3. 板块短期涨幅偏离度与追高风险阈值设定

偏离度指标的定义与计算口径

本节把“追高风险”落到一个可计算的量上：板块收盘价相对其均线的偏离度。定义两个口径，均以百分比表示，正号代表价格在均线之上：

短期偏离度 D20 = (C_t / MA20_t − 1) × 100%，刻画近一个月内的加速程度，对追高最敏感。
中期偏离度 D60 = (C_t / MA60_t − 1) × 100%，刻画季度级别的趋势透支程度，用于区分“短期脉冲”与“趋势末端”。

均线一律使用含当日收盘的简单移动平均，且只用 t 日及以前的数据，避免未来函数。计算前需确认板块指数为不复权或统一复权口径，否则除权日会造成偏离度假跳变。

用历史分位数把偏离度转成阈值

偏离度的绝对值在不同板块间不可比：高波动成长板块常年 D20 在 5% 以上，低波动红利板块 3% 已属极端。因此阈值不能拍一个固定数字，而应按板块自身历史分布取分位数。做法是：对每个板块，用过去 N 个交易日（建议 N ≥ 500，覆盖至少一轮完整涨跌）的 D20 序列，取 80%、90%、95% 分位作为三档阈值。

下面用一段可直接运行的 Python 代码完成“偏离度计算 → 分位数阈值 → 触发频率统计”的完整链路。示例数据由固定随机种子生成，仅用于演示流程与判读方法，不代表任何真实板块行情。

import numpy as np
import pandas as pd

rng = np.random.default_rng(20240603)

def make_sector(n=900, mu=0.0004, sigma=0.014, jump_prob=0.03, jump=0.035):
    """生成示例板块日线：带偶发脉冲上涨的几何随机游走"""
    ret = rng.normal(mu, sigma, n)
    mask = rng.random(n) < jump_prob
    ret[mask] += jump
    close = 1000 * np.exp(np.cumsum(ret))
    return pd.DataFrame({"close": close})

def deviation(df, win):
    ma = df["close"].rolling(win, min_periods=win).mean()
    return (df["close"] / ma - 1) * 100

df = make_sector()
df["D20"] = deviation(df, 20)
df["D60"] = deviation(df, 60)

# 用前 500 个交易日建立分位数基准，之后为样本外观察期
base = df["D20"].iloc[:500].dropna()
qs = base.quantile([0.80, 0.90, 0.95])
print("D20 历史分位阈值:", qs.round(2).to_dict())

obs = df.iloc[500:].copy()
for name, q in zip(["T80", "T90", "T95"], qs.values):
    obs[name] = obs["D20"] > q

# 触发频率
freq = {c: obs[c].mean() for c in ["T80", "T90", "T95"]}
print("样本外触发频率:", {k: round(v, 3) for k, v in freq.items()})

# 触发后 5 日、10 日的前向最大回撤（相对触发日收盘）
def fwd_drawdown(close, i, horizon):
    seg = close[i+1 : i+1+horizon]
    if len(seg) < horizon:
        return np.nan
    return (seg.min() / close[i] - 1) * 100

for c in ["T80", "T90", "T95"]:
    idx = np.where(obs[c].values)[0]
    dd5  = [fwd_drawdown(obs["close"].values, i, 5)  for i in idx]
    dd10 = [fwd_drawdown(obs["close"].values, i, 10) for i in idx]
    print(f"{c}: 触发{len(idx)}次, 5日均回撤{np.nanmean(dd5):.2f}%, "
          f"10日均回撤{np.nanmean(dd10):.2f}%")

分位数基准窗口与观察窗口必须严格分离。若用全样本算分位数再回看触发，阈值会“偷看”未来分布，触发频率与回撤统计都会失真。上例用前 500 日定阈值、后 400 日做样本外观察，就是这个约束的最小实现。

阈值—频率—回撤的权衡关系

三档阈值不是“越高越好”。阈值抬高，触发次数下降、信号更稀有，但被筛掉的往往是温和上涨，留下的样本更集中于极端脉冲，后续回撤均值通常更大；阈值降低，覆盖更多上涨，但混入大量正常趋势，回撤信号被稀释。真正要读的是“单位触发次数所对应的回撤幅度”这一性价比，而不是单看回撤均值。

结果判读与阈值落地

跑完上面的代码，会得到三组数字：各档阈值、样本外触发频率、触发后 5/10 日平均回撤。判读时按以下顺序看，而不是只盯回撤均值：

先看频率是否可用。若 T90 在样本外触发频率低于 1%，说明该板块历史上极少出现这种偏离，阈值对实盘过于苛刻，应回退到 T80 或改用 D60 辅助确认。
再看回撤是否随阈值单调放大。若 T95 的回撤均值反而不高于 T90，通常意味着样本量太小（触发次数个位数），统计不稳健，此时不应据此抬高阈值。
最后看性价比。用“10 日平均回撤 ÷ 触发频率”比较三档，选数值明显占优且触发次数足够（建议 ≥ 20 次）的一档作为该板块的主阈值。

偏离度阈值是板块专属的，不能跨板块套用同一个百分比。同一市场里，成长板块的 P90 可能对应 8%，红利板块的 P90 可能只有 3%。若必须横向比较多个板块的追高风险，应先把各板块 D20 转换为其自身历史分位（0–100 的分位值），再比较分位值而非原始偏离度。

可直接套用的阈值设定检查表

检查项	要求	不满足时的处理
均线口径	含当日收盘的 SMA，复权口径统一	除权日前后偏离度需剔除或重算
基准窗口长度	≥ 500 个交易日，覆盖完整涨跌周期	缩短窗口会低估极端分位，阈值偏低
基准与观察分离	定阈值窗口与验证窗口不重叠	重叠即引入未来信息，频率与回撤失真
触发样本量	样本外触发 ≥ 20 次	不足则合并档位或延长观察期
双口径交叉	D20 触发时检查 D60 是否同向偏高	仅 D20 高、D60 平，多为短期脉冲，可降级处理
阈值更新频率	按季度或半年度滚动重估分位	长期不更新会使阈值随波动率漂移而失效

完成以上步骤后，每个板块都应输出一组可执行参数：{板块, D20_P80, D20_P90, D20_P95, 样本外触发频率, 10日平均回撤, 主阈值档位}。这组参数就是后续量能异动修正与滚动回测的输入基础。

📚 课程目录

3. 板块短期涨幅偏离度与追高风险阈值设定

偏离度指标的定义与计算口径

用历史分位数把偏离度转成阈值

阈值—频率—回撤的权衡关系

结果判读与阈值落地

可直接套用的阈值设定检查表