企业官网建设流程全解析

先把结论放在前面：这个策略本身不是新东西，ETF轮动是老玩法，k-means也不是高深算法，但把两者结合做成“动态股票池”，对散户做量化来说，是个性价比极高的切入点。我一向反对一上来就上深度学习、强化学习那套，数据量不够、过拟合严重、实盘还跑不动。反而是k-means这种无监督方法，用在ETF这种“数量有限、逻辑清晰、流动性好”的标的上，既能把规则讲明白，又能在QMT和ptrade这类平台里稳定落地。

这篇文章我会按照一个完整的实战路径来写：先理清策略到底解决什么问题，再做平台选型，然后是数据清洗、特征构造、聚类实现，最后落到动态股票池的生成和调仓逻辑上。每一步都会写清楚为什么这么做，以及我踩过的坑。

1. 先想清楚再写码：这个策略到底要解决什么问题

1.1 为什么是“核心轮动”

做ETF轮动的人很多，但大部分人的做法比较朴素：拉出全市场几百只ETF，算一下动量或者均线关系，谁强买谁。这个思路没什么错，但有个致命隐患——ETF之间高度相关。你看着选了十只“强势”ETF，实际上可能都是在同一轮半导体行情里跳舞的兄弟，持仓分散了个寂寞。

“核心轮动”这个词，我理解的重点在“核心”两个字。它不是说让你把全市场ETF都抓进来排序，而是先把标的池缩到一个相对有限的、能代表市场主要风格的集合里。比如宽基指数类的、金融地产类的、消费类的、医药类的、科技成长类的、新能源类的、周期资源类的，每个方向选一两只代表性ETF，加起来大概十几只到二十只。这个池子就是“核心池”。

那为什么核心池还需要动态调整？因为风格会切换。2021年消费医药是核心，2023年变成了AI和红利，2024年又轮到高股息和科技。如果你把池子固化，几年不换，那策略实际上是在跟市场风格较劲。所以需要一种方法，定期帮你看清楚：当前这段时间，市场里到底哪些ETF在抱团上涨、哪些在阴跌、哪些在震荡。这就是聚类的用武之地。

1.2 动态股票池和静态池的本质区别

静态池就是一次性把标的定死，后面所有的轮动都在这个池子里选。动态池则是每隔一段时间重新审视一次，让新的强势标的进入视野，把走坏的标的踢出去。

用k-means做动态池，本质上是做三件事：

• 定期对核心ETF池做聚类，把走势形态相似的ETF分成一组。
• 各组内部选出“代表性ETF”，代表这一种市场风格。
• 每一期只在少数几个“当前强势风格”的代表里做仓位分配。

这样一来，池子的大小不变，但池子里面的成员会变，权重也会变。你买的还是ETF，不会踩到个股的黑天鹅，但你的持仓结构会跟着市场风格走，这就是“核心轮动”的意义。

很多人把动态池想复杂了，觉得是不是要搞什么复杂的优化模型。实际上k-means在这里起的作用就是一个“分诊台”，它不预测涨跌，它只负责告诉你：现在市场上有哪几类走势、你手头的ETF属于哪一类。至于哪一类值得买，那是后续动量或者趋势规则的事。

2. 平台选型与回测框架怎么搭

2.1 QMT和ptrade的真实差异

标题里同时出现了QMT和ptrade，大概率是读者在纠结选哪个平台。我可以直接说结论：如果你的策略逻辑已经在本地用数据验证过了，只是需要一个执行和实盘托管的平台，这两个都能干，关键是看你的资金量和券商支持情况。

从架构上讲，这两个平台的定位不同。QMT更偏向专业的程序化交易终端，支持VBA和Python，数据落地本地，回测和实盘都可以在客户端里搞定。它的优点是对交易细节的控制粒度更细，比如你可以在策略里直接操作订单、撤单、查持仓，盘中定时任务这些做起来也顺手。缺点是学习曲线稍微陡一些，刚上手时容易在窗口初始化、账号绑定、合约代码这些环节卡住。

ptrade则更偏向“轻量级策略编写”，Python环境内置了很多现成的接口，比如定时任务、行情订阅、下单函数，写法更接近我们平时写脚本的习惯。它对新手友好，尤其适合做日线级、周线级的低频策略。缺点是灵活性不如QMT，如果你要做高频、或者特别复杂的订单管理，会感觉受限。

我个人的建议是：做ETF轮动这种日线级别的策略，两个平台都绰绰有余。如果你的券商只支持其中一个，就用那个。如果两个都支持，那我建议你先在本地用Python把策略完整跑通，再移植到平台上去。因为不管是QMT还是ptrade，它们的回测环境都会有一些“黑盒子”特征，不如jupyter里自己写的代码透明。

2.2 回测的坑：前视偏差与手续费

平台选好之后，第一件事不是写策略，而是检查回测设置。我在QMT里第一次跑ETF策略时，就踩过前视偏差的坑——策略会在当天收盘信号出现后，使用当天收盘价成交。看着收益曲线特别漂亮，实盘一跑就变样。

正确的做法是：信号在收盘后产生，持仓调整在次日开盘执行。也就是说，你用的是昨日的聚类结果和动量数据，交易的是今日的开盘价。这样虽然会损失一点点信号时效性，但不会引入未来数据。

手续费也别忽视。ETF的佣金通常很低，但如果你每个月调仓一次甚至每周调仓，累计下来也不少。回测时我一般设置双边万三的手续费，再叠加一个滑点0.001，这样实盘出入不会太大。别小看这个滑点，ETF流动性好，但你想一次性买入几十万时，冲击成本是真实存在的。

3. 数据清洗与特征构造：聚类吃的是“特征”，不是K线

3.1 用哪些数据、怎么清洗

做ETF聚类，推荐的数据是日线级别的收盘价、成交额和成交量，不需要分钟数据。原因是聚类和轮动逻辑本身就偏中低频，用日线足够，分钟数据反而会引入很多噪声，还拖慢计算速度。

清洗这一步很多人会偷懒，但这一偷懒后面全是坑。我一般会做这么几件事：

• 剔除上市时间不足120个交易日的ETF，次新品短期数据不稳定，聚类很容易被带偏。
• 剔除日均成交额低于3000万的ETF，流动性太差的标的，实盘里你的下单会直接影响价格。
• 对停牌期间的数据做填充或者直接剔除该时间段。ETF停牌情况少，但真出现了，别留空值。
• 做复权处理。ETF有分红，虽然幅度不大，但聚类的输入如果是原始价格，分红会导致价格跳空，影响相似度计算。

我一直强调，聚类算法本身对输入数据很敏感，你喂给它的是垃圾特征，它聚出来的“规律”就是垃圾规律。数据清洗投入的时间，会在模型稳定性上加倍回报。

3.2 特征怎么造才有意义

很多人问我：为什么不能直接用收盘价序列做聚类？因为绝对价格水平不是走势特征。一只ETF价格是1块钱，另一只是2块钱，它们的走势可能完全一样，但直接放在欧式距离里算，相似度会被价格水平主导。

所以特征要经过标准化处理。我常用的特征组合是下面三组：

• 区间涨跌幅：过去20个交易日的累计涨跌幅，反映中期动量。
• 区间波动率：过去20个交易日收益率的标准差，反映风险特征。
• 成交额变化率：过去5个交易日的日均成交额，相对于过去20个交易日的日均成交额的比例，反映资金关注度的边际变化。

这三个特征放在一起，聚出来的类群会比较干净。你做聚类的时候，要先把这些特征做z-score标准化，否则成交额特征因为数值大，会把涨跌幅特征“吃掉”。

为什么选20日而不是60日或者5日？这个没有绝对标准，我选20日是因为它是A股一个“自然月”的交易天数，既能覆盖短期趋势，又不会过于敏感。后面我会讲到，这个参数不需要一锤定音，你可以做敏感性测试，但策略实盘时固定下来就好，不要频繁改。

4. k-means聚类的实现细节

4.1 标准化与相似度度量

先讲一下k-means的基本逻辑。它做的事情就是：给你一堆样本点，每个点有几个维度的特征，算法自动把它们分成K个组，每组内部样本尽量“近”，组与组之间尽量“远”。

这里的“近”和“远”，默认用欧式距离衡量。欧式距离的问题是：如果不同特征的量纲差异大，它会失衡。所以我前面强调的标准化，就是解决这个问题的。公式不复杂，就是减去均值除以标准差，让每个特征在同一量纲下参与计算。

有人问能不能用相关系数做距离度量。可以，但k-means本身不支持任意距离函数，你需要把数据先做一个变换。实操中我建议直接用标准化后的欧式距离，结果已经足够好，不要过度设计。

标准差standardization和数据标准化的区别在于，standardization不会改变数据的分布形态，它只是平移和缩放。这不是一回事，但有些资料会混着说，你只要知道，聚类的输入一定要是中心化、单位化之后的数据就行。

4.2 K值怎么选

k-means必须要你提前指定K值，这个“必须”是好事也是坏事。好事是它逼着你去思考“市场到底有几种状态”，坏事是如果你随便拍脑袋定一个K，聚类结果会很随机。

我一般用两种方法辅助选K：

• 肘部法则：画出不同K值下的簇内误差平方和（SSE），找曲线由陡变缓的“肘点”。
• 轮廓系数：计算每个样本的轮廓系数，取均值，越大说明聚类越合理。

在ETF池子大概15到25只的情况下，K等于3到6是比较合理的范围。少于3，市场风格切分得太粗糙；多于6，每个组里的ETF太少，轮动信号不稳定。

我个人的经验：K=4是一个不错的起点。四个簇大致对应“强势进攻”、“温和上涨”、“震荡整理”、“弱势下跌”这四种市场状态。你在回测里看聚类结果时，这四个状态的区分度也比较明显。

4.3 聚类代码实战

下面放一段我用Python做ETF聚类的核心代码，数据是自己模拟的，但逻辑可以直接搬到你自己的数据上。这里用的是sklearn里的KMeans，配合StandardScaler做标准化。

import numpy as np import pandas as pd from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans # 假设 df 是日线数据，index为日期，columns为ETF代码，values为复权收盘价 # 这里模拟生成 20只ETF、250个交易日的价格数据 np.random.seed(42) dates = pd.date_range('2024-01-01', periods=250, freq='B') etf_codes = [f'ETF_{i:02d}' for i in range(20)] df = pd.DataFrame( np.random.randn(250, 20).cumsum(axis=0) + 100, index=dates, columns=etf_codes ) # 特征计算 def build_features(price_df, lookback=20, vol_window=20): feat_list = [] for code in price_df.columns: p = price_df[code].dropna() if len(p) < lookback + 5: continue ret = p.iloc[-1] / p.iloc[-lookback] - 1 vol = np.std(np.log(p).diff().dropna().iloc[-vol_window:]) amount_ratio = 1.0 # 有成交额数据时替换为真实计算 feat_list.append({ 'code': code, 'momentum_20d': ret, 'volatility_20d': vol, 'amount_ratio': amount_ratio, }) features = pd.DataFrame(feat_list).set_index('code') return features features = build_features(df) # 标准化 scaler = StandardScaler() X = scaler.fit_transform(features) # 聚类 k = 4 model = KMeans(n_clusters=k, random_state=0, n_init=10) features['cluster'] = model.fit_predict(X) # 查看每个组的成员 for c in range(k): members = features[features['cluster'] == c].index.tolist() print(f'Cluster {c}: {members}')

代码里我故意留了一个amount_ratio字段，实际用的时候你要从行情数据里把成交额拼接进来。这里模拟数据没有成交额，所以先置为1.0，不影响理解整个流程。

有几个细节值得注意：

• n_init=10要显式指定。新版本的sklearn里，如果不指定，默认是10，但版本不同可能会有警告。
• random_state=0必须固定，否则每次运行聚类结果可能不一样，策略的“可复现性”就没了。这在实盘里尤其重要，你不能让同一个策略今天聚出A组、明天聚出B组。
• 特征数量不要太多。三个特征刚好，加太多维度后K-means在高维空间里的效果会退化，而且解释起来很痛苦。

5. 从聚类结果到动态股票池

5.1 每组的“代言人”怎么选

聚类完成之后，你会得到几个组。下一步不是把整组都买下来，而是从每组里挑出一只“代表ETF”进入最终的股票池。

我常用的选代表方式有两种：

• 方法是选组内动量最强的ETF。理由很简单：聚类告诉你哪些ETF走势相似，但相似的走势内部也有强弱之分。强者恒强在A股ETF上还是比较明显的，选组内动量最强的，相当于在“同类风格”里挑了最强的表达工具。
• 另一种是选离质心最近的ETF，也就是这一组里最“典型”的样本。这种方式选出来的代表更中庸，波动相对小，但进攻性会弱一些。

我自己的偏好是选动量最强的。轮动策略赚的就是趋势的钱，为什么要选个中庸的呢？当然，如果你回测下来发现动量最强的ETF因为波动太大导致回撤超标，那可以换成离质心最近的，用回测数据说话。

5.2 股票池调仓与信号生成

动态股票池不是每天重新算一遍聚类然后调仓，那样交易成本会高到没法看。我一般设置一个调仓周期，比如每20个交易日做一次聚类，重新生成股票池，然后只在“池子成员发生变化”的时候触发调仓。

如果连续两期聚类结果完全一样，那就不动仓，省手续费。只有当某个ETF被剔除、新的ETF被选入，或者权重变化超过阈值，才执行交易。

信号生成的部分，我用的是一套非常朴素的趋势过滤规则：

• 调仓日计算每只代表ETF的20日均线和60日均线。
• 只买入价格在20日均线上方、且20日均线在60日均线上方的那几组。
• 如果某个组的代表ETF不满足条件，整个组就不配置，空出来的仓位分到其他满足条件的组。

这种“聚类分组 + 组内选强 + 趋势过滤”的结构，好处是每一步都有明确的业务含义，不是一个让人看不懂的黑盒子。

权重分配上，我建议起步阶段用等权。等权意味着你承认自己不知道哪个组会更优，让市场来决定。等跑了一段时间、积累了自己数据上的统计规律后，再考虑按动量加权。

这部分的代码逻辑不复杂，就是跟聚类结果连接起来：

# 假设 features 已经带 cluster 列 # 选出每个cluster里 momentum最强的ETF作为代表 representatives = features.loc[features.groupby('cluster')['momentum_20d'].idxmax()] # 调仓信号：检查20日均线是否在60日均线上方 # 这需要你回到原始 price_df 去计算均线 def trend_filter(code, price_df, short=20, long=60): series = price_df[code].dropna() ma_short = series.rolling(short).mean().iloc[-1] ma_long = series.rolling(long).mean().iloc[-1] price = series.iloc[-1] return price > ma_short and ma_short > ma_long valid_reps = [ code for code in representatives.index if trend_filter(code, df) ] # 等权分配到 valid_reps 中 weights = {code: 1.0 / len(valid_reps) for code in valid_reps}

代码里只写了核心两步：选代表、过滤信号。实际你还需要处理“没有ETF通过过滤”的情况，这时候就空仓。别小看空仓，空仓本身就是一种仓位，能帮你躲过2018年那种单边下跌。

6. 常见问题与排查技巧

6.1 聚类结果“蹦迪”：调仓太频繁怎么办

跑聚类最头疼的一个问题是：这次聚类结果和上次差别巨大，上次还在同一组的ETF这次拆到了不同组，导致股票池大换血，调仓交易频繁，收益全被手续费吃掉了。

这种情况有几种原因。第一是数据窗口太短，建议把聚类用的数据窗口从20日拉长到40日或者60日，平滑一些。第二是特征里有异常值，比如某只ETF因为单日暴拉或者暴跌，把聚类质心拉偏了，这时可以考虑用中位数或者去掉极值。第三是K值选得不对，K越大的时候聚类结果越敏感，因为每个组样本数变少，单个样本对聚类结果的影响就变大。调小K值，比如从5改成4，就能稳很多。

6.2 ETF数量太少时聚类有意义吗

有些读者手中的核心池子只有五六只ETF，这时候跑k-means其实意义不大。聚类本质是探索数据的内在结构，数量太少时，你肉眼都能看明白走势差异，不需要算法来分组。

如果只有五六只ETF，我建议你把方法简化：不做聚类，直接用动量和波动率做一个综合打分排名，取前两名买入，后两名剔除。工具是死的，思路是活的，不要为了用算法而用算法。

6.3 实盘和回测差异：开盘价tt滑点

最后讲一个实盘最常见的问题——成交价格和回测差异。我前面说过信号次日开盘执行，但ETF在开盘瞬间如果出现跳空高开，你会发现回测里的成交价根本买不到。所以回测时我建议把开盘价做一个偏移处理，买价设置为开盘价的1.001倍，卖价设置为开盘价的0.999倍，相当于预留滑点。

平台层面，QMT和ptrade对开盘价成交的处理逻辑不完全一致，有些平台在回测引擎里默认了级别不同的滑点模型。移植策略到平台时，务必跑一遍样本外区间的回测，看看净值曲线跟你本地跑的差异有多大。如果差异超过10%，优先检查成交设置，而不是检查策略逻辑。

结尾：我给新手的三个实在建议

这个策略我从一开始构建到现在迭代了挺多版本，最深的体会有三条。第一，不要把重心放在“模型多复杂”上，而要把重心放在“数据是否干净、逻辑是否自洽”上。k-means只是一个分组工具，真正让策略赚钱的是你对ETF池子、趋势过滤、调仓频率这些规则的设计。第二，先跑通再优化，先用10只ETF、K=4、20日调仓这种最朴素的配置跑起来，有了基准之后，再一个个变量地调，千万不要一上来就搞一大堆对照组，最后根本不知道为什么结果变了。第三，实盘和模拟盘的差距永远比你想的大，前三个月用最小仓位跑，记录每一次滑点和偏离，这些都是回测里学不到的宝贵数据。

如果你正准备在QMT或者ptrade上实现这个“k-means聚类ETF核心轮动动态股票池”，我的建议是从本地验证逻辑开始，再移植到平台上。希望这篇内容能让你少走一些弯路。