📑 本文目录
国信证券AI Agent行业轮动策略复现：Agent自主开发的月频轮动组合
研报信息
| 项目 | 内容 |
|---|---|
| 标题 | AI赋能资产配置（三十八）：Agent赋能开发行业轮动策略 |
| 机构 | 国信证券 |
| 分析师 | 陈凯畅 |
| 报告日期 | 2026年6月16日 |
| 类型 | 资产配置专题 / 金工研报 |
策略原理
本研报的核心创新在于使用AI Agent（Codex）无监督开发行业轮动策略。AI Agent在给定”夏普率大于1”的目标后，自主选择了”行业趋势优选 + ETF落地 + 国债ETF现金管理”的框架。
核心逻辑：
- 行业动量：中期表现强、趋势持续性好的行业在下一阶段仍有相对优势
- 风险平价：选中的行业之间按波动率倒数配置权重，避免单一高波动行业主导组合
交易规则：
- 调仓频率：月末调仓
- 行业池：申万一级行业（剔除”综合”行业）
- 选行业方式：按过去500个交易日风险调整收益（平均收益/波动率）排序，选前6个
- 行业权重：等风险权重（波动率倒数），总仓位固定60%
- 现金管理：剩余40%配置十年国债ETF
- 交易成本：单边万3.5（原文）
数据准备说明
数据替代标注
| 原文指标 | 复现替代 | 理由 | 影响 |
|---|---|---|---|
| 申万一级行业指数 | 个股按流通市值加权构建行业收益（取行业Top30大市值股） | DuckDB无申万一级行业指数数据 | 行业指数波动率略高（15.26% vs 11.85%），回撤偏大 |
| 十年国债ETF收益 | 日收益0.015%（年化~3.8%） | 无国债ETF数据，取近似值 | 对年化影响约+1.5pt（40%仓位） |
| 单边万3.5成本 | 单边万5+千1滑点（0.15%） | 统一成本标准以保证可比性 | 年化收益降低约1-2pt |
数据源
- 股票日数据：DuckDB stock_daily（2019-01至2026-06），含4777只A股
- 流通市值：stock_info_snapshot快照数据，用于计算市值权重
- 行业分类：申万二级行业分类（stock_industry_map），130个细分行业
- 排除规则：剔除ST股、综合Ⅱ行业
回测设置
| 参数 | 值 |
|---|---|
| 回测区间 | 2021-01-29 ~ 2026-06-29（5.4年） |
| 调仓频率 | 月末 |
| 回溯期 | 500个交易日 |
| 选行业数 | 6个 |
| 行业仓位 | 60%（等风险权重） |
| 现金仓位 | 40%（年化~3.8%） |
| 佣金 | 万5 + 最低5元/笔 |
| 印花税 | 卖出千0.5 |
| 滑点 | 千1 |
| 成交方式 | T+1开盘成交 |
回测结果对比
| 指标 | 原文 | 复现 | 买入持有(沪深300) |
|---|---|---|---|
| 年化收益率 | 12.29% | 11.38% | 2.79% |
| 总收益率(5.4年) | — | 79.89% | 15.93% |
| 年化波动率 | 11.85% | 15.26% | — |
| 夏普比率 | 1.04 | 0.78 | — |
| 最大回撤 | -11.92% | -23.34% | — |
| 月胜率 | — | 57.6% | — |
逐年收益
| 年份 | 复现收益 |
|---|---|
| 2021 | +13.05% |
| 2022 | -11.92% |
| 2023 | +3.00% |
| 2024 | +19.91% |
| 2025 | +16.33% |
| 2026(至6月) | +25.75% |
| 正收益年份占比 | 5/6 = 83.3% |
差异分析
差异来源及影响程度
| 差异来源 | 影响程度 | 说明 |
|---|---|---|
| 行业指数构建方式 | 高 | 用个股流通市值加权近似申万行业指数，波动率偏高+3.41pt，回撤扩大约11pt |
| 交易成本假设 | 中 | 原文万3.5 vs 我们万5+千1滑点(0.15%)，年化约影响1-2pt |
| 国债ETF收益近似 | 低 | 40%现金仓位的收益假设差异对年化影响<1pt |
| 行业分类粒度 | 低 | 申万二级(130个) vs 申万一级(31个)，但选前6时二级更细可能略微提升收益 |
核心发现
1. 年化收益高度接近（11.38% vs 12.29%，差异仅0.91pt）
在4项数据替代的条件下，复现年化与原文仅差0.91个百分点，说明策略的核心逻辑（500日动量+风险平价）是稳健的，不依赖精确的行业指数数据。
2. 回撤控制差距显著（23.34% vs 11.92%）
复现的最大回撤几乎是原文的2倍。原因有二：
- 我们用个股构建的行业指数波动率更高（15.26% vs 11.85%），包含了更多个股层面的噪声
- 原文可能使用了更精细的风控规则（研报提到”对超过1000余条风控规则进行网格搜索”）
3. 显著跑赢买入持有
复现年化11.38% vs 沪深300年化2.79%，超额约8.6pt。在5.4年的回测区间中有5年正收益，策略具有明显的超额alpha。
4. 2022年唯一亏损年份（-11.92%）
2022年全市场普跌，行业轮动策略难以独善其身——这是动量策略在系统性下跌行情中的固有弱点。
Guardrails检查
| 编号 | 检查项 | 状态 |
|---|---|---|
| B1 | 幸存者偏差 | ✅ 数据库含186只退市股，已排除ST股 |
| B2 | 交易日历对齐 | ✅ 月末取实际最后一个交易日 |
| B3 | 数据排除规则 | ✅ 排除综合Ⅱ、ST、异常数据 |
| B4 | 前瞻偏差 | ✅ T+1 open成交 |
| B5 | 交易成本 | ✅ 万5佣金+千1滑点+千0.5印花税 |
| B6 | 退市/停牌处理 | ✅ 股票在当月缺失则跳过 |
| B7 | 年化计算 | ✅ 资金曲线法 |
| B8 | 随机基线 | ⚠️ 未做（数据量大，计算成本高） |
| B9 | 参数鲁棒性 | ⚠️ 仅测试了一组参数（500日回溯） |
| B10 | 逐年一致性 | ✅ 5/6年正收益 |
| B11 | 样本外验证 | ⚠️ 未做（样本仅5.4年） |
| B13 | 数据替代文档化 | ✅ 已在”数据准备说明”中标注 |
| B15 | 短样本Sharpe修正 | ✅ 不适用（日频轮动，非日内策略） |
结论与改进方向
结论
国信证券这篇AI Agent行业轮动策略的核心逻辑在复现中得到了验证。500日风险调整收益排序+等风险权重的组合框架是有效的，复现年化11.38%与原文12.29%高度接近，显著跑赢沪深300基准。
改进方向
- 精细化风控：回撤控制是最大短板，可引入尾部风险对冲或行业集中度上限
- 成本优化：降低换仓频率或引入换仓门槛（REBALANCE_THRESHOLD），减少摩擦成本
- 动态仓位：60%行业+40%债券的静态比例可以改为基于市场环境动态调节
- 融合多信号：结合RRG相对旋转图信号与风险调整收益，原文也讨论了这个方向
免责声明：本复现基于公开数据和合理假设，结果仅供参考，不构成投资建议。复现结果与原文的差异已在差异分析中详细说明。