第 15 课：Freqtrade策略组合与分散

⏱ 课时：1.5 小时
🎯 学习目标：学会构建策略组合
📚 难度：⭐⭐⭐ 策略优化

---

📖 课程概览

"不要把所有鸡蛋放在一个篮子里"——这个投资原则同样适用于量化交易。本课将教你如何构建多策略投资组合，通过策略分散降低风险，提高收益的稳定性。

---

15.1 为什么要组合策略？

单一策略的风险

案例：只用趋势策略

2025 Q1（牛市）：+25% ✅
2025 Q2（震荡市）：-8% ❌
2025 Q3（牛市）：+18% ✅
2025 Q4（熊市）：-12% ❌

年度总收益：+23% -  20% = +19.1%
最大回撤：-12%
收益波动大，体验差

案例：使用策略组合

策略组合：
  - 50% 趋势策略
  - 30% 均值回归策略
  - 20% 突破策略

2025 Q1（牛市）：
  趋势：+25% → 贡献 +12.5%
  均值回归：+5% → 贡献 +1.5%
  突破：+15% → 贡献 +3%
  组合：+17% ✅

2025 Q2（震荡市）：
  趋势：-8% → 贡献 -4%
  均值回归：+18% → 贡献 +5.4%
  突破：+2% → 贡献 +0.4%
  组合：+1.8% ✅（避免了亏损！）

年度总收益：+20.5%
最大回撤：-3.5%（大幅降低！）
收益更稳定，体验好

组合策略的优势

1. 降低回撤

   • 单一策略回撤 -12%
   • 组合策略回撤 -3.5%
   • 减少 71% 的回撤！

2. 平滑收益曲线

   • 单季度不会大起大落
   • 心理压力小
   • 更容易坚持

3. 适应不同市况

   • 牛市有趋势策略
   • 震荡市有均值回归
   • 熊市有保守策略

4. 增加交易机会

   • 单一策略信号少时，其他策略补充
   • 提高资金利用率

---

15.2 策略相关性分析

什么是策略相关性？

定义：两个策略收益的同步程度。

相关性系数：

+1.0：完全正相关（同涨同跌）
0.0：无相关
-1.0：完全负相关（此涨彼跌）

相关性对组合的影响

高相关性组合（❌ 不推荐）：

策略 A：趋势策略（EMA交叉）
策略 B：趋势策略（MACD）
相关性：0.95

Q1 表现：
  策略 A：+20%
  策略 B：+18%
  组合：+19%

Q2 表现：
  策略 A：-10%
  策略 B：-9%
  组合：-9.5%（未起到分散作用！）

低相关性组合（✅ 推荐）：

策略 A：趋势策略
策略 B：均值回归策略
相关性：0.25

Q1 表现：
  策略 A：+20%
  策略 B：+5%
  组合：+12.5%

Q2 表现：
  策略 A：-10%
  策略 B：+15%
  组合：+2.5%（成功对冲！）

如何计算策略相关性

方法 1：季度收益相关性

import numpy as np
from scipy.stats import pearsonr

# 策略 A 和 B 的季度收益
returns_A = [20, -10, 15, -5]  # Q1-Q4
returns_B = [5, 15, 8, 12]

# 计算相关性
correlation, p_value = pearsonr(returns_A, returns_B)
print(f"相关性: {correlation:.2f}")

方法 2：每日收益相关性

# 假设有每日收益数据
daily_returns_A = [0.5, -0.3, 1.2, ...]  # 90 天
daily_returns_B = [0.2, 0.8, -0.5, ...]

correlation = np.corrcoef(daily_returns_A, daily_returns_B)[0, 1]

相关性指导原则

相关性	分散效果	建议
> 0.8	很差	❌ 避免组合
0.5-0.8	一般	⚠️ 谨慎组合
0.2-0.5	良好	✅ 推荐组合
-0.2-0.2	优秀	✅ 理想组合
< -0.2	极好	⭐ 最佳组合

---

15.3 多策略分配资金

1. 等权重分配（最简单）

原理：每个策略分配相同资金。

配置：

总资金：$10,000
策略数：3

策略 A：$3,333
策略 B：$3,333
策略 C：$3,334

优点：

• ✅ 简单直接
• ✅ 无需计算

缺点：

• ❌ 未考虑策略质量差异
• ❌ 未考虑风险差异

适用：策略表现相近时

---

2. 按评分分配（推荐）

原理：根据策略评分分配资金。

计算方法：

策略 A：评分 9.0
策略 B：评分 8.0
策略 C：评分 7.0
总分：24.0

策略 A 分配比例 = 9.0 / 24.0 = 37.5%
策略 B 分配比例 = 8.0 / 24.0 = 33.3%
策略 C 分配比例 = 7.0 / 24.0 = 29.2%

总资金 $10,000：
  策略 A：$3,750
  策略 B：$3,333
  策略 C：$2,917

优点：

• ✅ 表现好的策略获得更多资金
• ✅ 合理优化整体收益

缺点：

• ⚠️ 评分可能过时
• ⚠️ 需要定期调整

---

3. 风险平价分配（高级）

原理：让每个策略贡献相同的风险。

计算方法：

策略 A：波动率 10%，评分 9.0
策略 B：波动率 15%，评分 8.0
策略 C：波动率 20%，评分 7.0

# 风险贡献 = 资金分配 × 波动率
# 目标：使每个策略的风险贡献相等

假设目标组合波动率为 12%

策略 A 分配 = 12% / 10% = 1.2 倍基础仓位
策略 B 分配 = 12% / 15% = 0.8 倍基础仓位
策略 C 分配 = 12% / 20% = 0.6 倍基础仓位

标准化后：
  策略 A：46.2%
  策略 B：30.8%
  策略 C：23.0%

优点：

• ✅ 风险均衡
• ✅ 专业化配置

缺点：

• ❌ 计算复杂
• ❌ 需要波动率数据
• ❌ 不适合新手

---

4. 核心-卫星配置（实用）

原理：核心资产求稳，卫星资产求高收益。

配置：

总资金：$10,000

核心资产（70%）：$7,000
  ├─ 高分策略 A（S级）：$4,000（40%）
  └─ 高分策略 B（A级）：$3,000（30%）

卫星资产（30%）：$3,000
  ├─ 测试策略 C（B级）：$1,500（15%）
  ├─ 测试策略 D（B级）：$1,000（10%）
  └─ 实验策略 E（C级）：$500（5%）

优点：

• ✅ 平衡收益和风险
• ✅ 核心资产保护本金
• ✅ 卫星资产追求超额收益
• ✅ 允许尝试新策略

适用：

• 有经验的交易者
• 资金 > $10,000
• 想要探索新策略

---

15.4 策略组合构建实战

步骤 1：选择候选策略

标准：

• ✅ 评分 > 7.0
• ✅ 样本外验证通过
• ✅ 不同策略类型

候选策略池：

1. MomentumTrendStrategy（趋势，S级，9.36分）
2. MeanReversionStrategy（均值回归，A级，8.52分）
3. BreakoutTrendStrategy（突破，A级，8.18分）
4. ADXTrendStrategy（趋势，B级，7.85分）
5. GridTradingStrategy（网格，B级，7.42分）

---

步骤 2：相关性分析

测试相关性：

# 回测所有策略，记录每日/每周收益
freqtrade backtesting -c config.json --strategy MomentumTrendStrategy --timerange 20250101-20250930
freqtrade backtesting -c config.json --strategy MeanReversionStrategy --timerange 20250101-20250930
# ...

# 分析相关性（需要导出数据后用 Python 分析）

相关性矩阵：

                 | Momentum | MeanRev | Breakout | ADX  | Grid
Momentum         | 1.00     | 0.25    | 0.72     | 0.85 | 0.15
MeanReversion    | 0.25     | 1.00    | 0.30     | 0.22 | 0.68
Breakout         | 0.72     | 0.30    | 1.00     | 0.68 | 0.28
ADX              | 0.85     | 0.22    | 0.68     | 1.00 | 0.18
Grid             | 0.15     | 0.68    | 0.28     | 0.18 | 1.00

分析结论：

• ❌ Momentum 和 ADX 高度相关（0.85）→ 不要同时选
• ✅ Momentum 和 MeanReversion 低相关（0.25）→ 好组合
• ✅ Momentum 和 Grid 低相关（0.15）→ 好组合

---

步骤 3：构建投资组合

方案 A：保守型（推荐新手）

总资金：$10,000

核心（80%）：
  ├─ MomentumTrendStrategy：$5,000（50%）
  └─ MeanReversionStrategy：$3,000（30%）

测试（20%）：
  └─ BreakoutTrendStrategy：$2,000（20%）

预期表现：
  - 年化收益：60-80%
  - 最大回撤：5-8%
  - Sharpe Ratio：2.5-3.0

方案 B：平衡型（推荐进阶）

总资金：$10,000

核心（60%）：
  ├─ MomentumTrendStrategy：$3,000（30%）
  └─ MeanReversionStrategy：$3,000（30%）

成长（30%）：
  ├─ BreakoutTrendStrategy：$2,000（20%）
  └─ ADXTrendStrategy：$1,000（10%）

实验（10%）：
  └─ GridTradingStrategy：$1,000（10%）

预期表现：
  - 年化收益：80-120%
  - 最大回撤：8-12%
  - Sharpe Ratio：2.0-2.5

方案 C：激进型（经验者）

总资金：$10,000

均衡配置：
  ├─ MomentumTrendStrategy：$2,500（25%）
  ├─ MeanReversionStrategy：$2,000（20%）
  ├─ BreakoutTrendStrategy：$2,000（20%）
  ├─ ADXTrendStrategy：$1,500（15%）
  ├─ GridTradingStrategy：$1,500（15%）
  └─ 其他策略：$500（5%）

预期表现：
  - 年化收益：100-150%
  - 最大回撤：12-18%
  - Sharpe Ratio：1.5-2.0

---

步骤 4：回测验证组合

单独测试每个策略：

freqtrade backtesting -c config_momentum.json --strategy MomentumTrendStrategy --timerange 20250101-20250930
freqtrade backtesting -c config_meanrev.json --strategy MeanReversionStrategy --timerange 20250101-20250930

模拟组合表现：

# 计算组合收益
momentum_return = 0.23  # 23%
meanrev_return = 0.15   # 15%

# 50% + 30% 配置
portfolio_return = (0.23 × 0.50) + (0.15 × 0.30) = 0.16 = 16%

# 计算组合回撤（简化）
momentum_drawdown = 0.05  # 5%
meanrev_drawdown = 0.03   # 3%

# 假设不完全同步（相关性 0.25）
portfolio_drawdown ≈ 0.04 = 4%（介于两者之间）

---

步骤 5：动态再平衡

为什么需要再平衡？

初始配置（2025-01-01）：
  策略 A：$5,000（50%）
  策略 B：$5,000（50%）

3 个月后（2025-03-31）：
  策略 A：$6,500（增长 30%）→ 占比 54.2%
  策略 B：$5,500（增长 10%）→ 占比 45.8%

偏离目标配置！需要再平衡。

再平衡方法：

方法 1：定期再平衡（推荐）

频率：每月 1 号
操作：将资金调整回目标比例

示例：
  总资金：$12,000
  目标：A=50%, B=50%

  操作：
    从策略 A 撤出：$6,500 - $6,000 = $500
    投入策略 B：$5,500 + $500 = $6,000

方法 2：阈值再平衡

触发条件：偏离目标 > 10%

示例：
  目标：A=50%, B=50%
  实际：A=55%, B=45%
  偏离：5%（未触发）

  实际：A=62%, B=38%
  偏离：12%（触发再平衡）

方法 3：不再平衡（让利润奔跑）

理念：表现好的策略给更多资金

优点：
  - ✅ 顺势而为
  - ✅ 减少交易成本

缺点：
  - ❌ 风险集中
  - ❌ 可能错过均值回归机会

---

💡 实践任务

任务 1：构建你的策略组合

根据前面学习的内容，构建你的投资组合：

# 我的策略投资组合

## 总资金
$_______

## 风险偏好
☐ 保守型  ☐ 平衡型  ☐ 激进型

## 策略配置

### 核心资产（____%）
1. ___________ 策略：$_______ (___%)
   - 评分：_____
   - 适用市况：_____

2. ___________ 策略：$_______ (___%)
   - 评分：_____
   - 适用市况：_____

### 成长/卫星资产（____%）
3. ___________ 策略：$_______ (___%)
   - 评分：_____
   - 适用市况：_____

4. ___________ 策略：$_______ (___%)
   - 评分：_____
   - 适用市况：_____

## 预期目标
- 年化收益目标：_____%
- 可接受最大回撤：_____%
- 目标 Sharpe Ratio：_____

## 再平衡计划
- 频率：☐ 每月  ☐ 每季度  ☐ 偏离>10%时
- 下次再平衡日期：_____

任务 2：计算策略相关性

选择 2-3 个策略，回测相同时间段，计算它们的相关性：

# 导出每个策略的每日收益
# 使用 numpy 或 pandas 计算相关性

import numpy as np

strategy1_returns = [...]  # 策略 1 的每日收益
strategy2_returns = [...]  # 策略 2 的每日收益

correlation = np.corrcoef(strategy1_returns, strategy2_returns)[0, 1]
print(f"相关性: {correlation:.2f}")

# 判断
if correlation > 0.7:
    print("⚠️ 高度相关，不适合组合")
elif 0.2 < correlation < 0.7:
    print("✅ 适度相关，可以组合")
else:
    print("⭐ 低相关或负相关，理想组合")

任务 3：模拟组合回测

计算你的策略组合的预期表现：

# 假设有 3 个策略
strategies = {
    'MomentumTrend': {'return': 0.23, 'drawdown': 0.05, 'sharpe': 3.5, 'weight': 0.50},
    'MeanReversion': {'return': 0.15, 'drawdown': 0.03, 'sharpe': 2.8, 'weight': 0.30},
    'Breakout': {'return': 0.18, 'drawdown': 0.06, 'sharpe': 2.5, 'weight': 0.20}
}

# 计算组合收益（加权平均）
portfolio_return = sum(s['return'] * s['weight'] for s in strategies.values())
print(f"组合预期收益: {portfolio_return:.1%}")

# 计算组合风险（简化，假设相关性 0.3）
portfolio_risk = sum(s['drawdown'] * s['weight'] for s in strategies.values()) * 0.8
print(f"组合预期回撤: {portfolio_risk:.1%}")

# 估算 Sharpe
portfolio_sharpe = sum(s['sharpe'] * s['weight'] for s in strategies.values())
print(f"组合预期 Sharpe: {portfolio_sharpe:.2f}")

---

📚 策略组合最佳实践

1. 黄金组合模板

趋势 + 均值回归（最经典）

60% 趋势策略（牛市/熊市表现好）
40% 均值回归策略（震荡市表现好）

相关性：0.2-0.4（理想）
适用：所有市况
风险：中低
推荐度：⭐⭐⭐⭐⭐

趋势 + 突破 + 均值回归（全能型）

40% 趋势策略
30% 突破策略
30% 均值回归策略

相关性：0.3-0.5
适用：所有市况
风险：中
推荐度：⭐⭐⭐⭐

2. 策略数量建议

账户资金	推荐策略数	理由
< $5,000	1-2 个	资金太少，分散效果不明显
$5,000-$20,000	2-3 个	适度分散，易于管理
$20,000-$50,000	3-5 个	充分分散，风险可控
> $50,000	5-10 个	专业级分散，建议组合管理

3. 常见错误

错误 1：过度分散

❌ 10 个策略，每个 10%
结果：管理复杂，收益被平均化，失去优势

✅ 3-5 个高质量策略，重点配置

错误 2：同类策略组合

❌ 3 个趋势策略组合
结果：相关性高（0.8+），未起到分散作用

✅ 趋势 + 均值回归 + 突破，不同类型组合

错误 3：忽略再平衡

❌ 设置好组合后从不调整
结果：配置漂移，风险失控

✅ 定期再平衡（每月或每季度）

---

📌 核心要点总结

1. 策略组合降低风险：回撤可减少 50-70%
2. 选择低相关性策略：相关性 < 0.5 最佳
3. 核心-卫星配置：70% 核心 + 30% 卫星
4. 定期再平衡：每月或偏离 > 10% 时
5. 策略数量适中：3-5 个最合适
6. 趋势 + 均值回归：最经典的组合

---

🎉 第三部分总结

恭喜！你已完成第三部分：策略优化（第 11-15 课）

你学到了：

• ✅ 第 11 课：使用 Hyperopt 优化策略参数
• ✅ 第 12 课：深入分析不同策略类型
• ✅ 第 13 课：建立科学的策略评分体系
• ✅ 第 14 课：掌握风险和资金管理方法
• ✅ 第 15 课：构建多策略投资组合

下一部分预告：
第四部分：实时信号与模拟交易（第 16-20 课）

在第四部分中，你将学习：

• 第 16 课：实时信号监控
• 第 17 课：Telegram 通知配置
• 第 18 课：Web UI 与 API 使用
• 第 19 课：可视化分析工具
• 第 20 课：模拟交易验证

准备工作：

• ✅ 完成策略组合设计
• ✅ 准备进入模拟交易阶段
• ✅ 确保有稳定的网络环境

---

🎯 学习检验标准：

• ✅ 理解策略组合的重要性
• ✅ 会分析策略相关性
• ✅ 能构建合理的投资组合
• ✅ 掌握再平衡方法

完成第三部分后，你已经具备了策略优化的完整能力！准备进入实盘前的最后阶段——实时信号监控和模拟交易！ 🚀🎊