机器学习，能帮ETF轮动什么？13类模型的实测与反思
从逻辑回归、梯度提升树到时间序列基础模型，我更关心的不是谁的名字更新，而是谁能在保留原策略逻辑的前提下，提供可核验的风险控制价值。
做ETF轮动，最让人纠结的往往不是“今天选哪只”，而是“这一次轮动，值得用多大仓位参与”。
动量排名第一的ETF，可能延续趋势，也可能刚好进入回撤。直接按过去亏损名单永久剔除品种，又容易把历史上表现不好的资产，错当成未来也不会有机会的资产。
于是，我尝试给原策略加一个辅助层：原策略继续负责投资决策，机器学习只判断是否应该少承担一点风险。
这篇文章记录13类已实际运行模型的表现，也记录没有奏效的地方。所有数字都是特定配置下的历史研究结果，不是实盘收益，也不是未来盈利承诺。
一、先让模型做一件小事：辅助仓位，而不是接管策略
本轮实验没有让模型直接决定买哪只ETF，也没有让它生成交易指令。原策略保持不变，模型只作为独立的风险辅助层。本文不展开原策略的具体技术规则。
模型回答的是一个更窄的问题：在当前特征下，原策略选出的这只ETF，未来5个交易日出现亏损的风险是否偏高？
执行方案也很简单：
- 原策略照常运行，模型不改变其具体规则。
- 每天固定时点读取模型风险分数；分数不低于0.60，原目标ETF预算乘0.5，否则乘1。
- 模型只调整相对风险预算，不扩大原策略上限；实际成交仍需遵守交易约束。
这里的“0.60”是固定实验阈值，不意味着模型已经能准确报出“60%的真实亏损概率”。本轮输出尚未经过独立时间样本的概率校准。
目前聚宽验证的是逐年模型历史评分表的回放，不是聚宽端现场构造全部特征、实时推理和实盘下单。这个边界必须讲清楚。
二、模型究竟看到了什么数据？
表格模型使用23个特征，主要分成四组：
- 趋势与动量：描述资产过去的方向和趋势状态。
- 风险状态：描述波动、下行风险和历史回撤。
- 量价和市场环境：描述交易活跃度与市场整体状态。
- 基础分类：描述资产类别与数据历史长度。
模型输入按实际决策时点设计，不使用当时尚不可见的信息。未来收益和标签单独保存，不进入特征列。这里仅介绍模型输入的大类，不公开原策略的参数和计算细节。
模型标签衡量决策后未来5个交易日的收益方向。它并不等于原策略实际持仓这一笔最终是否亏损：模型的观察窗口与实际持仓区间未必一致，预测目标与真实交易目标之间仍有距离。
普通监督模型从2018年起扩展训练，分别用于2023、2024、2025、2026年的预测。每年的训练样本必须满足：未来5日标签已经在当年1月1日之前结束。缺失值填补、截尾和标准化也只在训练集拟合，不能先用全样本计算再切分。
三、13类模型，各自能帮什么，又有什么短板？
1. 逻辑回归：一个值得保留的简单基线
逻辑回归适合检验：这些特征是否存在比较稳定、近似线性的风险关系。
优点是训练快、部署轻，系数和输入变化的关系比较容易解释。缺点是面对“高波动但趋势强”和“高波动且趋势破坏”这类交互情形时，表达能力有限。特征强相关时，系数也不能直接当作因果解释。
本轮逻辑回归降低了一部分回撤，但累计收益明显落后原策略。它的价值更像一个基线，而不是看到“可解释”三个字就应当上线的方案。
2. 高斯朴素贝叶斯：速度很快，假设也很强
它结构简单、计算便宜，可以帮助发现复杂模型是否真的超过了很低成本的参照。问题是动量、均线距离和趋势指标之间通常相关，特征条件独立等假设难以完全满足。
本轮它的最大回撤较低，但累计收益损失很大。回撤低，不代表风险判断好，也可能只是错过了太多上涨。
3. 随机森林：擅长捕捉非线性，不等于概率可靠
随机森林综合多棵具有随机性的决策树，可以处理非线性与特征交互，通常不需要像线性模型一样手工列出所有交互项。
不足是模型更大、解释更复杂，时间序列非平稳仍会使历史关系失效。许多相邻交易日的信息高度重叠，“样本很多”不等于独立信息很多。
本轮它减少了回撤，但收益没有超过原策略。
4. ExtraTrees：增加随机性，有时反而更合适
ExtraTrees也使用树集成，但在分裂选择上引入更强随机性，和随机森林不是同一个配置换了名字。
它的好处是可能降低对局部历史细节的依赖，训练也较方便；代价是可能增加偏差，分数仍需验证与校准。本轮收益和回撤都优于原策略，但这个结果不能外推为所有ETF轮动任务都适合它。
5. 传统梯度提升树：本轮最值得继续验证的路线之一
梯度提升树不是让许多树独立投票，而是逐轮改进已有预测的不足。浅树可以组合出“动量还在，但波动与市场广度已经转弱”一类条件关系。
它适合当前这类中小规模表格特征任务，CPU训练和本地部署的门槛较低。缺点是树的深度、学习率和样本条件仍会影响过拟合；学到的历史条件也不保证跨市场阶段稳定。树集成方法说明
本轮它不是所有表格模型中收益最高的那个，但兼顾了结果、部署成本和现有核验进度，因此被选作后续影子验证候选，而非已经认定有效的实盘模型。
6. 直方图梯度提升：更高效，不代表必然更准
它通过离散化连续特征提高树训练效率。在更大表格数据上，这种方法很有吸引力；但在当前样本规模下，效率优势不一定转化为预测优势。
本轮收益和回撤表现不错，不过“换了更快的实现”不应成为忽略时间隔离和过拟合风险的理由。
7. XGBoost：成熟的提升树工具，不是收益保证
XGBoost提供成熟的提升树训练、正则化与工程能力，适合做严肃的表格模型对照。官方文档
它的优点是工具完善、可控制性强；缺点是参数选择空间也更大。反复试深度、树数、阈值，再按测试期收益选最优，很容易把“调参能力”误当成预测能力。本轮它的主要区间表现较好，但扩展区间没有触发减仓，结果与原策略相同。
8. LightGBM：数据规模增大时很有价值
LightGBM采用直方图等设计提高训练速度和内存效率。本轮能快速完成对照，但更灵活的树生长仍需要约束，尤其不能忽略小样本风险。官方特性说明
对我的策略而言，它是值得保留的候选工具，但没有证据表明仅凭“训练快”就应替换当前候选模型。
9. CatBoost：结果很好，但别把类别处理优势想当然
CatBoost是支持类别特征等输入的梯度提升树工具。官方说明
本轮它在主要区间累计收益略高于传统梯度提升树，但回撤几乎相同。需要特别说明：本次主要输入是数值特征和0/1类别标记，并没有充分发挥原生高基数类别处理的全部能力。
所以，不能凭这次结果就说“CatBoost因为理解ETF类别而胜出”，也不能凭几个百分点的历史收益差异直接换实盘模型。
10. TabPFN v2：表格基础模型值得测，但没有免验证特权
TabPFN是一条预训练表格模型路线，不是普通聊天大模型。本轮使用v2检查点、CPU单估计器配置，不代表其他版本或更大配置。官方项目
它可能减少传统模型逐任务拟合和调参的负担，但依赖、运行成本和输入规模仍需考虑。在这次ETF风险任务里，它较频繁地减仓，降低了风险暴露，也明显损失了主要区间收益。
11. TFT：可以看时间结构，但需要更多训练与验证工作
Temporal Fusion Transformer结合时间序列建模与注意力等机制，适合研究多个历史特征随时间的变化。原始论文
本轮使用官方实现的小型网络，历史窗口20日、隐藏维度8、固定训练10轮，并适配成未来5日亏损分类任务。它不是对所有规模TFT的穷尽测试。
优点是可以学习特征的时间变化；缺点是训练和调试成本更高，样本量、正则化和随机性影响更明显。较低回撤仍可能部分来自更低仓位，不能直接解释为神经网络“看懂了风险”。
12. Chronos-2：价格预测基础模型，不能直接等同于风险控制器
Chronos-2支持零样本时间序列预测。本轮使用完整预训练权重、本地推理，没有针对这套策略微调。官方介绍
它的吸引力是可以复用预训练的序列能力，但“预测价格分布”与“决定轮动策略减多少仓”之间还隔着任务转换。本轮把预测分位数转换成风险代理分数，不能将其视为已校准的真实亏损概率。
13. TimesFM 2.5：时间序列预训练并不会自动解决市场适配
TimesFM是Google Research的时间序列基础模型。本轮实际测试的是2.5检查点，不是把后来版本的能力套用到本次结果上。官方项目
它同样便于研究零样本序列预测，但仍存在金融场景迁移、预测目标转换和计算资源方面的成本。本轮未看到足以替换原策略的组合优势。
这几类基础模型本次都在本机完成推理，没有把策略数据发送到在线聊天模型。但下载预训练权重与本地推理是两回事，不能概括为研究全过程从未联网。
四、把结果放在同一张表里
主要比较区间为2023年1月3日至2026年6月18日，每个方案以100万元独立启动。表格展示累计收益和区间最大回撤，不是年化收益。结果已计入本轮设定的费用和撮合规则，但不等于真实账户一定可以实现。
| 方案 | 累计收益 | 最大回撤 |
|---|---|---|
| 原策略 | 1102.02% | 21.04% |
| 逻辑回归 | 878.29% | 19.88% |
| 随机森林 | 995.02% | 17.47% |
| ExtraTrees | 1176.10% | 17.47% |
| 梯度提升树 | 1297.89% | 17.47% |
| 直方图梯度提升 | 1174.59% | 17.38% |
| 高斯朴素贝叶斯 | 519.41% | 15.36% |
| XGBoost | 1235.36% | 17.47% |
| LightGBM | 1217.17% | 17.46% |
| CatBoost | 1301.46% | 17.47% |
| TabPFN v2 | 929.98% | 17.44% |
| 小型TFT | 977.58% | 16.93% |
| Chronos-2 | 965.68% | 21.03% |
| TimesFM 2.5 | 649.01% | 19.29% |
表中大部分模型来自本地模拟；原策略A组和传统梯度提升树B组，另外完成了聚宽逐笔交易、每日持仓与净值核验。不能将全表描述为“13个模型都已逐一聚宽实测”。
还要注意：表格分类器主要使用相同23个特征；TFT增加了历史特征窗口，Chronos-2和TimesFM主要使用价格序列。因此，这不是所有路线都拥有完全相同信息的严格算法竞赛。
基础模型的价格序列还混合了不同采样时点，并近似为等间隔序列；用于转换风险分数的价格基准与标签基准也存在时点差异。预训练检查点发布时间晚于部分历史回测日期，训练数据重叠尚未完全审计。这些结果不能宣称是“历史当时可获得、无预训练污染”的严格验证。
五、换到另一个区间，结果就没那么漂亮了
为了不只展示有利区间，我也整理了2026年6月22日至10月19日的扩展结果。扩展区间各方案重新以100万元空仓启动，不能把它直接与前表收益相加或当作连续账户净值。
| 方案 | 扩展区间累计收益 | 扩展区间最大回撤 |
|---|---|---|
| 原策略 | -20.79% | 24.20% |
| 梯度提升树 | -18.36% | 24.20% |
| XGBoost | -20.79% | 24.20% |
| LightGBM | -20.03% | 24.20% |
| CatBoost | -18.36% | 24.20% |
| TabPFN v2 | -23.85% | 25.19% |
| 小型TFT | -18.30% | 22.57% |
| Chronos-2 | -22.18% | 25.53% |
| TimesFM 2.5 | -22.15% | 23.90% |
梯度提升树在主要区间的优势，并没有变成扩展区间全面避险的能力：虽然少亏了一些，但最大回撤几乎没有改善。TFT在扩展区间比原策略少亏，也不意味着它已经具有稳定预测力。
这段扩展数据如今也已被研究，不应再称作新盲测。表中结果仅代表当前配置，既不能据此宣布某条模型路线永久无效，也不能挑出短期最好的模型马上上线。
六、为什么不能只和“未加模型的原策略”比较？
如果模型经常减仓，回撤变小可能只是因为风险暴露下降。为此，我分了三个组，保持原策略逻辑、比较区间和初始资金一致：
- A组：原策略，不加模型倍率。
- B组：梯度提升树风险分数不低于0.60，原目标预算减半。
- C组：固定预算倍率，不根据比较期模型分数变动。
C组倍率不是看完2023年后的收益再挑的：先用2018—2021年已完成的标签训练模型，在2022年生成分数，将当年风险倍率取平均，得到约0.927686，冻结后应用到比较期。
但这套对照规则是当前回顾性研究中明确的，并不意味着它在2023年之前就被真实预注册。
| 方案 | 累计收益 | 最大回撤 | 平均收盘仓位 |
|---|---|---|---|
| A 原策略 | 1102.02% | 21.04% | 96.01% |
| B 模型减仓 | 1297.89% | 17.47% | 92.18% |
| C 固定减仓 | 923.95% | 19.67% | 89.23% |
A组411笔、B组443笔、C组412笔交易均完成了与聚宽导出的核对。B组的66天触发是“目标预算减半天数”，不等于66次成功成交；实际执行仍受交易约束影响。
B组相对C组收益高、回撤低，但B组平均实际仓位也更高。因此，仅用C组还不能严格分离模型择时贡献。
补充的本地事后同目标倍率对照，平均收盘仓位约92.31%，接近B组的92.18%，累计收益为1000.94%、最大回撤20.29%，仍不及B组。不过，它使用比较期平均倍率，只能作为事后诊断，不是可伪装成事前决策的独立策略。
七、如果把减仓日期移动一下，会怎样？
下一步，我没有继续找新模型，而是做了一个“择时安慰剂”测试：保留B组66天减仓的安排，对整个风险倍率序列做循环平移，穷举其他835种位置。
这种方法保留减仓总天数，以及循环意义下的连续区间长度和间隔，但不保证线性样本两端的区间长度、年度触发数、趋势状态和实际仓位完全一致。
结果如下：
- B组累计收益1297.89%，平移对照中位数997.43%。
- B组最大回撤17.47%，平移对照中位数21.03%。
- 835种对照中，2种收益达到或超过B组，5种回撤不高于B组。
- 没有一种同时在收益和最大回撤两项上不逊于B组。
这为“减仓时点可能有价值”提供了额外历史证据。但835个平移方案彼此相关，模型又是从已研究历史中挑选出来的，不能把2/835解释为未来失败概率，也不能把它包装成99%以上的成功率或严格统计显著性。
八、我认为真正有帮助的地方，与尚未解决的问题
这轮实验让我更重视模型的三个用途。
第一是条件化风险识别。同样的动量排名，在不同波动、回撤和市场广度环境下，不一定值得使用相同预算。模型可以研究这些条件的组合。
第二是把主观纠结变成可记录的规则。是否减仓有明确输入、分数和阈值，至少能够回放、核对和复盘，而不是事后为每次交易找理由。
第三是提供可以被否定的研究假设。复杂模型如果不能超过简单基线、固定预算和随机择时对照，就没有必要因为它更“先进”而增加系统负担。
但目前还存在几项实质限制：
- 普通模型的分类表现整体并不强。梯度提升树主要区间AUC约0.532，接近0.5的随机排序基准，不能把组合收益优势当作高精度预测的证明。概率误差也没有稳定超过常数基线。
- 风险标签是未来5日收益，而不是实际轮动持仓损益。目标错位可能限制模型价值。
- 特征和标签在相邻日期重叠，有效独立样本少于表面行数。
- 多模型比较、历史区间选择和后续研究都带来选择偏差。不能只记住冠军，忘掉失败配置。
- NAV数据的历史公告可见时点尚未独立核验。净值对应某一天，不代表在当时决策时点已经公开。
- 日线撮合中的成交容量不能直接等同于实际决策时点的可成交容量，回测与实际交易执行还需进一步核验。
- 不同模型的风险分数触发频率不同，统一0.60阈值便于固定协议，但不等于概率已可直接横向比较。
DCAH是另一条讨论过的研究路线，但本轮没有完成它的复现和同口径实测，所以没有把它写进13类模型的收益表。 同样，通用聊天大模型并未被用作本轮仓位预测器；它可以辅助文档、代码审查和数据检查，但不能替代历史数据、时间隔离与成交核验。
九、下一步：停止追逐模型名字，开始验证新数据
我目前更愿意保留已经核验过的原策略作为主干，把一个相对轻量、可审计的模型作为影子风险层。
具体做法是冻结现有模型、特征、0.60阈值和0.5倍率，先把当天数据接入、原策略标的对齐、现场特征生成与不可覆盖的评分记录跑通，再观察后续真正新产生的数据。
收盘后下载历史时点的行情并重算，只能算事后数据接入核验，不能冒充当时已生成的前向预测。真正的前向观察起点，应以完成接线后第一条具有真实采集、评分时间记录的合格预测为准。
目前尚未接入真实下单，也不采用盘中反复增减仓的设计。模型每天固定时点辅助原目标预算，不擅自改变选ETF规则或增加原策略上限。跨年更新模型也应有独立版本和训练截止记录，而不是静默换模型后继续拼接成绩。
对我而言，这轮研究最有价值的认识是：
机器学习可能帮助ETF轮动更有选择地承担风险，但这种帮助必须靠对照、核验和新数据证明。模型复杂度不是优势，经过验证的增量价值才是。
研究口径与参考资料
本文实测数字来自本轮本地研究记录与A/B/C聚宽导出核验，不是第三方审计或实盘业绩。原始策略、模型版本和回测假设固定在本轮配置；不应与其他版本直接拼接比较。
主要区间：2023-01-03至2026-06-18；扩展区间：2026-06-22至2026-10-19。研究记录整理于2026年10月。风险分数预测未来5日收益方向，不代表极端损失概率或收益幅度预测。
模型原理参考：scikit-learn树集成、XGBoost、LightGBM、CatBoost、TabPFN、TFT论文、Chronos-2、TimesFM。官方项目页面可能继续更新，不代表本轮使用其当前最新版本。
封面为AI生成的概念插画；统计配图由本轮研究数据绘制。本文仅记录个人研究过程，不构成投资建议。历史回测不代表未来表现，模型可能失效，ETF及相关资产均存在亏损风险。