量化交易入门：手把手教你用两支ETF实现调仓套利

原创不易，转载请标明出处及原作者。

写在前面的话：今天我分享一个ETF调仓套利策略。它利用月末机构调仓的规律，在TLT和SPY间做对冲交易，追求稳定的小收益。代码简单，我手把手教你回测和优化，适合新手入门。不用复杂模型，就能捕捉市场机会！

一、月末调仓套利策略揭秘

很多人觉得，想在股市里赚钱，就得搞点高深莫测的东西。什么AI预测、高频交易、深度学习……听着就头大。

其实啊，真正的“印钞机”策略，往往藏在最不起眼的地方。

今天我要分享的，就是一个“傻瓜式”策略——每个月只动两次手，就能从市场里“薅羊毛”。

它不靠猜明天是涨是跌，也不靠听专家喊“牛市来了”。它靠的是——基金公司月底“装门面”的老毛病。

你没听错，就是那些管理着几百亿、几千亿资金的大佬们，每到月底、季末，都会偷偷调整一下自己的持仓，让报表看起来更漂亮。

比如，卖掉表现差的股票，多买点涨得好的；或者，为了显得“稳健”，临时买点国债。

这一买一卖，就会让市场在特定时间点出现“小波动”。而我们，就是要抓住这些“小波动”，稳稳地赚点小钱。

这个策略的核心，就是两只ETF：

TLT：跟踪美国长期国债，相当于“避风港”，股市跌的时候它常涨。
SPY：跟踪标普500指数，代表美国大盘股，股市涨它就涨。

这两兄弟，平时走势经常“对着干”，简直是天生一对。

我们的操作很简单：

每月倒数第7个交易日：买TLT，卖空SPY
下个月第一个交易日：卖TLT，买回SPY
再过一周：全部平仓

就这么简单。不用盯盘，不用分析财报，不用研究宏观经济。只要记住两个日子，按计划操作就行。

这叫“市场中性策略”——不赌大盘涨跌，只赚两只ETF之间的“相对差价”。

好处是啥？风险低啊！就算2022年那种熊市，股市和债市一起跌，但它们跌的速度不一样，我们照样能赚到“剪刀差”。

二、为什么这个策略能“偷懒赚钱”？

说白了，这就是在“薅机构的羊毛”。

基金公司年底或季末要发报告，老板和客户都要看。他们不想看到自己重仓了一堆“垃圾股”，所以会做点“美化”。

比如：

卖掉最近表现差的股票，换成涨得好的。
临时买点国债，显得“风控做得好”。

这种行为，在金融圈有个专有名词——“窗口装饰”（Window Dressing）。

听起来很专业，其实就是“临考前突击背书”。

历史上就有经典案例：

2008年雷曼兄弟：季度末用“Repo 105”把负债暂时移出报表，假装自己没那么危险。
普通公募基金：季末狂卖亏损股，猛买明星股，导致股价被“扭曲”几个百分点。
保险公司：月底集中买国债，推高价格，导致国债最后几天平均能涨0.25%。

这些行为，都是有规律可循的。而我们的策略，就是专门抓这些“规律”。

这不是赌博，这是利用人性弱点赚钱。

三、手把手教学

下面，我手把手带你用Python把这个策略跑起来。全程代码清晰，注释详细，照着敲就能跑。

第一步：安装必备工具包

打开你的Python环境（推荐Jupyter Notebook或Google Colab），先装这几个库：

pip install yfinance pandas numpy vectorbt

如果你不会装，直接去Google Colab，新建一个Notebook，粘贴代码就能跑，完全免费！

第二步：导入数据（2010年至今）

这段代码从2010年到现在下载TLT和SPY的数据。yfinance库能自动从雅虎财经抓数据，超级方便。

import yfinance as yf
import pandas as pd
import numpy as np
import vectorbt as vbt

# 设置时间范围
start_date = "2010-01-01"
end_date = pd.Timestamp.today().strftime("%Y-%m-%d")  # 自动获取当前日期
symbols = ["TLT", "SPY"]  # 我们要操作的两只ETF

# 下载收盘价
try:
    price_data = yf.download(symbols, start=start_date, end=end_date, auto_adjust=False)["Close"]
except Exception as e:
    print(f"下载数据失败: {e}")
    # 可以换Alpha Vantage等其他数据源

# 填充缺失值（比如节假日）
price_data = price_data.fillna(method='ffill').dropna()

第三步：找关键交易日

我们要找的是：

每个月倒数第7个交易日（开仓日）
每个月第一个交易日（平仓+反向开仓日）
平仓日之后第7个交易日（最终平仓日）

代码如下：

dates = price_data.index
year_month = dates.to_period('M')
grouped = pd.DataFrame({"dt": dates, "ym": year_month}).groupby("ym")["dt"]

first_trading_days = grouped.first().values  # 每月第一个交易日
last_trading_days = grouped.last().values    # 每月最后一个交易日

# 定义函数：找前面第N个交易日
def get_prev_trading_day_idx(trading_dates, base_dates, offset):
    idx = []
    trading_dates = pd.Series(trading_dates)
    for d in base_dates:
        pos = trading_dates.searchsorted(d)  # 找到插入点
        prev_idx = pos - offset
        if prev_idx >= 0:
            idx.append(trading_dates.iloc[prev_idx])
    return pd.DatetimeIndex(idx)

# 定义函数：找后面第N个交易日
def get_offset_trading_day_idx(trading_dates, base_dates, offset):
    idx = []
    trading_dates = pd.Series(trading_dates)
    for d in base_dates:
        pos = trading_dates.searchsorted(d)
        target_idx = pos + offset
        if target_idx < len(trading_dates):
            idx.append(trading_dates.iloc[target_idx])
    return pd.DatetimeIndex(idx)

# 计算关键日期
pre_end_idx = get_prev_trading_day_idx(dates, last_trading_days, 7)   # 7天前开仓
month_start_idx = get_offset_trading_day_idx(dates, last_trading_days, 1)  # 月初反向
week_after_start_idx = get_offset_trading_day_idx(dates, month_start_idx, 7)  # 一周后平仓

第四步：创建交易信号

我们创建一个信号表，告诉程序什么时候买、什么时候卖。

# 初始化信号表
signals = pd.DataFrame(
    index=dates,
    columns=pd.MultiIndex.from_product([symbols, ['long_entry', 'long_exit', 'short_entry', 'short_exit']]),
    data=False
)

# 开仓信号：月底前7天，买TLT，卖SPY
signals.loc[pre_end_idx, ("TLT", "long_entry")] = True
signals.loc[pre_end_idx, ("SPY", "short_entry")] = True

# 反向开仓信号：月初，卖TLT，买SPY
signals.loc[month_start_idx, ("TLT", "short_entry")] = True
signals.loc[month_start_idx, ("SPY", "long_entry")] = True

# 平仓信号：月初平掉第一笔，一周后平掉第二笔
signals.loc[month_start_idx, ("TLT", "long_exit")] = True
signals.loc[month_start_idx, ("SPY", "short_exit")] = True
signals.loc[week_after_start_idx, ("TLT", "short_exit")] = True
signals.loc[week_after_start_idx, ("SPY", "long_exit")] = True

# 整理成vectorbt能识别的格式
long_entry = pd.DataFrame({sym: signals[(sym, "long_entry")] for sym in symbols})
long_exit = pd.DataFrame({sym: signals[(sym, "long_exit")] for sym in symbols})
short_entry = pd.DataFrame({sym: signals[(sym, "short_entry")] for sym in symbols})
short_exit = pd.DataFrame({sym: signals[(sym, "short_exit")] for sym in symbols})

这些函数帮你精准定位交易点，避免错过时机。

第五步：回测策略

最后，我们用vectorbt回测，看看策略表现。假设起始资金10万美元。代码如下：

# 开始回测，初始资金10万美金
pf = vbt.Portfolio.from_signals(
    price_data,
    entries=long_entry,
    exits=long_exit,
    short_entries=short_entry,
    short_exits=short_exit,
    freq='D',
    size_type=1,      # 用百分比下单
    size=np.inf,      # 无限资金（简化版，实际可用size=1）
    init_cash=100_000
)

# 输出统计结果
print(pf.stats())

运行完，你会看到类似这样的结果：

是不是看着不高？别急，这可是15年无脑操作的结果，而且最大回撤只有9%，风险极低。

对比一下，同期买入持有SPY，年化可能有7-8%，但最大回撤能到30%以上。

我们这个策略，胜在稳。

四、进阶玩法

上面的代码是基础版，如果你想让它更赚钱，可以试试这些改进：

1. 调整开仓时间

原版是“月底前7天”，你可以改成“前3天”或“前10天”，看看哪个效果更好。

pre_end_idx = get_prev_trading_day_idx(dates, last_trading_days, 3)  # 改成3天前

2. 换ETF组合

除了TLT和SPY，还可以试试：

IEF（中期国债） + SPY
QQQ（纳斯达克） + TLT
AGG（综合债券） + QQQ

不同的组合，有不同的“剪刀差”。

3. 加个“趋势过滤器”

如果最近一个月，TLT涨得比SPY多，我们就执行策略；否则，休息。

# 计算20日涨幅
tlr_change = price_data['TLT'].pct_change(20)
spy_change = price_data['SPY'].pct_change(20)

# 只有当TLT涨得更多时，才开仓
trade_filter = tlr_change > spy_change

# 应用到开仓信号
long_entry_filtered = long_entry & trade_filter
short_entry_filtered = short_entry & trade_filter

这样能避免在“极端行情”下亏钱。

4. 加入手续费和融券成本

现实中，卖空SPY是要付利息的，大概每年0.3%-1%。我们可以模拟一下：

pf = vbt.Portfolio.from_signals(
    price_data,
    entries=long_entry,
    exits=long_exit,
    short_entries=short_entry,
    short_exits=short_exit,
    freq='D',
    size_type=1,
    size=np.inf,
    init_cash=100_000,
    fees=0.001,         # 每笔交易0.1%手续费
    short_fees=0.0005   # 卖空费，按日计算（约0.5%/年）
)

加上成本后，收益会略降，但更贴近现实。

五、观点总结

总的来说，这是一个“低风险、低收益、高稳定”的策略。它不适合追求暴富的人，但非常适合：

想学量化交易的新手。
不想天天盯盘的上班族。
希望资产稳健增值的保守派。

它最大的优点是：简单、透明、可验证。你不需要相信任何“大师”，只需要相信数据和代码。

每月只操作两次，省时省力，适合懒人。
利用基金“窗口装饰”行为，赚取市场“小波动”。
代码开源，小白照抄就能跑，附带详细注释。
风险极低，最大回撤不到10%，适合保守投资者。
可优化空间大，换ETF、调时间、加过滤器，都能提升收益。

#关键词

#Python量化 #ETF交易 #基金调仓 #月度策略 #躺赚策略 #投资理财 #量化交易入门 #Python代码 #金融干货 #A股美股 #被动收入 #投资小白 #回测教程 #市场中性 #低风险高收益 #低风险投资 #对冲套利

本文代码我已经尽量写得简单易懂，大家可以直接复制使用。如果对文中内容有任何疑问，欢迎留言，我会尽快回复。祝您投资顺利，收益长虹！

本文内容仅限技术探讨和学习，不构成任何投资建议。

Contact：

量化交易入门：手把手教你用两支ETF实现调仓套利

一、月末调仓套利策略揭秘

二、为什么这个策略能“偷懒赚钱”？

三、手把手教学

第一步：安装必备工具包

第二步：导入数据（2010年至今）

第三步：找关键交易日

第四步：创建交易信号

第五步：回测策略

四、进阶玩法

1. 调整开仓时间

2. 换ETF组合

3. 加个“趋势过滤器”

4. 加入手续费和融券成本

五、观点总结

Be First to Comment

发表回复取消回复

量化交易入门：手把手教你用两支ETF实现调仓套利

一、月末调仓套利策略揭秘

二、为什么这个策略能“偷懒赚钱”？

三、手把手教学

第一步：安装必备工具包

第二步：导入数据（2010年至今）

第三步：找关键交易日

第四步：创建交易信号

第五步：回测策略

四、进阶玩法

1. 调整开仓时间

2. 换ETF组合

3. 加个“趋势过滤器”

4. 加入手续费和融券成本

五、观点总结

Be First to Comment

发表回复 取消回复

发表回复取消回复