编写多空组合策略进行策略改进

编写多空组合策略进行策略改进

小象实战讲义 · 进阶量化交易实战：迭代式的量化策略研发 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

纯多头均值回复策略在遭遇系统性单边暴跌（熊市）时，极易发生所有抄底仓位被连续击穿止损的系统性回撤。如何通过构建多空组合（Long-Short Portfolio）或股指期货对冲，彻底消除大盘 Beta 风险？本节深入剖析多空对冲组合策略的设计与实现。

💡 核心导读

• 多空组合策略三大核心优势：
  • 市场中性（Market Neutrality）：通过同时做多超跌强Alpha标的、做空超买弱Beta标的，使组合整体 $\beta \approx 0$；
  • 穿越牛熊周期：不论大盘暴涨还是暴跌，只要多头跑赢空头即可稳定获取两端剪刀差利润；
  • 大幅压缩最大回撤：消除系统性系统性下跌冲击，将策略夏普比率提升至 2.0 以上。

┌─────────────────────────────────────────────────────────────┐
│                    多空组合对冲与剪刀差收益拓扑图                │
└──────────────────────────────┬──────────────────────────────┘
                               │
 ┌─────────────────────────────┴─────────────────────────────┐
 ▼                                                           ▼
┌─────────────────────────┐                                 ┌─────────────────────────┐
│ 多头腿 (Long Leg +50%)  │                                 │ 空头腿 (Short Leg -50%) │
├─────────────────────────┤                                 ├─────────────────────────┤
│ • 截面最超跌优质标的    │                                 │ • 截面最超买劣质标的/股指│
│ • 预期超额反弹 +15%     │ ─────── 剪刀差 Alpha: +10% ───► │ • 预期走弱或下跌 +5%    │
└─────────────────────────┘                                 └─────────────────────────┘

一、市场中性多空组合数学构造模型

设多头组合权重为 $\mathbf{w}_L$，空头组合权重为 $\mathbf{w}_S$。组合总收益率为：

$$R_{\text{port}} = \mathbf{w}_L^T \mathbf{R}_L - \mathbf{w}_S^T \mathbf{R}_S = (\beta_L - \beta_S) R_M + (\alpha_L - \alpha_S)$$

令 $\beta_L = \beta_S$，即可实现对市场基准 $R_M$ 的完全中性化，纯享 $\alpha_L - \alpha_S$ 的超额收益。

import pandas as pd
import numpy as np

def build_long_short_portfolio(df_scores: pd.DataFrame, n_top: int = 5) -> dict:
    """
    构建等权重多空对冲组合
    """
    sorted_df = df_scores.sort_values('alpha_score', ascending=False)
    long_basket = list(sorted_df.head(n_top)['symbol'])
    short_basket = list(sorted_df.tail(n_top)['symbol'])
    
    return {'long_symbols': long_basket, 'short_symbols': short_basket, 'weight_per_stock': 1.0 / n_top}

二、多空剪刀差收益与净值测算

计算每日多头篮子平均收益与空头篮子平均收益之差，生成中性化净值曲线。

def evaluate_long_short_returns(df_returns: pd.DataFrame, long_syms: list, short_syms: list) -> pd.Series:
    """
    计算多空组合每日对冲收益率序列
    """
    r_long = df_returns[long_syms].mean(axis=1)
    r_short = df_returns[short_syms].mean(axis=1)
    ls_return = 0.5 * r_long - 0.5 * r_short
    return ls_return

📝 动手练一练

编写 Python 测试脚本，模拟全市场大盘暴跌时多空组合的稳健对冲表现：

import pandas as pd
import numpy as np

def run_long_short_strategy_test():
    np.random.seed(42)
    # 模拟大盘暴跌 -20%
    market_crash = np.linspace(0, -0.20, 60)
    
    # 多头组合跑赢大盘 10%（最终 -10%）
    long_rets = market_crash + np.linspace(0, 0.10, 60) + np.random.normal(0, 0.005, 60)
    # 空头组合跟随大盘（最终 -20%）
    short_rets = market_crash + np.random.normal(0, 0.005, 60)
    
    df_rets = pd.DataFrame({'Long': np.diff(long_rets, prepend=0), 'Short': np.diff(short_rets, prepend=0)})
    ls_rets = 0.5 * df_rets['Long'] - 0.5 * df_rets['Short']
    equity_ls = (1.0 + ls_rets).cumprod()
    
    print("================ 多空组合对冲策略改进测试 ================")
    print(f"多头单边净收益: {long_rets[-1]*100:.2f}% (大盘暴跌)")
    print(f"空头单边净收益: {short_rets[-1]*100:.2f}%")
    print(f"多空中性组合终态净值: {equity_ls.iloc[-1]:.4f} (稳定正收益)")
    assert equity_ls.iloc[-1] > 1.0, "多空对冲未能产生正收益！"
    print("✅ 多空组合对冲策略改进验证 PASS")
    print("========================================================")

if __name__ == '__main__':
    run_long_short_strategy_test()

运行结果输出：

================ 多空组合对冲策略改进测试 ================
多头单边净收益: -9.51% (大盘暴跌)
空头单边净收益: -19.62%
多空中性组合终态净值: 1.0512 (稳定正收益)
✅ 多空组合对冲策略改进验证 PASS
========================================================

本章小结

1. 中性化彻底屏蔽系统性风险：通过多空同时布局，摆脱对大盘牛熊方向的依赖。
2. 获取纯粹的选股 Alpha：收益仅取决于多头跑赢空头的剪刀差，大幅平滑收益曲线。
3. 监控双腿流动性与借券成本：在股票融券做空实战中，需将融券费率与可用券源作为硬约束。

📋 行动清单 (Action Checklist)

• 运行多空对冲测试代码，测试在不同大盘涨跌情景下的净值稳定性；
• 编写利用股指期货（IF/IC/IM）对冲多头组合 Beta 的测算脚本；
• 预习下一节，掌握在均值回复策略中实现动态头寸管理。

— 小象教研组