第 34 篇：行业轮动与相对强弱

每月末：
① 计算每个行业过去 N 日（如 20 日）涨幅 →
② 转成横截面 RPS 排名 →
③ 取排名前 K 的行业等权持有 →
④ （可选）动量都为负时退守现金/债券
次月首个交易日按新名单调仓

import numpy as np
import pandas as pd

# ---------- 1. 模拟 8 个行业 + 基准指数 ----------
rng = np.random.default_rng(34)
n = 252 * 5
idx = pd.bdate_range("2020-01-01", periods=n)
common = rng.normal(0.0002, 0.011, n)          # 市场共同因子

sectors = {}
for k in range(8):
    # 每个行业有自己的风格系数：偶数行业前半段强、奇数后半段强（造轮转结构）
    style = np.concatenate([np.full(n // 2, 0.001 if k % 2 == 0 else -0.001),
                            np.full(n - n // 2, -0.001 if k % 2 == 0 else 0.001)])
    ret = common + style + rng.normal(0, 0.008, n)   # 行业特质波动
    sectors[f"行业{k+1}"] = pd.Series(np.exp(np.cumsum(ret)), index=idx)

bench = pd.Series(np.exp(np.cumsum(common + rng.normal(0, 0.004, n))),
                  index=idx, name="基准")
sector_px = pd.DataFrame(sectors)

# ---------- 2. 相对强弱：RS 比值线与 RPS ----------
rs = sector_px.div(bench, axis=0)              # 每列 / 基准 → RS 比值线
rs_ma = rs.rolling(20).mean()                  # RS 线的20日平滑

def rps_rank(px, window=20):
    """每月末截面：过去window日涨幅 → 排名分位数(0~100)"""
    mom = px.pct_change(window)
    month_end = px.groupby([px.index.year, px.index.month]).tail(1).index
    rps_table = {}
    for d in month_end:
        m = mom.loc[d]
        rps_table[d] = m.rank(pct=True) * 100  # 横截面分位
    return pd.DataFrame(rps_table).T

rps = rps_rank(sector_px)
print("最近一期各行业 RPS(示意):")
print(rps.iloc[-1].round(0).sort_values(ascending=False).to_string())

# ---------- 3. 行业轮动回测：每月持有 RPS 前 3 的行业 ----------
def sector_rotation(px, rps, top_k=3, mom_window=20, fee=0.001,
                    cooldown=0):
    mom = px.pct_change(mom_window)
    month_end = px.groupby([px.index.year, px.index.month]).tail(1).index
    ret = px.pct_change()
    holding, cur, last_switch = [], None, None
    daily = pd.Series(0.0, index=px.index)
    for d in month_end:
        m = mom.loc[d]
        if (m > 0).sum() == 0:                  # 全负 → 空仓避险
            tgt = []
        else:
            tgt = m[m > 0].nlargest(top_k).index.tolist()
        nxt_mask = px.index > d
        nxt = px.index[nxt_mask]
        end = month_end[month_end > nxt[0]].min() if len(
            month_end[month_end > nxt[0]]) > 0 else px.index[-1]
        span = px.index[(px.index >= nxt[0]) & (px.index <= end)]
        # 冷却期：距上次换仓不足 cooldown 天则维持原持仓
        if cooldown and last_switch is not None and \
           (nxt[0] - last_switch).days < cooldown:
            tgt = cur
        for dd in span[1:]:
            daily[dd] += ret.loc[dd, cur if cur else tgt].mean() \
                if (cur or tgt) else 0.0
        if tgt != cur and (cur or tgt):
            daily[span[0]] -= fee                 # 换仓成本
            last_switch = nxt[0]
        cur = tgt
    return daily

strat = sector_rotation(sector_px, rps)
bh = sector_px.pct_change().mean(axis=1)       # 等权持有全部行业
for name, r in [("行业轮动", strat), ("等权全行业", bh.fillna(0))]:
    nav = (1 + r).cumprod()
    dd = (nav / nav.cummax() - 1).min()
    print(f"{name}: 总收益(示意) {nav.iloc[-1] - 1:.1%}, "
          f"最大回撤 {dd:.1%}")

# ---------- 4. RS 线可视化：谁在持续跑赢 ----------
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

fig, ax = plt.subplots(figsize=(11, 5))
for col in ["行业1", "行业2", "行业3", "行业4"]:
    ax.plot(rs.index, rs[col], lw=1, label=col)
ax.axhline(1.0, color="k", ls="--", lw=0.8)
ax.set_title("行业相对基准的 RS 比值线（>1 = 跑赢基准，示意）")
ax.legend(); ax.set_xlabel("日期")
plt.tight_layout(); plt.savefig("rs_lines.png", dpi=120); plt.show()

示例输出（示意，模拟行情结果）:
最近一期各行业 RPS(示意):
行业7    100.0
行业8     88.0
行业5     63.0
行业6     50.0
行业3     38.0
行业4     25.0
行业1     13.0
行业2     0.0
行业轮动: 总收益(示意) 47.2%, 最大回撤 -14.3%
等权全行业: 总收益(示意) 11.8%, 最大回撤 -23.7%