[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6CVKW2HB9JQBEF75NP2R55S":3,"skill-same:01M6CVKW2HB9JQBEF75NP2R55S":52},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":9,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":22,"publishedAt":26,"linkOnly":27,"markdownContent":28,"markdownBody":29,"frontMatter":30,"refName":31,"commitSha":32,"skillDirectory":33,"forksCount":34,"repositoryHtmlUrl":35,"repositoryHomepageUrl":6,"ownerHtmlUrl":36,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":37,"install":38,"resources":51},"01M6CVKW2HB9JQBEF75NP2R55S","strategy-selection",null,"量化投资策略组合选择指南，根据市场环境（牛\u002F熊\u002F震荡）选择合适的选股和择时策略组合。适用于需要构建或调整量化投资组合、不知道如何搭配使用多种策略的投资者。","FeiCoder\u002FSkill-Factory","FeiCoder","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F49159289?v=4","01M6CVJSHMSFYNK0YV6R84T6QM","01M6CVJSNX8MP1D0JX73QQP6CJ",11,"MIT","https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Fportfolio\u002Fstrategy-selection\u002FSKILL.md",[17],{"categoryNo":18,"categoryName":19,"taxonomyType":20,"taxonomyTypeDesc":21},"01JBSEEDCAT000000000000035","市场营销","PROFESSION","适用职业",[23,24,25],"strategy","selection","strategy selection","2026-11-10 10:12:30",false,"---\nname: strategy-selection\ndescription: 量化投资策略组合选择指南，根据市场环境（牛\u002F熊\u002F震荡）选择合适的选股和择时策略组合。适用于需要构建或调整量化投资组合、不知道如何搭配使用多种策略的投资者。\n---\n\n# 策略组合选择\n\n## 概述\n\n量化投资不是单策略打天下，而是需要根据**市场环境变化**动态调整策略组合。本技能提供一套系统化的方法，帮助你判断当前市场环境并选择合适的策略搭配。\n\n**何时使用此技能：**\n- 当你拥有多个策略但不知道如何组合使用时\n- 当市场环境发生变化需要调整策略时\n- 当你需要构建一个稳健的量化投资系统时\n- 当你想了解策略与市场环境的匹配关系时\n\n---\n\n## 核心框架：三层决策体系\n\n```\n┌─────────────────────────────────────────────────────────┐\n│                    战略层：资产配置                       │\n│         (决定股票\u002F债券\u002F商品\u002F现金的配置比例)                │\n├─────────────────────────────────────────────────────────┤\n│                    战术层：策略选择                       │\n│         (决定选股策略+择时策略的组合)                      │\n├─────────────────────────────────────────────────────────┤\n│                    执行层：参数优化                       │\n│              (具体因子参数、阈值调优)                      │\n└─────────────────────────────────────────────────────────┘\n```\n\n**本技能聚焦于\"战术层\"：如何选择合适的策略组合**\n\n---\n\n## 第一步：判断市场环境\n\n### 四要素判断法\n\n| 指标 | 牛市特征 | 熊市特征 | 震荡市特征 |\n|------|---------|---------|-----------|\n| **价格趋势** | 均线多头排列 | 均线空头排列 | 均线缠绕 |\n| **波动率** | 适中（20%~25%） | 急剧放大（>30%） | 较低（\u003C20%） |\n| **成交量** | 放大 | 萎缩或恐慌放量 | 缩量 |\n| **市场情绪** | 乐观贪婪 | 恐慌悲观 | 观望犹豫 |\n\n### 快速判断指标\n\n```python\n# 市场环境判断示例\ndef judge_market_regime():\n    \"\"\"\n    返回: 'bull' | 'bear' | '震荡'\n    \"\"\"\n    # 1. 趋势判断：20日均线 vs 60日均线\n    ma20 = close_price.rolling(20).mean()\n    ma60 = close_price.rolling(60).mean()\n    trend = 'bull' if ma20 > ma60 else 'bear'\n    \n    # 2. 波动率判断\n    volatility = returns.rolling(20).std() * np.sqrt(252)\n    \n    # 3. 综合判断\n    if volatility \u003C 0.2:\n        regime = '震荡'\n    else:\n        regime = trend\n    \n    return regime\n```\n\n### 环境持续时间统计\n\n| 市场环境 | 平均持续时间 | 策略有效期 |\n|---------|-------------|-----------|\n| 牛市 | 6~12个月 | 3~6个月需评估 |\n| 熊市 | 3~8个月 | 1~3个月需评估 |\n| 震荡市 | 2~6个月 | 1~2个月需评估 |\n\n---\n\n## 第二步：策略-环境匹配矩阵\n\n### 选股策略 × 市场环境\n\n| 选股策略 | 牛市 |  熊市 | 震荡市 | 说明 |\n|---------|------|-------|-------|------|\n| **多因子模型** | ⭐⭐⭐ 推荐 | ⭐⭐ 谨慎 | ⭐⭐⭐ 推荐 | 牛市高 Alpha，震荡市防守性强 |\n| **动量策略** | ⭐⭐⭐ 推荐 | ⭐ 回避 | ⭐⭐ 适用 | 动量在趋势市中有效 |\n| **反转策略** | ⭐ 谨慎 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 震荡市均值回复特征强 |\n| **资金流策略** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐⭐ 适用 | 资金流入是牛市发动机 |\n| **行业轮动** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 任何环境都有轮动机会 |\n| **风格轮动** | ⭐⭐ 适用 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 震荡市风格切换频繁 |\n\n### 择时策略 × 市场环境\n\n| 择时策略 | 牛市 |  熊市 | 震荡市 | 说明 |\n|---------|------|-------|-------|------|\n| **趋势追踪(均线)** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐ 回避 | 均线在趋势市中有效 |\n| **趋势追踪(MACD)** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐ 谨慎 | 震荡市假信号多 |\n| **Hurst 指数** | ⭐⭐ 适用 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 适合判断周期拐点 |\n| **市场情绪** | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | 情绪极端是熊市底 |\n| **牛熊线** | ⭐⭐⭐ 推荐 | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | 适合大周期判断 |\n| **统计套利** | ⭐⭐ 适用 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 市场中性，震荡市更稳 |\n\n---\n\n## 第三步：典型策略组合\n\n### 组合一：稳健增长型（推荐初学者）\n\n**目标**：控制回撤，追求稳健收益\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 多因子模型 | 40% | 长期 Alpha 稳定 |\n| 选股 | 行业轮动 | 30% | 把握行业机会 |\n| 择时 | 牛熊线 | 30% | 大周期判断 |\n\n**适用环境**：所有环境（尤其震荡市）\n\n### 组合二：牛市进攻型\n\n**目标**：最大化牛市收益\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 动量策略 | 50% | 趋势延续高收益 |\n| 选股 | 资金流策略 | 30% | 跟随主力资金 |\n| 择时 | 均线择时 | 20% | 把握主升浪 |\n\n**适用环境**：牛市、趋势上涨行情\n\n### 组合三：熊市防御型\n\n**目标**：控制回撤，等待机会\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 价值因子 | 30% | 低估值防御 |\n| 择时 | 市场情绪 | 40% | 逃顶抄底 |\n| 择时 | 牛熊线 | 30% | 大周期择时 |\n\n**适用环境**：熊市、趋势下跌行情\n\n### 组合四：震荡市平衡型\n\n**目标**：在无趋势中获取收益\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 反转策略 | 35% | 均值回复 |\n| 选股 | 风格轮动 | 25% | 风格切换收益 |\n| 择时 | Hurst 指数 | 20% | 周期拐点判断 |\n| 套利 | 统计套利 | 20% | 市场中性收益 |\n\n**适用环境**：震荡市、盘整行情\n\n---\n\n## 第四步：组合构建流程\n\n### Step 1：风险偏好评估\n\n| 风险等级 | 特征 | 建议组合 |\n|---------|------|---------|\n| 保守型 | 最大回撤 \u003C 10% | 稳健增长型 |\n| 平衡型 | 最大回撤 10%~20% | 组合一\u002F组合四 |\n| 激进型 | 最大回撤 > 20% | 牛市进攻型 |\n\n### Step 2：策略相关性检验\n\n**原则**：选择相关性低的策略进行组合\n\n```python\n# 策略相关性矩阵（示例）\n# 动量 vs 反转：-0.6（负相关，互补性强）\n# 均线 vs Hurst：0.4（正相关，可二选一）\n# 多因子 vs 资金流：0.3（低相关，可叠加）\n```\n\n**建议**：\n- 选股策略选 2~3 个，择时策略选 1~2 个\n- 避免重复（如同时用 MA 和 MACD 择时）\n- 优先选相关性低的策略\n\n### Step 3：权重分配\n\n**方法一：等权重**\n```\n每个策略权重 = 1 \u002F 策略数量\n简单易行，适合初学者\n```\n\n**方法二：风险平价**\n```\n每个策略对组合风险的贡献相等\n需要计算策略波动率\n```\n\n**方法三：历史绩效**\n```\n权重 ∝ 历史夏普比率\n但需要注意过拟合风险\n```\n\n### Step 4：动态再平衡\n\n| 再平衡触发条件 | 操作 | 频率 |\n|--------------|------|------|\n| 策略跑输基准 20% | 评估是否替换 | 月度 |\n| 市场环境切换 | 调整策略比例 | 季度 |\n| 策略相关性显著变化 | 重新分配权重 | 半年度 |\n\n---\n\n## 第五步：市场环境监测与切换\n\n### 环境切换信号\n\n| 切换类型 | 领先指标 | 确认信号 | 应对操作 |\n|---------|---------|---------|---------|\n| 牛市→震荡 | 波动率下降 | 均线缠绕 | 减少动量，增加反转 |\n| 震荡→熊市 | 情绪过热 | 跌破60日线 | 降低仓位，增配防御 |\n| 熊市→震荡 | 缩量企稳 | 波动率触底 | 逐步加仓，增配套利 |\n| 震荡→牛市 | 价量齐升 | 突破前高 | 增加动量，放开仓位 |\n\n### 切换原则\n\n1. **渐进切换**：不要一次性完全切换，先调整 20%~30% 权重\n2. **双确认**：至少两个独立信号确认再切换\n3. **有备选**：每个环境准备至少一个备选策略\n\n---\n\n## 实战案例\n\n### 案例：2023年A股策略组合调整\n\n**背景**：2023年A股整体震荡，行业轮动快\n\n**原组合**：\n- 动量策略 50% + 均线择时 50%\n- 问题：动量策略在震荡市频繁亏损\n\n**调整过程**：\n\n```\nStep 1: 环境判断\n   - 波动率 \u003C 20% → 震荡市\n   - 行业轮动加快 → 轮动机会多\n\nStep 2: 策略替换\n   - 减少动量(20%)，增加反转(15%)\n   - 减少均线择时，增加 Hurst(10%)\n   - 增加行业轮动(15%)\n\nStep 3: 新组合\n   - 反转策略 30% ← 新增\n   - 行业轮动 30% ← 保留\n   - 多因子模型 20% ← 稳定收益\n   - Hurst 择时 20% ← 新增\n```\n\n**结果**：回撤减少 5%，收益提升 3%\n\n---\n\n## 注意事项\n\n1. **没有万能组合**：任何组合都有适用和不适用的时候\n2. **分散要适度**：3~5 个策略即可，过多增加复杂性\n3. **贵在坚持**：不要因为短期表现频繁更换策略\n4. **定期复盘**：至少每季度评估一次策略有效性\n\n---\n\n## 错误处理与故障排查\n\n| 问题 | 原因 | 解决方案 |\n|------|------|---------|\n| 组合收益持续跑输单策略 | 策略相关性太高 | 检查相关性，减少重复策略 |\n| 市场环境判断总是错 | 指标参数不当 | 调整均线周期或增加确认信号 |\n| 策略切换后反而更差 | 切换太频繁 | 坚持策略至少 3 个月 |\n| 组合波动太大 | 权重分配不当 | 增加低波动策略权重 |\n\n---\n\n## 相关技能\n\n- `stock-selection\u002Fmulti-factor-model`: 多因子选股\n- `stock-selection\u002Fsector-rotation`: 行业轮动\n- `stock-selection\u002Fmomentum-reversal`: 动量与反转\n- `timing\u002Ftrend-following-timing`: 趋势追踪择时\n- `timing\u002Fmarket-sentiment-timing`: 市场情绪择时\n- `arbitrage\u002Fstatistical-arbitrage`: 统计套利\n\n---\n\n## 快速参考表\n\n### 环境 → 策略快速映射\n\n```\n┌──────────────────────────────────────────────────┐\n│  快速选择指南（按 Ctrl+D 保存）                   │\n├──────────────────────────────────────────────────┤\n│  不知道用什么时 → 多因子 + 行业轮动 + 牛熊线      │\n│  看到明显上涨趋势 → 动量 + 均线 + 资金流           │\n│  看到明显下跌趋势 → 价值 + 情绪 + 降低仓位         │\n│  行情不涨不跌 → 反转 + Hurst + 统计套利           │\n└──────────────────────────────────────────────────┘\n```\n","# 策略组合选择\n\n## 概述\n\n量化投资不是单策略打天下，而是需要根据**市场环境变化**动态调整策略组合。本技能提供一套系统化的方法，帮助你判断当前市场环境并选择合适的策略搭配。\n\n**何时使用此技能：**\n- 当你拥有多个策略但不知道如何组合使用时\n- 当市场环境发生变化需要调整策略时\n- 当你需要构建一个稳健的量化投资系统时\n- 当你想了解策略与市场环境的匹配关系时\n\n---\n\n## 核心框架：三层决策体系\n\n```\n┌─────────────────────────────────────────────────────────┐\n│                    战略层：资产配置                       │\n│         (决定股票\u002F债券\u002F商品\u002F现金的配置比例)                │\n├─────────────────────────────────────────────────────────┤\n│                    战术层：策略选择                       │\n│         (决定选股策略+择时策略的组合)                      │\n├─────────────────────────────────────────────────────────┤\n│                    执行层：参数优化                       │\n│              (具体因子参数、阈值调优)                      │\n└─────────────────────────────────────────────────────────┘\n```\n\n**本技能聚焦于\"战术层\"：如何选择合适的策略组合**\n\n---\n\n## 第一步：判断市场环境\n\n### 四要素判断法\n\n| 指标 | 牛市特征 | 熊市特征 | 震荡市特征 |\n|------|---------|---------|-----------|\n| **价格趋势** | 均线多头排列 | 均线空头排列 | 均线缠绕 |\n| **波动率** | 适中（20%~25%） | 急剧放大（>30%） | 较低（\u003C20%） |\n| **成交量** | 放大 | 萎缩或恐慌放量 | 缩量 |\n| **市场情绪** | 乐观贪婪 | 恐慌悲观 | 观望犹豫 |\n\n### 快速判断指标\n\n```python\n# 市场环境判断示例\ndef judge_market_regime():\n    \"\"\"\n    返回: 'bull' | 'bear' | '震荡'\n    \"\"\"\n    # 1. 趋势判断：20日均线 vs 60日均线\n    ma20 = close_price.rolling(20).mean()\n    ma60 = close_price.rolling(60).mean()\n    trend = 'bull' if ma20 > ma60 else 'bear'\n    \n    # 2. 波动率判断\n    volatility = returns.rolling(20).std() * np.sqrt(252)\n    \n    # 3. 综合判断\n    if volatility \u003C 0.2:\n        regime = '震荡'\n    else:\n        regime = trend\n    \n    return regime\n```\n\n### 环境持续时间统计\n\n| 市场环境 | 平均持续时间 | 策略有效期 |\n|---------|-------------|-----------|\n| 牛市 | 6~12个月 | 3~6个月需评估 |\n| 熊市 | 3~8个月 | 1~3个月需评估 |\n| 震荡市 | 2~6个月 | 1~2个月需评估 |\n\n---\n\n## 第二步：策略-环境匹配矩阵\n\n### 选股策略 × 市场环境\n\n| 选股策略 | 牛市 |  熊市 | 震荡市 | 说明 |\n|---------|------|-------|-------|------|\n| **多因子模型** | ⭐⭐⭐ 推荐 | ⭐⭐ 谨慎 | ⭐⭐⭐ 推荐 | 牛市高 Alpha，震荡市防守性强 |\n| **动量策略** | ⭐⭐⭐ 推荐 | ⭐ 回避 | ⭐⭐ 适用 | 动量在趋势市中有效 |\n| **反转策略** | ⭐ 谨慎 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 震荡市均值回复特征强 |\n| **资金流策略** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐⭐ 适用 | 资金流入是牛市发动机 |\n| **行业轮动** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 任何环境都有轮动机会 |\n| **风格轮动** | ⭐⭐ 适用 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 震荡市风格切换频繁 |\n\n### 择时策略 × 市场环境\n\n| 择时策略 | 牛市 |  熊市 | 震荡市 | 说明 |\n|---------|------|-------|-------|------|\n| **趋势追踪(均线)** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐ 回避 | 均线在趋势市中有效 |\n| **趋势追踪(MACD)** | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | ⭐ 谨慎 | 震荡市假信号多 |\n| **Hurst 指数** | ⭐⭐ 适用 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 适合判断周期拐点 |\n| **市场情绪** | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | 情绪极端是熊市底 |\n| **牛熊线** | ⭐⭐⭐ 推荐 | ⭐⭐⭐ 推荐 | ⭐⭐ 适用 | 适合大周期判断 |\n| **统计套利** | ⭐⭐ 适用 | ⭐⭐ 适用 | ⭐⭐⭐ 推荐 | 市场中性，震荡市更稳 |\n\n---\n\n## 第三步：典型策略组合\n\n### 组合一：稳健增长型（推荐初学者）\n\n**目标**：控制回撤，追求稳健收益\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 多因子模型 | 40% | 长期 Alpha 稳定 |\n| 选股 | 行业轮动 | 30% | 把握行业机会 |\n| 择时 | 牛熊线 | 30% | 大周期判断 |\n\n**适用环境**：所有环境（尤其震荡市）\n\n### 组合二：牛市进攻型\n\n**目标**：最大化牛市收益\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 动量策略 | 50% | 趋势延续高收益 |\n| 选股 | 资金流策略 | 30% | 跟随主力资金 |\n| 择时 | 均线择时 | 20% | 把握主升浪 |\n\n**适用环境**：牛市、趋势上涨行情\n\n### 组合三：熊市防御型\n\n**目标**：控制回撤，等待机会\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 价值因子 | 30% | 低估值防御 |\n| 择时 | 市场情绪 | 40% | 逃顶抄底 |\n| 择时 | 牛熊线 | 30% | 大周期择时 |\n\n**适用环境**：熊市、趋势下跌行情\n\n### 组合四：震荡市平衡型\n\n**目标**：在无趋势中获取收益\n\n| 组件 | 策略 | 权重 | 理由 |\n|------|------|------|------|\n| 选股 | 反转策略 | 35% | 均值回复 |\n| 选股 | 风格轮动 | 25% | 风格切换收益 |\n| 择时 | Hurst 指数 | 20% | 周期拐点判断 |\n| 套利 | 统计套利 | 20% | 市场中性收益 |\n\n**适用环境**：震荡市、盘整行情\n\n---\n\n## 第四步：组合构建流程\n\n### Step 1：风险偏好评估\n\n| 风险等级 | 特征 | 建议组合 |\n|---------|------|---------|\n| 保守型 | 最大回撤 \u003C 10% | 稳健增长型 |\n| 平衡型 | 最大回撤 10%~20% | 组合一\u002F组合四 |\n| 激进型 | 最大回撤 > 20% | 牛市进攻型 |\n\n### Step 2：策略相关性检验\n\n**原则**：选择相关性低的策略进行组合\n\n```python\n# 策略相关性矩阵（示例）\n# 动量 vs 反转：-0.6（负相关，互补性强）\n# 均线 vs Hurst：0.4（正相关，可二选一）\n# 多因子 vs 资金流：0.3（低相关，可叠加）\n```\n\n**建议**：\n- 选股策略选 2~3 个，择时策略选 1~2 个\n- 避免重复（如同时用 MA 和 MACD 择时）\n- 优先选相关性低的策略\n\n### Step 3：权重分配\n\n**方法一：等权重**\n```\n每个策略权重 = 1 \u002F 策略数量\n简单易行，适合初学者\n```\n\n**方法二：风险平价**\n```\n每个策略对组合风险的贡献相等\n需要计算策略波动率\n```\n\n**方法三：历史绩效**\n```\n权重 ∝ 历史夏普比率\n但需要注意过拟合风险\n```\n\n### Step 4：动态再平衡\n\n| 再平衡触发条件 | 操作 | 频率 |\n|--------------|------|------|\n| 策略跑输基准 20% | 评估是否替换 | 月度 |\n| 市场环境切换 | 调整策略比例 | 季度 |\n| 策略相关性显著变化 | 重新分配权重 | 半年度 |\n\n---\n\n## 第五步：市场环境监测与切换\n\n### 环境切换信号\n\n| 切换类型 | 领先指标 | 确认信号 | 应对操作 |\n|---------|---------|---------|---------|\n| 牛市→震荡 | 波动率下降 | 均线缠绕 | 减少动量，增加反转 |\n| 震荡→熊市 | 情绪过热 | 跌破60日线 | 降低仓位，增配防御 |\n| 熊市→震荡 | 缩量企稳 | 波动率触底 | 逐步加仓，增配套利 |\n| 震荡→牛市 | 价量齐升 | 突破前高 | 增加动量，放开仓位 |\n\n### 切换原则\n\n1. **渐进切换**：不要一次性完全切换，先调整 20%~30% 权重\n2. **双确认**：至少两个独立信号确认再切换\n3. **有备选**：每个环境准备至少一个备选策略\n\n---\n\n## 实战案例\n\n### 案例：2023年A股策略组合调整\n\n**背景**：2023年A股整体震荡，行业轮动快\n\n**原组合**：\n- 动量策略 50% + 均线择时 50%\n- 问题：动量策略在震荡市频繁亏损\n\n**调整过程**：\n\n```\nStep 1: 环境判断\n   - 波动率 \u003C 20% → 震荡市\n   - 行业轮动加快 → 轮动机会多\n\nStep 2: 策略替换\n   - 减少动量(20%)，增加反转(15%)\n   - 减少均线择时，增加 Hurst(10%)\n   - 增加行业轮动(15%)\n\nStep 3: 新组合\n   - 反转策略 30% ← 新增\n   - 行业轮动 30% ← 保留\n   - 多因子模型 20% ← 稳定收益\n   - Hurst 择时 20% ← 新增\n```\n\n**结果**：回撤减少 5%，收益提升 3%\n\n---\n\n## 注意事项\n\n1. **没有万能组合**：任何组合都有适用和不适用的时候\n2. **分散要适度**：3~5 个策略即可，过多增加复杂性\n3. **贵在坚持**：不要因为短期表现频繁更换策略\n4. **定期复盘**：至少每季度评估一次策略有效性\n\n---\n\n## 错误处理与故障排查\n\n| 问题 | 原因 | 解决方案 |\n|------|------|---------|\n| 组合收益持续跑输单策略 | 策略相关性太高 | 检查相关性，减少重复策略 |\n| 市场环境判断总是错 | 指标参数不当 | 调整均线周期或增加确认信号 |\n| 策略切换后反而更差 | 切换太频繁 | 坚持策略至少 3 个月 |\n| 组合波动太大 | 权重分配不当 | 增加低波动策略权重 |\n\n---\n\n## 相关技能\n\n- `stock-selection\u002Fmulti-factor-model`: 多因子选股\n- `stock-selection\u002Fsector-rotation`: 行业轮动\n- `stock-selection\u002Fmomentum-reversal`: 动量与反转\n- `timing\u002Ftrend-following-timing`: 趋势追踪择时\n- `timing\u002Fmarket-sentiment-timing`: 市场情绪择时\n- `arbitrage\u002Fstatistical-arbitrage`: 统计套利\n\n---\n\n## 快速参考表\n\n### 环境 → 策略快速映射\n\n```\n┌──────────────────────────────────────────────────┐\n│  快速选择指南（按 Ctrl+D 保存）                   │\n├──────────────────────────────────────────────────┤\n│  不知道用什么时 → 多因子 + 行业轮动 + 牛熊线      │\n│  看到明显上涨趋势 → 动量 + 均线 + 资金流           │\n│  看到明显下跌趋势 → 价值 + 情绪 + 降低仓位         │\n│  行情不涨不跌 → 反转 + Hurst + 统计套利           │\n└──────────────────────────────────────────────────┘\n```\n",{"name":5,"description":7},"main","a5ea54eb2c1aeeb7767d270769f6b499e3ae39d7","produced_skill\u002Fportfolio\u002Fstrategy-selection",4,"https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory","https:\u002F\u002Fgithub.com\u002FFeiCoder","2026-02-27 11:40:18",{"source":8,"skillName":5,"commands":39,"prompt":49,"zipAvailable":50},[40,43,46],{"tool":41,"command":42},"npx","npx skills add FeiCoder\u002FSkill-Factory --skill strategy-selection",{"tool":44,"command":45},"bunx","bunx skills add FeiCoder\u002FSkill-Factory --skill strategy-selection",{"tool":47,"command":48},"pnpm","pnpm dlx skills add FeiCoder\u002FSkill-Factory --skill strategy-selection","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Fportfolio\u002Fstrategy-selection\u002FSKILL.md",true,[],[53,61,71,82,91,100],{"skillNo":54,"name":55,"nameZh":6,"description":56,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":9,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":57,"categories":58,"keywords":59,"publishedAt":26},"01M6CVMD44T2E10ZFV88K5EJNF","trend-following-timing","趋势追踪择时策略，包括传统均线指标（MA、MACD、DMA、TRIX）和自适应均线的原理与实操。适用于需要实施技术分析择时的场景。","https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Ftiming\u002Ftrend-following-timing\u002FSKILL.md",[],[60],"trend following timing",{"skillNo":62,"name":63,"nameZh":6,"description":64,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":9,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":65,"categories":66,"keywords":67,"publishedAt":26},"01M6CVMBRE2WYQB2RCAGM8PHBQ","quant-timing-intro","量化择时基础知识，介绍量化择时的概念、框架和主要方法论。适用于需要理解择时策略基本框架的场景。","https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Ftiming\u002Fquant-timing-intro\u002FSKILL.md",[],[68,69,70],"intro","quant","quant timing intro",{"skillNo":72,"name":73,"nameZh":6,"description":74,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":9,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":75,"categories":76,"keywords":78,"publishedAt":26},"01M6CVMA0PCR0XX1QD0CVWVT6H","market-sentiment-timing","市场情绪择时策略，基于投资者情绪指标和主成分分析构建情绪指数。适用于需要利用市场情绪进行大盘择时的场景。","https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Ftiming\u002Fmarket-sentiment-timing\u002FSKILL.md",[77],{"categoryNo":18,"categoryName":19,"taxonomyType":20,"taxonomyTypeDesc":21},[79,80,81],"sentiment","Market","market sentiment timing",{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":9,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":89,"publishedAt":26},"01M6CVM8AWSZCXGFYTCMZT55FA","hurst-timing","Hurst指数择时模型，基于分形市场理论和R\u002FS分析方法判断市场趋势拐点。适用于需要识别市场长期记忆性和趋势转折的场景。","https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Ftiming\u002Fhurst-timing\u002FSKILL.md",[88],{"categoryNo":18,"categoryName":19,"taxonomyType":20,"taxonomyTypeDesc":21},[90],"hurst timing",{"skillNo":92,"name":93,"nameZh":6,"description":94,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":9,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":95,"categories":96,"keywords":98,"publishedAt":26},"01M6CVM73396Z6EA2CMQQ6S7KW","bull-bear-line","牛熊线择时模型，基于几何布朗运动理论判断大盘牛熊转换。适用于需要识别市场重大转折点的场景。","https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Ftiming\u002Fbull-bear-line\u002FSKILL.md",[97],{"categoryNo":18,"categoryName":19,"taxonomyType":20,"taxonomyTypeDesc":21},[99],"bull bear line",{"skillNo":101,"name":102,"nameZh":6,"description":103,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":9,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":104,"categories":105,"keywords":106,"publishedAt":26},"01M6CVM5W2Q00MQ0S8MXYYRTG6","style-rotation","风格轮动策略指南，包括价值\u002F成长风格、大小盘风格的轮动规律和量化模型。适用于需要理解和实施A股市场风格轮动投资的场景。","https:\u002F\u002Fgithub.com\u002FFeiCoder\u002FSkill-Factory\u002Fblob\u002Fmain\u002Fproduced_skill\u002Fstock-selection\u002Fstyle-rotation\u002FSKILL.md",[],[107],"style rotation"]