编写多空组合策略进行策略改进

小象实战讲义 · 进阶量化交易实战：迭代式的量化策略研发 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

纯多头均值回复策略在遭遇系统性单边暴跌（熊市）时，极易发生所有抄底仓位被连续击穿止损的系统性回撤。如何通过构建多空组合（Long-Short Portfolio）或股指期货对冲，彻底消除大盘 Beta 风险？本节深入剖析多空对冲组合策略的设计与实现。

💡 核心导读

• 多空组合策略三大核心优势：
  • 市场中性（Market Neutrality）：通过同时做多超跌强Alpha标的、做空超买弱Beta标的，使组合整体 $\beta \approx 0$；
  • 穿越牛熊周期：不论大盘暴涨还是暴跌，只要多头跑赢空头即可稳定获取两端剪刀差利润；
  • 目标是压缩最大回撤：对冲旨在降低系统性冲击；夏普能否提升须经样本外实测确认，不存在「必然提升至 2.0」的规律，也不构成收益承诺。

┌─────────────────────────────────────────────────────────────┐
│                    多空组合对冲与剪刀差收益拓扑图           │
└──────────────────────────────┬──────────────────────────────┘
                               │
 ┌─────────────────────────────┴─────────────────────────────┐
 ▼                                                           ▼
┌─────────────────────────┐                                 ┌─────────────────────────┐
│ 多头腿 (Long Leg +50%)  │                                 │ 空头腿 (Short Leg -50%) │
├─────────────────────────┤                                 ├─────────────────────────┤
│ • 截面最超跌优质标的    │                                 │• 截面最超买劣质标的/股指│
│ • 预期超额反弹 +15%     │ ─────── 剪刀差 Alpha: +10% ───► │ • 预期走弱或下跌 +5%    │
└─────────────────────────┘                                 └─────────────────────────┘

一、市场中性多空组合数学构造模型

设多头组合权重为 $\mathbf{w}_L$，空头组合权重为 $\mathbf{w}_S$。组合总收益率为：

$$R_{\text{port}} = \mathbf{w}_L^T \mathbf{R}_L - \mathbf{w}_S^T \mathbf{R}_S = (\beta_L - \beta_S) R_M + (\alpha_L - \alpha_S)$$

令 $\beta_L = \beta_S$，即可实现对市场基准 $R_M$ 的完全中性化，纯享 $\alpha_L - \alpha_S$ 的超额收益。

import pandas as pd
import numpy as np

def build_long_short_portfolio(df_scores: pd.DataFrame, n_top: int = 5) -> dict:
    """
    构建等权重多空对冲组合（合成教学样例，实盘需考虑交易成本与流动性风险）
    """
    sorted_df = df_scores.sort_values('alpha_score', ascending=False)
    long_basket = list(sorted_df.head(n_top)['symbol'])
    short_basket = list(sorted_df.tail(n_top)['symbol'])
    
    return {'long_symbols': long_basket, 'short_symbols': short_basket, 'weight_per_stock': 1.0 / n_top}

# 合成因子数据：10只股票，alpha_score 随机生成（历史回测样例，不代表未来）
rng = np.random.default_rng(42)
symbols = [f'STK_{i:03d}' for i in range(10)]
df_scores = pd.DataFrame({
    'symbol': symbols,
    'alpha_score': rng.standard_normal(len(symbols))
})

# 调用函数构建组合
portfolio = build_long_short_portfolio(df_scores, n_top=3)
print("===== 多空组合构建结果 =====")
print(f"多头篮子 (Top 3): {portfolio['long_symbols']}")
print(f"空头篮子 (Bottom 3): {portfolio['short_symbols']}")
print(f"每只股票权重: {portfolio['weight_per_stock']:.4f}")

===== 多空组合构建结果 =====
多头篮子 (Top 3): ['STK_003', 'STK_002', 'STK_000']
空头篮子 (Bottom 3): ['STK_001', 'STK_005', 'STK_004']
每只股票权重: 0.3333

二、多空剪刀差收益与净值测算

计算每日多头篮子平均收益与空头篮子平均收益之差，生成中性化净值曲线。

import pandas as pd
import numpy as np

def evaluate_long_short_returns(df_returns: pd.DataFrame, long_syms: list, short_syms: list) -> pd.Series:
    """
    计算多空组合每日对冲收益率序列（合成教学样例，实盘需考虑卖空限制与滑点）
    """
    r_long = df_returns[long_syms].mean(axis=1)
    r_short = df_returns[short_syms].mean(axis=1)
    ls_return = 0.5 * r_long - 0.5 * r_short
    return ls_return

# 合成5个交易日的收益率数据：5只股票
rng = np.random.default_rng(123)
dates = pd.date_range('2024-01-01', periods=5, freq='D')
symbols = ['A', 'B', 'C', 'D', 'E']
df_returns = pd.DataFrame(
    rng.uniform(-0.03, 0.03, size=(len(dates), len(symbols))),
    index=dates,
    columns=symbols
)

# 指定多头与空头篮子
long_basket = ['A', 'B']
short_basket = ['D', 'E']

# 计算多空组合收益率
ls_returns = evaluate_long_short_returns(df_returns, long_basket, short_basket)
print("===== 多空组合收益率计算 =====")
print("合成日收益率 DataFrame (前3行):")
print(df_returns.head(3))
print(f"\n多头篮子: {long_basket}")
print(f"空头篮子: {short_basket}")
print("\n多空组合日收益率序列:")
print(ls_returns)

===== 多空组合收益率计算 =====
合成日收益率 DataFrame (前3行):
                   A         B         C         D         E
2024-01-01  0.010941 -0.026771 -0.016778 -0.018938 -0.019446
2024-01-02  0.018726  0.025401 -0.013406  0.019185  0.023394
2024-01-03  0.000778 -0.015302  0.019454 -0.017174  0.014488

多头篮子: ['A', 'B']
空头篮子: ['D', 'E']

多空组合日收益率序列:
2024-01-01    0.005638
2024-01-02    0.000387
2024-01-03   -0.002959
2024-01-04    0.003601
2024-01-05   -0.005544
Freq: D, dtype: float64

📝 动手练一练

编写 Python 测试脚本，模拟全市场大盘暴跌时多空组合的稳健对冲表现：

import pandas as pd
import numpy as np

def run_long_short_strategy_test():
    rng = np.random.default_rng(42)
    # 模拟大盘暴跌 -20%
    market_crash = np.linspace(0, -0.20, 60)
    
    # 多头组合跑赢大盘 10%（最终 -10%）
    long_rets = market_crash + np.linspace(0, 0.10, 60) + rng.normal(0, 0.005, 60)
    # 空头组合跟随大盘（最终 -20%）
    short_rets = market_crash + rng.normal(0, 0.005, 60)
    
    df_rets = pd.DataFrame({'Long': np.diff(long_rets, prepend=0), 'Short': np.diff(short_rets, prepend=0)})
    ls_rets = 0.5 * df_rets['Long'] - 0.5 * df_rets['Short']
    equity_ls = (1.0 + ls_rets).cumprod()
    
    print("================ 多空组合对冲策略改进测试 ================")
    print(f"多头单边净收益: {long_rets[-1]*100:.2f}% (大盘暴跌)")
    print(f"空头单边净收益: {short_rets[-1]*100:.2f}%")
    print(f"多空中性组合终态净值: {equity_ls.iloc[-1]:.4f}")
    # 合成数据验证逻辑：若对冲有效，净值应大于1
    if equity_ls.iloc[-1] > 1.0:
        print("✅ 多空对冲在此合成场景下产生正收益")
    else:
        print("⚠️  多空对冲在此合成场景下未产生正收益")
    print("========================================================")

run_long_short_strategy_test()

运行结果输出：

================ 多空组合对冲策略改进测试 ================
多头单边净收益: -9.52% (大盘暴跌)
空头单边净收益: -20.12%
多空中性组合终态净值: 1.0539
✅ 多空对冲在此合成场景下产生正收益
========================================================

本章小结

1. 中性化彻底屏蔽系统性风险：通过多空同时布局，摆脱对大盘牛熊方向的依赖。
2. 获取纯粹的选股 Alpha：收益仅取决于多头跑赢空头的剪刀差，大幅平滑收益曲线。
3. 监控双腿流动性与借券成本：在股票融券做空实战中，需将融券费率与可用券源作为硬约束。

📋 行动清单 (Action Checklist)

• 运行多空对冲测试代码，测试在不同大盘涨跌情景下的净值稳定性；
• 编写利用股指期货（IF/IC/IM）对冲多头组合 Beta 的测算脚本；
• 预习下一节，掌握在均值回复策略中实现动态头寸管理。

—— 小象教研组