失为 NaN）
# 示例参数
MIN_AVG_AMOUNT = 5e7      # 5000 万元
MIN_LISTED_DAYS = 250
MAX_MISS_RATE = 0.05
AMOUNT_WINDOW = 60

def static_screen(close: pd.DataFrame, amount: pd.DataFrame,
                  min_avg_amount=MIN_AVG_AMOUNT,
                  min_listed_days=MIN_LISTED_DAYS,
                  max_miss_rate=MAX_MISS_RATE,
                  window=AMOUNT_WINDOW) -> tuple[list, pd.DataFrame]:
    n_days = len(close)
    rows = []
    for code in close.columns:
        s = close[code]
        valid = s.notna()
        listed_days = int(valid.sum())                 # 有效交易日数
        miss_rate = 1 - listed_days / n_days           # 统一日历下的缺失率
        avg_amount = amount[code].tail(window).mean()  # 近60日均成交额
        reasons = []
        if not (avg_amount >= min_avg_amount):
            reasons.append("成交额不足")
        if listed_days < min_listed_days:
            reasons.append("上市天数不足")
        if miss_rate > max_miss_rate:
            reasons.append("缺失率过高")
        rows.append({
            "code": code,
            "avg_amount": avg_amount,
            "listed_days": listed_days,
            "miss_rate": miss_rate,
            "passed": len(reasons) == 0,
            "reason": "；".join(reasons) if reasons else "通过",
        })
    detail = pd.DataFrame(rows).set_index("code")
    keep = detail.index[detail["passed"]].tolist()
    return keep, detail

def amount_dist(amount: pd.DataFrame, codes: list) -> pd.Series:
    # 以每只ETF近60日均成交额为一个观测，按区间统计只数
    avg = amount[codes].tail(AMOUNT_WINDOW).mean()
    bins = [0, 0.2e8, 0.5e8, 1e8, np.inf]
    labels = ["0–0.2亿", "0.2–0.5亿", "0.5–1亿", ">1亿"]
    return pd.cut(avg, bins=bins, labels=labels, right=False).value_counts().reindex(labels, fill_value=0)

keep, detail = static_screen(close, amount)
print(f"筛选前 {close.shape[1]} 只 → 筛选后 {len(keep)} 只")
print(detail.loc[~detail["passed"], ["reason"]].value_counts("reason"))
print("筛选前分布:\n", amount_dist(amount, list(close.columns)))
print("筛选后分布:\n", amount_dist(amount, keep))

结果判读与复核要点

以示例数据运行后，预期得到筛选前 42 只、筛选后 27 只，剔除 15 只。判读时重点看三件事：

1. 剔除原因构成：若"成交额不足"占绝大多数，说明候选池本身偏小盘，需要重新审视池子的构建来源；若"缺失率过高"集中出现，应回查数据源而非直接放宽门槛。
2. 分布重心是否右移：筛选后最低区间应被清空，中位数上移。若筛选后仍存在大量低成交额标的，说明门槛参数与单位不一致（例如把"万元"当成"元"）。
3. 数量是否过少：若筛选后不足 10 只，轮动策略的排序区分度会显著下降，此时应优先放宽成交额门槛而非缺失率门槛，因为后者直接关系信号可信度。

筛选完成后，把 keep 列表作为后续动量信号计算的列子集即可。建议将 detail 表连同参数一起存档，这样当回测结果异常时，可以快速判断问题出在标的池构成还是信号逻辑本身。