📑 本文目录
估值分位择时规则真的有效吗：8年期货数据回测，买入信号胜率61%但卖出信号失效
一、引言：一套流传甚广的规则，却很少有人检验过
在上一篇《全市场估值温度计：90个标的的百分位地图》里，我介绍了如何用估值分位（0-100）把全市场90个标的”测体温”，并给出了一套定性的仓位规则：分位小于10%开始左侧布局，分位大于80%减仓，大于90%清仓。
那篇文章发出后，我自己心里一直有一个没回答的问题：这套规则，过去8年到底赚不赚钱？
“分位低就买、分位高就卖”听起来天经地义——它是均值回归思想最朴素的翻译。但量化交易里，任何没有被回测验证的规则都只是信仰。于是我用 futures_daily 表里2015年1月至2026年7月的全部期货主力合约数据（57个品种、2815个交易日），对这套规则做了一次完整的回测。
结果出乎意料，也很有启发：买入信号是有效的（60日胜率61.2%），但卖出信号几乎是失效的（胜率仅48.4%）。这个不对称性，比”规则整体赚不赚钱”更值得深究。
本文记录这次回测的完整过程和发现。需要强调的是，这是一次研究性回测，目的是检验规则的有效性边界，而非推荐一个可直接实盘的策略——文末会详细说明它的局限。
二、回测设计：数据、规则、基准
2.1 数据底座
| 项目 | 说明 |
|---|---|
| 数据表 | quant_v2.duckdb 的 futures_daily 表 |
| 品种范围 | 全部期货主力合约，共57个品种（含黑色、有色、能化、农产品、股指期货等） |
| 时间跨度 | 2015-01-05 ~ 2026-07-24，共2815个交易日 |
| 字段 | code（品种代码）、date、close（收盘价）、name（中文名） |
为什么用期货而不是股票？因为期货品种数量适中（57个 vs A股5000+），品种间相关性较低，且每个品种都有足够长的连续价格序列，适合做横截面分位排序。股指期货（IF/IC/IH/IM）也被纳入，相当于同时覆盖了股票指数。
2.2 估值分位的计算
对每个品种，计算其250日滚动百分位：
分位 = 当前收盘价在过去250个交易日收盘价中的排名百分位（0-100）
- 分位=0：当前价格是过去250天的最低点
- 分位=100：当前价格是过去250天的最高点
- 分位=50：当前价格正好在过去250天的中位数
为什么选250日（约1年）？这是业界计算估值分位的常用窗口——足够长以覆盖一个完整的牛熊周期，又不会太长以至于对近端变化不敏感。估值周报系统用的也是这个窗口。
2.3 策略规则
| 信号 | 触发条件 | 动作 |
|---|---|---|
| 买入 | 250日分位小于10 | 次日等权做多该品种 |
| 平仓 | 250日分位回升至50以上 | 次日平仓 |
| 空仓 | 无信号品种 | 不持有 |
组合层面：每日等权持有所有触发买入信号的品种；没有信号时空仓（持有现金）。这是最朴素的规则，不加任何过滤条件、不做品种筛选、不设止损——目的就是检验”裸规则”本身的有效性。
2.4 基准
等权持有全部57个期货品种，每日再平衡。这是一个”买入持有+全品种分散”的基准，代表”不择时、只做β”的收益。
2.5 回测期与成本
- 回测期：2018-01-02 ~ 2026-07-24（2076个交易日，约8.24年）。2015-2017年用于计算首个250日分位窗口，不参与回测。
- 成本说明：本次回测未计入手续费和滑点。期货的手续费极低（万分之几），但每日再平衡的换手率不低，实盘中需扣除。这部分影响在文末局限性里讨论。信号触发统计（第三节）是”事件研究”口径，不涉及换手，不受成本影响。
三、信号触发统计：17730个买入样本说了什么
在深入净值回测之前，先做一个更基础的”事件研究”：当分位跌破10的瞬间，后续20日和60日的收益分布是什么样的？ 这个统计不依赖组合构建方式，纯粹检验信号本身的预测力。
3.1 样本规模
| 信号类型 | 触发次数（2018-2026） |
|---|---|
| 买入信号（分位小于10） | 17730 |
| 卖出信号（分位大于90） | 24329 |
样本量非常充足，统计显著性有保障。
3.2 买入信号的后续收益
| 指标 | 后续20日 | 后续60日 |
|---|---|---|
| 样本数 | 17730 | 17730 |
| 平均收益 | +2.81% | +5.93% |
| 中位数收益 | +0.58% | +2.29% |
| 胜率（收益大于0） | 55.1% | 61.2% |
核心发现：分位小于10的买入信号，后续60日胜率61.2%、平均收益+5.93%——这是一个统计上有效的均值回归信号。 换算成简单的语言：当某个期货品种的价格跌到过去一年的最低10%区间时，在未来3个月里它上涨的概率明显大于下跌的概率。
3.3 卖出信号的后续收益（反直觉部分）
| 指标 | 后续20日 | 后续60日 |
|---|---|---|
| 样本数 | 24329 | 24329 |
| 平均收益 | +0.56% | +1.18% |
| 胜率（下跌） | 48.8% | 48.4% |
注意这里的逻辑：卖出信号正确，意味着后续价格应该下跌。但数据显示，分位大于90的品种在后续60日里平均仍然上涨+1.18%，下跌概率只有48.4%——比抛硬币还低。
这是本文最重要的发现：估值分位的”低买”信号有效，但”高卖”信号几乎失效。 大宗商品市场的动量效应（趋势一旦形成会延续）在高端分位区域压倒了均值回归效应——处于一年新高的品种，往往还会继续创新高。这与股票市场的经验（高估品种更容易回调）形成了鲜明对比。
这个不对称性意味着：把”分位大于90清仓”写进纪律，在期货市场反而会让你错过强势品种的尾部利润。
四、净值回测：8年+379% vs 基准+40%
4.1 核心绩效对比
| 指标 | 策略（分位小于10做多） | 基准（等权持有全部期货） |
|---|---|---|
| 回测期 | 2018-01-02 ~ 2026-07-24（2076天，约68个月） | 同左 |
| 总收益率（68个月） | +379.47% | +39.88% |
| 年化收益率 | +20.96% | +4.16% |
| 年化波动率 | 18.55% | 11.32% |
| Sharpe比率 | 1.115 | 0.416 |
| 最大回撤 | -20.43% | -23.12% |
| 月胜率 | 55.9% | 52.9% |
策略大幅跑赢基准：年化+20.96% vs +4.16%，Sharpe 1.115 vs 0.416，超额收益接近5倍。更难得的是，策略的最大回撤（-20.43%）还略小于基准（-23.12%）——这意味着它不仅赚得多，风险的极端表现也更温和。
但要立刻加一个限定：这是未计成本的回测。每日再平衡带来的换手率会侵蚀收益，实际扣费后的表现会打折扣（文末详述）。即便如此，超额收益的幅度足够大，扣掉合理的成本后，策略大概率仍然是有效的。
4.2 年度收益对照：超额收益的来源
| 年份 | 策略收益率 | 基准收益率 | 超额收益 |
|---|---|---|---|
| 2019 | +9.7% | +6.6% | +3.1% |
| 2020 | +85.2% | +13.9% | +71.3% |
| 2021 | +49.4% | +16.0% | +33.4% |
| 2022 | +5.7% | +2.0% | +3.7% |
| 2023 | +1.3% | -4.5% | +5.7% |
| 2024 | +4.3% | -2.0% | +6.3% |
| 2025 | +2.4% | +1.6% | +0.8% |
| 2026（至7月） | +31.3% | +9.8% | +21.4% |
关键观察：策略的超额收益高度集中在2020-2021年的大宗商品超级周期。 这两年策略分别赚了+85.2%和+49.4%，贡献了8年总收益的绝大部分。这与直觉吻合——2020年疫情后大宗商品从谷底暴力反弹，大量品种的分位从极端低位（小于10）回升，策略精准地捕捉到了这波”从深度低估到全面修复”的趋势。
而在2019、2022-2025这些震荡年份，策略的超额收益收窄到+1%~+6%区间——仍然为正，但没有爆发力。这告诉我们：分位择时策略的本质是”等待均值回归的盛宴”，大部分时间它只是小赢，真正的利润在极端行情里兑现。
4.3 2026年的强势开局
值得注意的是2026年至今（至7月24日），策略已录得+31.3%，超额+21.4%——这是2021年以来最好的年度开局。这与当前估值周报显示的”建材化工链集体低位、小盘股期货低估”是同一个故事：大量品种再次跌入分位小于10的区域，策略正在重新布局。
五、品种分层：哪些品种适合分位择时
把17730个买入信号按品种拆开，会发现分位择时在不同品种上的有效性差异巨大。
5.1 表现最好的5个品种（60日收益）
| 品种 | 信号次数 | 60日平均收益 | 胜率 |
|---|---|---|---|
| 淀粉 | 423 | +69.66% | 63.6% |
| 集运欧线 | 65 | +47.53% | 100.0% |
| 生猪 | 235 | +15.50% | 71.9% |
| 沥青 | 231 | +15.17% | 78.8% |
| 鸡蛋 | 412 | +13.72% | 81.8% |
农产品和部分能化品种是分位择时的”甜区”。 鸡蛋（胜率81.8%）、沥青（78.8%）、生猪（71.9%）的胜率都超过70%——这些品种有明显的周期性（鸡蛋的季节性、生猪的猪周期、沥青的施工季节），价格跌到极低位后往往有可靠的季节性/周期性反弹。
集运欧线的100%胜率（65次信号）尤其醒目——这个品种2024年才上市，样本集中在2024-2025年的运价暴涨周期，分位跌破10几乎都对应着运价调整的低点，后续都迎来了反弹。但样本量较小，结论需谨慎。
5.2 表现最差的5个品种（60日收益）
| 品种 | 信号次数 | 60日平均收益 | 胜率 |
|---|---|---|---|
| 豆一 | 577 | +0.11% | 47.1% |
| 锌 | 433 | +0.04% | 47.8% |
| PTA | 358 | -0.49% | 47.8% |
| 铅 | 320 | -0.67% | 40.9% |
| 白糖 | 525 | -1.00% | 41.3% |
有色金属（锌、铅）和部分化工品（PTA）、软商品（白糖）是分位择时的”盲区”。 这些品种的共同特征是：要么受全球定价主导（有色），趋势性强、均值回归弱；要么长期处于产能过剩的下行通道（白糖、PTA），“便宜还能更便宜”。
白糖尤其值得警惕——它是当前估值周报里的”新晋低估品种”（分位2.5%），但历史回测显示白糖在分位小于10时的60日胜率只有41.3%、平均收益-1.00%。这意味着对白糖当前的”深度低估”信号，要保持警惕，它可能是个价值陷阱。 这个发现与上一篇温度计文章里”白糖新晋入榜”的定性判断形成了有价值的对照——回测数据给出了更冷静的警告。
5.3 启示：规则要分品种使用
分位择时不是一个”全品种通吃”的规则。基于本次回测，一个改进思路是：只在历史胜率大于55%的品种上启用分位买入信号，对有色金属和长期下行品种（白糖、PTA）禁用或降权。这种简单的品种过滤，预期能进一步提升策略的风险调整后收益。
六、规则的边界：什么时候会失效
回测展示了规则的有效性，但真正理解一个策略，更重要的是知道它什么时候不灵。结合数据和逻辑，这套分位择时规则有三个明确的失效场景。
6.1 趋势性熊市里的”接飞刀”
当一个品种处于长期下行趋势（如2022-2023年的部分化工品），分位跌破10不代表”见底”，可能只是”下跌中继”。回测里白糖、PTA的低胜率就是这个原因。改进方法：加入趋势过滤——只在价格站上20日均线后才启用分位买入信号（避免在空头排列里接飞刀）。
6.2 动量主导行情里的”卖飞”
第三节已经发现，卖出信号（分位大于90）在期货市场几乎失效。在大宗商品的强趋势行情里（如2020-2021年），处于一年新高的品种往往会继续创新高。改进方法：用移动止损（如跌破20日均线）代替”分位大于90清仓”——让利润奔跑，用趋势跟踪代替估值止盈。
6.3 成本侵蚀
本次回测未计手续费和滑点。每日等权再平衡的换手率不低（信号进出频繁），按期货万分之0.5的手续费 + 1个最小变动单位的滑点估算，年化成本可能在2%-4%左右。对于年化+20.96%的策略，扣完成本后仍有可观的正收益；但对于那些年度收益只有+1%~+5%的震荡年份（2022-2025），成本可能吃掉大部分超额。 改进方法：把再平衡频率从日度降到周度或月度，用”分位突破阈值才调仓”代替每日机械再平衡，能显著降低换手。
七、与动量策略的组合
分位择时的本质是均值回归，它与动量策略天然互补。在本博客已有的《动量与均值回归之争》里，我讨论过两者在A股的对照。这次期货回测印证了一个组合思路：
- 分位小于10 + 均值回归品种（农产品、周期性化工）：适合分位择时，做左侧布局。
- 分位大于50 + 动量品种（有色、股指）：适合趋势跟踪，让利润奔跑。
一个更稳健的组合，是同时运行两套策略，用估值分位做”品种路由”：分位低且历史均值回归胜率高的品种，走分位择时；分位高且趋势明确的品种，走动量跟踪。这种”双轨”结构与我在《2026年6月30日：被动补库存周期下的估值地图》里讨论的宏观-估值-技术三层框架是一脉相承的。
八、结论与改进方向
8.1 三个核心结论
- 买入信号有效：250日分位小于10是一个统计有效的均值回归信号，60日胜率61.2%、8年回测年化+20.96%、Sharpe 1.115。
- 卖出信号失效：分位大于90在期货市场几乎没有预测力（胜率48.4%），动量效应在高端分位压倒了均值回归。这是最反直觉也最有实践价值的发现。
- 品种差异巨大：农产品和周期性化工品（鸡蛋、沥青、生猪）是分位择时的甜区；有色金属和长期下行品种（白糖、PTA）是盲区。规则必须分品种使用。
8.2 待改进的方向
本次回测是最朴素的”裸规则”检验，至少还有四个可以改进的方向：
- 加入趋势过滤：用均线或MACD过滤掉空头排列中的”飞刀”信号。
- 替换止盈逻辑：用移动止损代替”分位大于90清仓”，解决卖出信号失效的问题。
- 降低换手：从日度再平衡改为周度/月度，或设置”分位突破阈值才调仓”。
- 品种动态筛选：基于滚动胜率给品种加权，自动增配”均值回归友好”的品种。
这些改进会在后续文章里逐一回测验证。回测的意义不在于证明某个规则完美，而在于精确划定它的有效边界——知道在哪里它赚钱，在哪里它亏钱，比一个笼统的”年化20%“重要得多。
附录：回测核心数据
| 项目 | 数值 |
|---|---|
| 数据源 | quant_v2.duckdb / futures_daily（2015-01-05 ~ 2026-07-24） |
| 品种数 | 57（全部期货主力合约） |
| 回测期 | 2018-01-02 ~ 2026-07-24（2076个交易日，约68个月） |
| 买入信号样本 | 17730（分位小于10） |
| 卖出信号样本 | 24329（分位大于90） |
| 策略总收益（68个月） | +379.47% |
| 策略年化收益 | +20.96% |
| 策略Sharpe | 1.115 |
| 策略最大回撤 | -20.43% |
| 策略月胜率 | 55.9% |
| 基准年化收益 | +4.16% |
| 买入信号60日胜率 | 61.2% |
| 卖出信号60日胜率（下跌） | 48.4% |
成本声明：本次回测未计入手续费与滑点，实盘表现会因换手成本打折扣。文中策略为研究示例，不构成投资建议。
相关阅读
- 全市场估值温度计：90个标的的百分位地图（2026-07-27） —— 本文的姊妹篇，讲温度计怎么读（定性），本文讲这套规则赚不赚钱（定量）
- 低估品种的左侧窗口 —— 商品期货低估信号的早期分析
- 动量与均值回归之争 —— 两套哲学的对照，本文的分位择时属于均值回归阵营
- 均值回归为什么在A股常失效 —— 失效场景的系统性分析，本文第三节发现期货卖出信号失效是其又一个例证
作者：梁延超 | 品牌：AgentQuant | 用数据和系统做交易决策。