2. 板块轮动强度指标计算与追高信号初筛

轮动强度指标：用“滚动排名变化”刻画板块相对强弱

追高风险的核心前提是“板块正在被资金快速推高”。但单看板块涨幅无法区分“持续强势”与“短期加速”。本例用相对大盘超额收益的滚动排名变化构造轮动强度指标：先算每个板块相对基准指数的超额收益，再在横截面上做滚动排名，最后用排名的变化速度衡量轮动是否在加速。

指标定义（示例约定，方向统一为“数值越大越强”）：

• 超额收益：excess[t] = 板块日收益率[t] − 基准日收益率[t]，基准取沪深300或中证全指，全篇保持一致。
• 滚动累计超额：cum_excess[t] = Σ excess[t−N+1 … t]，窗口 N 取 20 个交易日，代表近一个月的相对强弱。
• 横截面排名：每日对所有板块按 cum_excess 降序排名，第 1 名为最强，记为 rank[t]。
• 轮动强度：RSI_rot[t] = (rank[t−K] − rank[t]) / K，K 取 5 个交易日。排名从第 20 名升到第 5 名，则 RSI_rot = (20−5)/5 = 3，表示平均每日前进 3 名。

这样定义的好处是：RSI_rot 为正且数值越大，说明板块在横截面上的相对位置正在快速上移，属于“轮动加速”；接近 0 表示排名停滞；为负表示相对位置在滑落。它天然剔除了大盘整体涨跌的影响，只保留板块之间的相对轮动信息。

计算实现：从日线数据到轮动强度序列

下面给出可直接运行的 Python 实现。输入为宽表：行是交易日，列是板块名称，值为收盘价；基准为单独一列。代码不依赖前文，可独立执行。

import numpy as np
import pandas as pd

def rotation_strength(close_wide: pd.DataFrame,
                      bench_close: pd.Series,
                      N: int = 20,
                      K: int = 5) -> pd.DataFrame:
    """
    close_wide : 行=交易日, 列=板块, 值=收盘价
    bench_close: 基准指数收盘价, 与 close_wide 索引对齐
    返回: 每个板块每日的 RSI_rot
    """
    # 1) 日收益率
    ret = close_wide.pct_change()
    bench_ret = bench_close.pct_change()

    # 2) 超额收益（逐日对齐）
    excess = ret.sub(bench_ret, axis=0)

    # 3) 20日滚动累计超额
    cum_excess = excess.rolling(N).sum()

    # 4) 横截面排名：每日降序，第1名最强
    rank = cum_excess.rank(axis=1, ascending=False, method="min")

    # 5) 轮动强度：排名前进速度
    rsi_rot = (rank.shift(K) - rank) / K
    return rsi_rot

# ---- 示例调用（数据需自行准备，此处仅示意结构）----
# close_wide = pd.read_csv("sector_close.csv", index_col=0, parse_dates=True)
# bench_close = pd.read_csv("bench_close.csv", index_col=0, parse_dates=True).iloc[:, 0]
# rsi = rotation_strength(close_wide, bench_close, N=20, K=5)
# accel = rsi[rsi >= 1.5]   # 轮动加速初筛

几个实现细节值得注意：rank 使用 method="min" 处理并列，保证排名为整数；shift(K) 取的是 K 个交易日前的排名，因此前 K 行 RSI_rot 为 NaN，属于正常预热期；cum_excess 用滚动求和而非复利，便于横截面比较，若改用复利需保证各板块窗口一致。

初筛与信号分布观察

得到 RSI_rot 后，按阈值做初筛。示例阈值取 1.5，含义是“近 5 个交易日平均每日排名前进 1.5 名以上”。阈值不是固定真理，应结合板块数量调整：板块越多，排名跨度越大，同一阈值越容易触发。一个可操作的校准方式是取 RSI_rot 历史分布的 80% 分位数作为加速线。

初筛之后，把“追高信号”定义为：板块当日涨幅位于全市场前 10%，且 RSI_rot ≥ 1.5。然后按 RSI_rot 分箱统计追高信号的分布，观察信号是否集中在轮动加速期。示例统计表结构如下（数值为示例，需用真实数据重算）：

这张表本身就是本例要观察的“分布特征”：追高信号明显向加速区间聚集，说明轮动加速确实是追高行为的高发环境；但强加速区间的后续超额转负，提示“加速到极致”时追高的性价比下降。这正是后续案例要深入拆解的风险点，本例只负责把指标算出来、把信号筛出来、把分布看清楚。