# 避开四次熔断的标普500择时模型：趋势+波动率+信用利差


## 1.策略思路

### 1.1 核心逻辑

根据**趋势，波动率期限结构，信贷条件**构造一个市场状态滤波器，将标普500的市场状态划分为三种：

- 风险偏好：全仓做多
- 谨慎：半仓做多
- 风险规避：全部平仓，离场观望

参考文章：

- [The Market Regime Filter](https://financial-hacker.com/the-market-regime-filter/)
- [Market Regime Framework](https://fabiobaruffa.com/articles/market-regime-framework/)


### 1.2 三个指标

**趋势**

标普500价格是否高于 200 天 SMA。二元分类：高于视为牛市，低于视为熊市。

**波动率期限结构**

VIX（30天标普500期权的隐含波动率）与 VIX3M（3个月标普500期权的隐含波动率）比较。通常 VIX 低于 VIX3M，属于正常的市场结构。若 VIX 高于 VIX3M，说明短期风险飙升，股市下跌风险显著增加。

**信用状况**

用 HYG/IEF 比率作为信用利差的代理变量：

- HYG：高收益垃圾债 ETF
- IEF：7-10 年国债 ETF

信用市场对风险变化最敏感，当投资者从高收益债券转向低风险国债时，说明市场风险偏好正在恶化，这是风险资产下跌的领先指标。

### 1.3 综合评分

将三个指标合并为一个综合评分，划分三种市场状态：

| 评分 | 市场状态 | 仓位 |
| --- | --- | --- |
| 3 | 风险偏好 | 全仓做多 |
| 2 | 谨慎 | 半仓做多 |
| 0 或 1 | 风险规避 | 全部平仓 |

## 2. 准备数据

从 Yahoo Finance 获取日历史数据。数据质量不高，但用于验证策略原型完全足够。

## 3. 配置资产列表

回测工具：Zorro。

首先要准备资产列表`AssetsIBdemo.csv`。

策略加载多个资产的历史数据，但只交易 `SPY`，因此只需设置 `SPY` 的资产参数：

| 参数 | 含义 | 设置 |
| --- | --- | --- |
| `spread` | 最优卖价与最优买价之差 | 0.02 |
| `rolllong` / `rollshort` | 隔夜利息，股票不适用 | 0 |
| `pip` | 最小价格增量 | 0.01 |
| `pipcost` | 1 手资产波动 1 个点的盈亏价值（计价货币） | 0.01 |
| `margincost` | 持有 1 手的保证金，-100表示不用杠杆 | -100 |
| `market` | 时区与开收盘时间，仅影响日内交易 | `EST:0930-1600` |
| `multiplier` / `lotamount` | 1 手对应的实际订单量 | 1（1 手 = 1 股） |
| `commission` | 一笔完整交易（开仓+平仓）的佣金 | 0.01 |

关于 `commission` 的补充说明：IB 按股数收费，并有单笔最低/最高费用限制。固定层级费用为 0.005 美元/股，每单最低 1 美元，上限为交易额的 1%。例如交易 80 股，佣金 = 0.005 × 80 × 2 = 0.8 美元。为保持简单，回测忽略了上限和下限。

此外滑点将使用 Zorro 内置的滑点模型，假设延迟5秒成交，实际成交价会轻微偏离当时的市场价。

## 4. 回溯检验

```c
// Market Regime Model for sp500

#include <utils.c>

var assetPrice(string Name)
{
	asset(Name);
	var Price = priceC();
	asset(AssetPrev);
	return Price;
}

int marketDir(int TimePeriod)
{
	asset("SPY");
	return priceC() > SMA(seriesC(),TimePeriod);
}

int marketVolatility()
{
	return assetPrice("VIX") < assetPrice("VIX3M");
}

var marketCC(int TimePeriod)
{
	var Ratio = assetPrice("HYG")/fix0(assetPrice("IEF"));
	return zscore(Ratio,TimePeriod);
}

function run()
{
    // zorro 设置
	set(LOGFILE,PLOTNOW);
	// Verbose = 3;
	setf(PlotMode,PL_DIFF);
	BarPeriod = 1440;  // 日图
	StartDate = 2008;  // 回溯开始
	EndDate = 2026;    // 回溯结束
	LookBack = 200;    // 回溯开始前预留数据，预计算指标
	History = "?.t6";  // SPY.t6, VIX.t6
	Capital = 10000;   // 初始资本
	Leverage = 1;      // 杠杆水平
	Fill = 3;          // 1:模拟收盘价成交；3:次日开盘价成交

	// 加载资产列表，交易SPY
	assetList("AssetsIBdemo");
	asset("SPY");  // 因为 SPY 历史数据最全，所以先调用，当其它资产有缺失向前填充

	// 计算指标
	var CreditRatio = marketCC(100);
	int Score = marketDir(200) + marketVolatility() + (CreditRatio > -2);

	// 仓位调整：0=空仓（score<2）1=半仓（score=2）2=全仓（score=3）
	int Regime = clamp(Score - 1, 0, 2);
	vars Regimes = series(Regime, 2);
	int Exposure = (Capital + ProfitTotal) / priceC() * Regime / 2;

	if(is(LOOKBACK)) return;

	// 订单逻辑
    if(Regimes[0] != Regimes[1] || (Exposure > 0 && LotsPool == 0)) {
        log(strf("Regime: %d -> %d, Exposure = %d, LotsPool = %d",
            (int)Regimes[1], (int)Regimes[0], Exposure, LotsPool));
        if(Exposure > LotsPool)
            enterLong(Exposure - LotsPool);
        else if(Exposure < LotsPool)
            exitLong(0, 0, LotsPool - Exposure);
    }

    // 图表
	plot("Score", Score, NEW, BLUE);
	plot("#0", 0, NEW, WHITE);
	if(Score == 3)
		plot("Bullish", 1, BARS, GREEN);
	else if(Score == 2)
		plot("Caution", 1, BARS, ORANGE);
	else
		plot("Risk", 1, BARS, RED);
}
```

### 要点说明

评分计算的核心代码：

```c
var CreditRatio = marketCC(100);
int Score = marketDir(200) + marketVolatility() + (CreditRatio > -2);
```

- `marketDir`：标普500是否高于 200 天均线。是返回 1，否返回 0。
- `marketVolatility`：波动率期限结构。VIX < VIX3M 返回 1，否则返回 0。
- `marketCC`：高收益债与国债的标准化价格比率。若大于 -2 返回 1，否则返回 0。比率低于 -2 说明信贷市场风险飙升，是风险资产暴跌的领先信号。
- `Score`：三个指标的等权重求和，取值 0-3：
  - 0 或 1：至少两个指标发出危险信号 → 全部平仓。
  - 2：仅一个指标看空，市场处于上涨或转跌的中间阶段 → 半仓做多。
  - 3：全部指标看多，继续上涨概率最高 → 全仓做多。

## 5. 回测结果

![image.png](image.png)

测试区间为 2008 年 10 月 - 2026 年 10 月。部分 ETF 历史数据不足，因此只能从 2008 年 10 月开始。

主要指标如下：

- **最大回撤**：14.6%，最长回撤持续 85 周。
- **交易次数**：234 笔，胜率约 52%。（Zorro 按平仓统计交易：若先全仓做多，中途减仓 50%，最后全部平仓，则计为两笔交易。）
- **收益**：复合年化增长率（CAGR）10.7%；年均资本收益率（ROI，年均利润/初始资本）29.3%。
- **风险调整收益**：盈利因子 2.66，PRR 2.16，年化夏普比率 0.78。

总体来看，策略表现优秀。虽然回测中没有将买入持有作为对照组，但基于经验可以初步判断：这个趋势滤波器确实帮助交易者规避了大量回撤。

![image.png](image_1.png)

## 6. 评估趋势滤波器

### 6.1 2018 年四季度：噪音较多

背景：加息 + 贸易战 + 增长放缓，标普500跌近 20%，圣诞前夜一度接近熊市。

表现：滤波器分数在 1-3 之间反复横跳，产生了一些亏损。12 月基本保持空仓，避开了最深的下跌，并在 2019 年 1 月初发出半仓买入信号。

结论：整体表现一般，趋势转换初期噪音较多。

### 6.2 2020 年 2-3 月：成功避开闪崩

背景：疫情爆发，美股 4 次熔断（3/9、3/12、3/16、3/18），标普在 33 个交易日内下跌 34%。

表现：滤波器在 2 月 24 日发出减仓信号，25 日发出全平信号，成功避开这轮史上最快的下跌。

![image.png](image_2.png)

### 6.3 2022 年：表现最差的一年

背景：2 月俄乌战争爆发；3 月至 2023 年 7 月，美联储开启史上最快加息周期；标普500全年下跌，熊市贯穿全年。

表现：策略全年亏损 18%，是整个回测周期中表现最差的一年。整个 2022 年，滤波器基本处于"谨慎"状态，维持半仓做多。

分析信号可以发现两个问题：

1. 第一次进场信号其实不差，基本能在中期下跌筑底后做多。
2. 第二次做多（评分从 2 升到 3）买在了最高点，且平仓机制很糟糕——几乎等到趋势完全反转后，才亏损离场。

个人认为，如果优化平仓机制，并加入止损/跟踪止损/盈亏平衡等风控，应该能明显改善该年度表现，至少做到不亏损。

![image.png](image_3.png)

### 6.4 2025 年 3-4 月：及时规避关税冲击

背景：标普500下跌，主因可能是特朗普关税战引发的广泛担忧。

表现：滤波器过滤了 4 月的深跌，4 月最后一周半仓做多，5 月第一周全仓做多。

![image.png](image_4.png)

### 6.5 小结

从历史交易来看，这个趋势滤波器：

- 能有效避开快速且持续的深跌。
- 牛熊转换期间可能产生亏损，但幅度不大，基本是回吐上一轮牛市的部分盈利。
- 面对锯齿式波动（下跌时间短，行情反复）会失效，例如2022年。

后续改进方向：

- 用 lowpass 趋势跟随策略作为对照组，检验该滤波器能否跑赢简单的趋势指标。
- 改善平仓机制，增加风控机制。
- 优化参数，并进行 WFA 检验。


---

> 作者: [量化炼金](https://codealchemy.blog.csdn.net/)  
> URL: http://localhost:1313/posts/sp500-market-filter/  

