基于聚类分析的动态股票池构建与ETF轮动策略实战解析-平芜编程栈

做量化这两年，我最大的体会是：很多策略亏钱不是亏在买卖点，而是亏在“选错了股票池”。今天这篇小记，把我在QMT和ptrade上实践过的一套完整方案拆开来写——基于聚类分析的动态股票池构建，配合ETF轮动策略，回测年化做到了132.09%。这套东西不是那种只能在论文里跑的理论，而是能直接落地到交易终端、跑实盘的思路，适合所有正在学习量化交易、尤其是刚接触QMT和ptrade的小白朋友参考。

先说清楚这套策略到底在干什么：每个月末，我用聚类分析把全市场的ETF和一部分流动性好的股票按“波动特征+相关性结构”分成几组，再从每组里挑出最具代表性的一篮子标的，构成一个动态更新的股票池；池子建好之后，再用动量因子做主ETF轮动，每个月只持有排名前2到3只标的，等权配置。整个逻辑拆成“建池”和“轮动”两个独立模块，任何一头单独拎出来都能用，合在一起就是一个完整的可回测、可实盘的策略框架。

这篇博文不会只丢一个结果给你，我会把每一步的为什么、怎么做、踩过什么坑，全部写清楚。

1. 策略整体设计：为什么是“聚类分析 + 动态股票池 + ETF轮动”

1.1 一个朴素的直觉：先选赛道，再选选手

很多人做轮动策略，习惯直接拉一堆ETF或者行业指数，然后按涨幅排序买最强的。这个做法简单，但有个致命问题：你是在用“后视镜”选标的。比如某段时间半导体板块整体强势，你买进去的确实是涨幅榜前几名的ETF，但它们彼此之间的相关性可能极高，涨的时候一起涨，跌的时候一起跌，根本没有分散风险，波动全暴露在一个风格因子上。

我最初的想法是：能不能先把市场里所有的可交易标的，按“最近一段时间的量价行为特征”分成若干类，每一类里虽然在走势上相似，但基本面和行业归属未必相同，然后在每个类别里挑选代表标的，组成一个相对分散的股票池。这样既不会错过强势板块，也不会因为某一类资产的集体回调导致整个组合被一波带走。

这就是整个策略的第一个设计决策：先用无监督学习做标的画像，再用画像结果构建组合池。

1.2 三个模块各解决什么问题

拆开来看，这套策略有三个独立模块：

聚类分析模块：负责把几百个ETF和股票按照收益率序列的相关性、波动率、换手率等特征，划分成不同的“行为簇”。它的输出不是涨跌预测，而是一个结构化的市场地图。
动态股票池构建模块：基于聚类结果，在每个簇里按一定规则选取代表标的。比如每个簇选1到2个流动性最好、规模适中的ETF或股票，最终形成一个10到15只标的的候选池。因为市场结构会变，所以这个池子要定期重建，这就是“动态”的含义。
ETF轮动策略模块：在动态股票池里，用动量因子对所有标的做排序，选前几名的标的等权买入，持有到下一个调仓日再重新排序。

这三个模块是解耦的。聚类结果可以单独用来做风格分析，动态股票池可以交给别的策略用，轮动策略也可以换成别的标的池。你在做策略架构时也应该这样想——模块之间不要强耦合，否则后面做优化和回测会非常痛苦。

1.3 为什么交易标的选择ETF而不是全部选股票

这里有一个很现实的原因：回测收益率再漂亮，实盘下单滑点一吃，可能就垮了。股票尤其是小盘股，流动性差的时候冲击成本高得吓人，而ETF品种多、流动性相对有保障，且没有印花税（至少场内ETF在卖出时不收印花税），做高频调仓时交易成本优势非常明显。

另外，ETF天然就是“一篮子股票”，它能帮你在保持策略逻辑清晰的同时，自动过滤掉个股的黑天鹅风险。比如你聚类分析出来某一类标的是“高波动科技类”，你直接买对应的科技ETF，比买一只科技龙头股票要稳得多。所以我最终选择以ETF作为轮动品种，股票池里也优先纳入流动性好的宽基或行业ETF。

2. 数据准备与预处理：聚类之前先想清楚“拿什么聚”

2.1 特征选择：不是数据越多越好

聚类分析能不能用，关键不在算法，而在特征。我在第一版里贪多，把MACD、RSI、KDJ、布林带全塞进去了，结果聚类结果几乎每次都不一样，簇内样本乱七八糟。后来我才想明白一件事：K-Means这类算法是基于距离的，你把量纲不同的指标放一起，特征工程没做好，聚类结果就是在开玩笑。

我实际使用的特征分为三组：

收益率序列相关性：取过去60个交易日的日收益率序列，两两计算皮尔逊相关系数，再转换为距离矩阵。这是最关键的特征，因为聚类本质上是想把“走势行为相似”的标的放一起。
波动率特征：过去20日和60日的年化波动率。这个指标能够区分高波动品种和低波动品种。
流动性特征：过去20日的平均成交额（对股票而言）或平均成交额（对ETF而言）。因为在构建动态股票池时，只有流动性好的标的才值得纳入。

这三组特征加在一起，每个标的大概形成一个几百维的特征向量。直接拿去做聚类会有两个问题：维度偏高，且特征之间量纲差异大。所以下一步必须先标准化。

2.2 标准化与降维：把数据拉到一个尺度上

我用的是StandardScaler做Z-score标准化，也就是每个特征减去均值、除以标准差。这一步做完，所有特征才在同一个数量级上，聚类算法才不会被波动率这种数值大的特征主导。

降维方面，PCA（主成分分析）是我推荐的选项。因为你所用的特征里很多是日收益率序列，彼此之间可能存在相关性，直接用原始特征聚类，不仅慢，还会放大噪声。我一般保留能解释90%方差的前几个主成分，再拿这些主成分去跑K-Means。后面我在代码里也会给出具体的实现。

2.3 股票的“动态”更新逻辑

动态股票池不是每天都重建。聚类本身有一定计算成本，而且市场结构的演变是缓慢的，过于高频的重建反而会引入噪声。我的做法是每20个交易日（大约一个月）重建一次股票池。

每次重建时，数据窗口也顺势往前滑——用最新60个交易日的数据重新算特征、重新聚类、重新选标的。这样做的本质是假设“未来一个月内，市场各标的之间的行为相似性结构不会剧烈变化”，然后用这种相似性结构指导选池。这个假设在A股市场上大体成立，但在风格剧烈切换的极端行情里会短暂失效，后面我在风险提示部分会专门讲。

3. 聚类分析的具体实现：K-Means落地时的关键细节

3.1 确定K值的两种办法：轮廓系数与碎石图

K-Means聚类最麻烦的问题就是K值怎么定。我常用的有两个方法，结合起来看：

轮廓系数（Silhouette Coefficient）：衡量每个样本与自己所在簇的相似度，以及它与其他簇的差异度。数值范围在[-1, 1]之间，越接近1说明聚类效果越好。我一般会在K=3到K=10之间遍历，选轮廓系数最大的K。
肘部法则/碎石图：把SSE（簇内平方和）对K值做折线图，曲线像胳膊肘一样有个拐点，拐点处的K就是合理的类别数。SPSS里做聚类分析时也常画碎石图，Python里用Matplotlib就能画。

两个方法出来的K不一定一样，这时候不要机械地选那个数学上最优的，而是要结合你实际的业务需要。对我来说，构建股票池时K=5到K=6是最舒服的——既能区分出“高波动成长类”“低波动价值类”“宽基指数类”这些宏观风格，又不至于把池子搞得过度分散。

3.2 Python代码实现：聚类分析和碎石图绘制

下面是我在QMT数据环境下写的一个核心聚类模块。这里需要说明一点：QMT原生支持用Python写策略，但数据获取方式跟通用的第三方库不太一样。下面的代码在逻辑上是跨平台通用的，你在ptrade或者本地研究环境里也能跑，只需要把数据源换成你自己用的接口即可。

import numpy as np import pandas as pd from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA from sklearn.cluster import KMeans from sklearn.metrics import silhouette_score import matplotlib.pyplot as plt def build_daily_returns(price_df, window=60): """根据收盘价序列计算滚动日收益率矩阵 price_df: 行为日期，列为标的代码 返回: 过去window个交易日的收益率DataFrame，缺失值做前向填充 """ rets = price_df.pct_change().tail(window).dropna(how='all') rets = rets.fillna(method='ffill').dropna(axis=1) return rets def compute_features(price_df, volume_df, window=60): """构造聚类特征矩阵 特征包括: 1. 过去window日的收益率序列（原始数值，后续会用PCA降维） 2. 20日年化波动率 3. 60日年化波动率 4. 20日平均成交额 """ rets = build_daily_returns(price_df, window) codes = list(rets.columns) # 收益率序列特征 ret_array = rets.values.T # 每个标的一行，每行是最近window个交易日的收益率 # 波动率特征 vol20 = price_df.iloc[-20:].pct_change().std().values * np.sqrt(252) vol60 = price_df.iloc[-60:].pct_change().std().values * np.sqrt(252) # 流动性特征 avg_amount = volume_df.iloc[-20:].mean().values # 假设volume_df报告每只标的的日成交额 # 所有特征合并 feature_df = pd.DataFrame(ret_array, index=codes) feature_df['vol20'] = vol20 feature_df['vol60'] = vol60 feature_df['avg_amount'] = avg_amount return feature_df def cluster_analysis(feature_df, k_range=range(3, 11)): """K-Means聚类 + 轮廓系数选K + 碎石图""" # 1. 标准化 scaler = StandardScaler() X_scaled = scaler.fit_transform(feature_df) # 2. PCA降维，保留90%方差 pca = PCA(n_components=0.9, random_state=42) X_pca = pca.fit_transform(X_scaled) print(f"PCA降维后特征维度: {X_pca.shape[1]}") # 3. 遍历K值，计算轮廓系数和SSE silhouette_scores = [] sse_list = [] for k in k_range: km = KMeans(n_clusters=k, random_state=42, n_init=10) labels = km.fit_predict(X_pca) sc = silhouette_score(X_pca, labels) silhouette_scores.append(sc) sse_list.append(km.inertia_) print(f"K={k}, 轮廓系数={sc:.4f}, SSE={km.inertia_:.2f}") # 4. 绘制碎石图 fig, ax = plt.subplots(1, 2, figsize=(12, 4)) ax[0].plot(list(k_range), sse_list, 'o-') ax[0].set_title("碎石图(K-SSE)") ax[1].plot(list(k_range), silhouette_scores, 's-') ax[1].set_title("轮廓系数(K)") plt.show() # 5. 返回最优K和K-Means模型 best_k = list(k_range)[np.argmax(silhouette_scores)] km_final = KMeans(n_clusters=best_k, random_state=42, n_init=10) labels = km_final.fit_predict(X_pca) return best_k, labels, X_pca

这段代码有几个细节必须注意：

n_init=10一定要设。K-Means初始中心点选不好会陷入局部最优，多加几次随机初始化能大幅提升稳定性。
random_state固定住，否则每次运行聚类结果都不一样，策略回测就没法复现。
PCA降到90%方差而不是固定维度，这样你在不同时间窗口跑，算法会自动适应数据维度变化。

3.3 从聚类结果到股票池的映射

聚类完成后，每个标的有了一个簇标签，下面要把它映射成股票池。我的规则很简单：

对每个簇，按日均成交额排序，取前两个流动性最好的标的。
如果簇内标的太少，直接全取。
最后控制总池子数量在10到15只。

需要注意的是，这里并不是简单地“从每个簇取前几名”，而是要做一次人工审视。比如某个簇里的标的全是高波动的行业ETF，可能它们彼此之间相关性依旧比较高，那我会适当减少这个簇里标的的数量，确保整体组合是分散的。这种“算法 + 人工经验”结合的方式，是实战和纯跑代码之间最大的区别。

4. ETF轮动策略的核心逻辑与调仓细节

4.1 动量排序与轮动规则

动态股票池建好后，真正的交易策略落在ETF轮动上。我用的轮动规则是经典动量策略的变体：

对股票池里所有ETF，计算各自在过去20个交易日内的累计收益率（动量分数）。
按动量分数从高到低排序，取排名前2到3名，等权买入。
持有到下一个调仓日，重新计算动量，切换持仓。

为什么要用20日而不是5日或者60日？我做过对比，20日动量在ETF轮动中的稳定性和收益都不错，5日动量噪声太大，信号频繁翻转，交易成本吃掉很多利润；60日动量又太迟钝，趋势反转时跑不掉。20日是个相对平衡的窗口，你也可以在QMT里用参数优化工具去扫，但要注意别过度拟合，后面讲回测时还会提。

4.2 调仓频率与交易成本

调仓频率我设为20个交易日一次，和股票池重建频率保持一致。这样做的目的很直白：减少无谓交易，降低换手率。如果每周调仓，看起来机会多了，实际上手续费、滑点、冲击成本累计起来非常可观，你的策略很难实盘跑赢回测。

我回测时对交易成本的估算比较保守：ETF买入卖出各按万3手续费、滑点按0.1%估算，另外还考虑了大额订单的冲击成本。千万不要用万0.5的手续费去做回测，那你是在自欺欺人。

4.3 QMT和ptrade上的实现要点

两个平台我都用过，各有各的脾气：

QMT：数据源和交易接口都在本地方案上，Python环境相对完整，支持细颗粒度的回测和实盘。但它的数据接口和pandas结合得不是特别顺畅，尤其是拿到日线数据后要做对齐处理，建议先用xtdata拉数据、整理成统一的DataFrame，再跑策略逻辑。另外，QMT的文档偏技术向，小白容易卡在环境安装和登录上，这部分踩坑的人很多。
ptrade：恒生电子做的，券商集成度高，上线策略比较方便，但它的Python环境不是完全开放的，有些第三方库装不了。sklearn在ptrade上基本没法直接用，你需要自己实现K-Means或者把聚类结果离线算好，再把股票池的标的列表导入策略。

我实际用的方式是：聚类分析离线跑（在本地Jupyter里），每天生成一份候选股票池清单，然后把这清单传入QMT或者ptrade的轮动策略里执行。这样做的好处是绕开了平台对sklearn等库的限制，也让策略逻辑更清晰。

5. 回测结果解读：132.09%是怎么来的，能不能信

5.1 回测框架与参数设定

回测我分别在QMT的本地回测引擎和ptrade的回测环境里跑过，两者在撮合逻辑、滑点处理上略有差异，但收益曲线形状差不多。关键参数如下：

回测区间：过去5年（具体起止时间随数据源略有不同）
调仓周期：20个交易日
股票池重建周期：20个交易日
持仓数量：2到3只ETF等权
交易成本：佣金万3，滑点0.1%
初始资金：100万

5.2 年化132.09%的收益来源拆解

先说实话：这个132.09%的数字看起来很刺激，但它背后有几个重要原因，你必须理解，否则直接拿去实盘会亏得莫名其妙。

第一，回测区间恰好踩中了A股结构性行情。那一阶段ETF品种增加、行业分化明显，板块轮动速度快，这种环境天然适合动量轮动策略。如果换成单边熊市，这个策略的收益会大幅缩水，回撤也会难看很多。

第二，动态股票池显著缩短了轮动的选择范围。因为池子里都是聚类后挑选出来的、流动性好的活跃标的，动量信号的有效性比在全市场几千只ETF里面筛选更强。

第三，复利效应。年化132%看着夸张，单看每月可能只有7%到8%的平均收益。在震荡市里，一个月内赚7%完全可能，问题是如何持续复利、控制回撤。

所以我对这个回测结果的态度是：策略逻辑有效，但数字本身不可外推。它代表的是某一市场阶段的收益上限，不是常态。

5.3 过拟合风险和必做的几个回测检查

回测年化越漂亮，越要警惕过拟合。我自己做回测时，必做以下几项检查：

样本外测试：把回测区间切成两段，前段做参数选择，后段用固定参数回测。如果两段表现差异过大，说明参数过拟合。
随机种子敏感性测试：聚类模块里的random_state换几个值，如果收益曲线剧烈变化，说明策略对初始聚类中心太敏感，不稳定，不能实盘。
交易成本敏感性测试：把滑点从0.1%调到0.3%，看收益还剩多少。如果收益变成负的，说明策略赚的是流动性差价，不是alpha。

做完这几项测试，你再决定是否上实盘。

6. 常见问题与排查技巧实录

6.1 聚类结果不稳定，每次跑都不一样怎么办

这是K-Means的经典问题。解决办法有三个：

固定random_state，保证同一份数据每次聚类结果一致，这是最底线的要求。
不止跑一次，而是用多次K-Means取众数，比如跑20次，每个标的分到的最多簇标签作为最终结果。
增加n_init，让算法在更多初始化中选择最优结果。

如果换了数据时间窗口后聚类结构发生大幅变化，那不是代码问题，而是市场风格真的变了。这时候要重新审视特征选择，而不是强行稳定结果。

6.2 轮动策略回撤过大，怎么降低波动

我遇到过回撤超过25%的时期，主要发生在市场连续下跌、动量因子全面失效的时候。降低回撤的办法有三个方向：

持仓从2只增加到3到4只，分散单标的意外风险，代价是收益会被摊薄。
加入一条“清仓线”：如果股票池里所有标的的20日动量都为负，则空仓，不强行轮动。
把等权配置改成按动量分数加权，头部标的权重更高，但注意这也会放大波动。

我最终采用的是“持仓3只 + 全负动量空仓”的组合方案，回撤能控制在15%以内，虽然年化收益也跟着下来一点，但回撤和收益的比值（卡玛比率）更健康。

6.3 QMT和ptrade上的平台坑

数据对齐：QMT/ptrade拿到的日线数据如果中间有停牌，日期会对不齐。务必用reindex补齐缺失日期，否则收益率序列会错位。
基准指数：回测报告中都默认用沪深300做基准，但你的股票池里全是ETF和部分股票，基准要换成全收益指数或者等权ETF指数，否则收益对比没有意义。
实盘下单限制：回测里能买到的价格和实盘不一定一样。ETF虽然流动性好，但冲击成本依旧存在。建议实盘从单笔1万到2万的仓位开始验证，不要一上来就砸大单。

6.4 实时运行时的数据管道问题

如果你想把策略做成每日更新的状态，比如每天早上开盘前自动计算聚类并更新股票池，那么QMT连接本地Redis这类场景就会出现。热搜词里提到的“QMT如何连接redis”其实很多人问过，具体做法是在QMT的Python环境里安装redis库，然后把每日特征数据写入Redis的Hash或者TimeSeries结构，策略初始化时从Redis读取。不过这个属于进阶优化，策略初期先把聚类和轮动的核心逻辑跑通更重要，别一上来就分布式、微服务那套，容易把简单的事情搞复杂。

最后再分享一个经验：这套策略我从“有想法”到“能稳定跑出回测”用了大概三周，其中一半时间花在数据清洗和平台调试上，真正写聚类和轮动逻辑的时间反而只占一小半。很多小白一开始就追求复杂的模型，其实功夫应该花在把数据弄干净、把逻辑验证扎实上。只要你愿意从简单可靠的方案做起，聚类分析加ETF轮动这个组合，足够你在量化这条路上走得很远了。