最近在 AI 的帮助下，写了一个全市场 ETF 动量分析脚本。其实这个脚本很早就已经写好了，但最近比较忙，一直没时间整理发推文。

在 ETF 轮动策略中，常见的做法是使用固定的 ETF 候选池。但这种方式存在一个明显的问题：行情是不断变化的，固定的候选池很难覆盖不同时段的市场机会。

动态ETF候选池

如果从长周期来看，固定候选池确实可以抓住大趋势。但另一方面，我们能不能做一个“动态 ETF 候选池”？ 从理论上讲，动态候选池应该更有机会捕捉阶段性行情。

手动分析全市场ETF来构建动态ETF候选池，几乎不太可能：

• 全市场 ETF 数量很多，手动筛选不太现实
• 只看涨幅，容易选到短期冲高、溢价过高、或者流动性差的品种
• 多只看起来都很强的 ETF，可能高度相关，最终组合并没有真正分散

所以，我们需要一个自动化工具，来帮助我们在某个交易日快速完成全市场 ETF 的分析和筛选。

构建动态候选池的思路

该自动化分析工具的大致思路是：从全市场 ETF 出发，做动量分析，并筛选出动量分散、相关性较低的一组 ETF。

以下是基于Tushare数据来实现这个思路的主要步骤：

1. 获取历史某日的全市场 ETF 列表

使用 Tushare 的 fund_basic() 接口获取 ETF 列表：

pro.fund_basic(market="E")

然后筛选出满足以下条件的基金：

• list_date <= trading_date
• 尚未退市（delist_date 为空或 ≥ trading_date）
• 名称中包含 ETF 或 LOF (如果不喜欢LOF，也可以把LOF去掉)

2. 获取 ETF 行情数据

使用 fund_daily() 接口获取行情数据，包括：open, high, low, close, pre_close, vol, amount 等字段。

虽然接口本身不支持复权，但返回的数据提供了 pre_close字段，因此我们可以自行实现前复权或后复权逻辑。

3. 动量打分计算

这里采用的是对数价格的线性回归方法来计算动量：

最终得分定义为：

score = annualized_returns × r_squared

核心代码如下：

y = np.log(prices)
x = np.arange(len(y), dtype=float)

# 等权线形回归
slope, intercept = np.polyfit(x, y, 1)
annualized_returns = math.pow(math.exp(slope), 250) - 1
r_squared = 1 - (sum((y - (slope * x + intercept))**2) / ((len(y) - 1) * np.var(y, ddof=1)))
score = annualized_returns * r_squared

这种方式可以同时考虑：

• 收益强度
• 趋势稳定性

相比单纯涨幅，更稳健。

当然也可以用其他的一些动量指标，比如非等权平均、动态回溯窗口进行回归等。

4. 相关性控制（核心步骤）

全市场 ETF 中，很多高动量标的其实属于同一类资产（例如同一行业或同一指数），如果不做处理，最终选出来的组合可能高度集中。

因此，我们可以通过相关性分析来进行筛选。筛选逻辑如下：

1. 按动量得分从高到低排序
2. 第一只 ETF 直接入选
3. 后续 ETF 需满足：与已选 ETF 的相关性均低于阈值
4. 若与任意已选 ETF 相关性过高，则跳过
5. 直到选到特定数量的ETF

这本质上是在做一个“去相关”的动量组合构建。

5. 热力图功能

为了直观地感受最终筛选的ETF的动量变化，我新增了热力图功能，用于可视化最终入选 ETF 的历史动量得分变化。

这样，我们就可以很直观地看到：

• 哪些 ETF 是持续强势
• 哪些只是阶段性爆发

6. 相关性可视化

另外我单独写了一个相关性分析脚本，用于分析给定 ETF 列表中，两两之间的相关性。以帮助更细致地理解：

• 组合内部是否真正分散
• 是否存在“看起来不同，本质一样”的 ETF

7. 其他细节处理

在实际实现中，还做了一些比较重要的过滤和风控处理：

1. 剔除低波动 ETF（如债券、货币、固收类）
2. 剔除流动性较差的 ETF（基于近期成交额均值）
3. 风控过滤：

• 剔除近期出现大跌的 ETF
• 对溢价过高的 ETF 进行惩罚

8. 后记

整体来看，这个脚本的核心目标是：

从“全市场”中，自动构建一个“高动量 + 低相关 + 可交易”的 ETF 组合候选池

相比传统固定池策略，更加灵活，也更贴近真实市场结构。

不过，其具体效果如何，还是得测试测试才知道，目前完全靠这个来实现整套ETF轮动策略的自动化还是不太安全，更多的是进行辅助分析，最终还是需要人来分析把关。