聚宽平台如何结合风险平价（波动率倒数）与动量信号动态配置全球 ETF 权重？

策略核心逻辑

本策略结合了动量效应（Momentum）与风险平价（Risk Parity，此处采用波动率倒数简化模型），旨在实现全球多资产的稳健配置。具体逻辑如下：

1. 资产池构建：选取代表全球不同权益市场及避险资产的 5 只 ETF：
   • 纳指 ETF（513100.XSHG）
   • 标普 500 ETF（513500.XSHG）
   • 沪深 300 ETF（510300.XSHG）
   • 中证 500 ETF（510500.XSHG）
   • 黄金 ETF（518880.XSHG）
2. 动量信号过滤：计算各资产过去 20 个交易日的收益率。若收益率大于 0，则判定该资产具备正向动量，纳入可买入池；若收益率小于等于 0，则不予配置。
3. 风险平价权重分配（波动率倒数）：对通过动量过滤的资产，计算其过去 20 个交易日的日收益率标准差（波动率）。资产的配置权重与其波动率成反比（即波动率倒数法），以此降低高波动资产的风险敞口，使各资产对组合的风险贡献相对均衡。
4. 动态调仓：采用按月调仓机制（每月第一个交易日），避免频繁交易产生的摩擦成本。

聚宽 Python 策略源码

请在聚宽回测环境中运行以下完整代码：

import numpy as np
import pandas as pd
from jqdata import *

def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    
    # 设定交易税费：买入万分之三，卖出万分之三（ETF不收印花税）
    set_order_cost(OrderCost(close_tax=0.0, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='fund')
    
    # 全球资产池（纳指ETF、标普500ETF、沪深300ETF、中证500ETF、黄金ETF）
    g.assets = [
        '513100.XSHG',  # 纳指ETF
        '513500.XSHG',  # 标普500ETF
        '510300.XSHG',  # 沪深300ETF
        '510500.XSHG',  # 中证500ETF
        '518880.XSHG'   # 黄金ETF
    ]
    
    # 动量与波动率计算周期（20个交易日，约1个月）
    g.momentum_window = 20
    g.volatility_window = 20
    
    # 每月第一个交易日开盘运行调仓
    run_monthly(rebalance, monthday=1, time='9:30')

def rebalance(context):
    # 获取历史价格数据
    hist = history(g.momentum_window + 1, unit='1d', field='close', security_list=g.assets, df=True)
    
    # 1. 计算动量信号（过去20个交易日的收益率）
    returns = (hist.iloc[-1] - hist.iloc[0]) / hist.iloc[0]
    
    # 筛选出动量为正的资产
    positive_momentum_assets = returns[returns > 0].index.tolist()
    
    # 记录日志
    log.info("当前具备正向动量的资产: %s" % positive_momentum_assets)
    
    # 如果没有资产具备正向动量，则空仓
    if not positive_momentum_assets:
        log.info("无正向动量资产，清仓避险")
        for asset in context.portfolio.positions.keys():
            order_target(asset, 0)
        return
    
    # 2. 计算波动率倒数权重
    # 计算日收益率
    daily_returns = hist[positive_momentum_assets].pct_change().dropna()
    # 计算日收益率标准差（波动率）
    volatility = daily_returns.std()
    
    # 避免分母为0
    volatility = volatility.replace(0, 0.0001)
    
    # 计算波动率倒数
    inv_vol = 1.0 / volatility
    # 归一化权重，使权重之和为1
    weights = inv_vol / inv_vol.sum()
    
    log.info("各资产目标配置权重:\n%s" % weights)
    
    # 3. 执行调仓
    # 卖出不在目标持仓池中的资产
    current_positions = list(context.portfolio.positions.keys())
    for asset in current_positions:
        if asset not in positive_momentum_assets:
            order_target(asset, 0)
            log.info("卖出非动量资产: %s" % asset)
            
    # 调整目标资产至指定权重
    total_value = context.portfolio.total_value
    for asset in positive_momentum_assets:
        target_value = total_value * weights[asset]
        order_target_value(asset, target_value)
        log.info("调整资产 %s 至目标价值: %.2f" % (asset, target_value))

策略优势与风险提示

1. 多资产分散化：通过跨国别（美股、A股）和跨资产类别（股票、黄金）的配置，天然降低了单一市场系统性崩溃的风险。
2. 风险平价（波动率倒数）的妙用：黄金和美股 ETF 的波动率通常与 A 股股指 ETF 不同。通过波动率倒数分配权重，可以自动给低波动的黄金或标普 500 分配更高权重，给高波动的纳指或中证 500 分配较低权重，使组合整体波动更加平稳。
3. 动量过滤避险：在熊市或单边下跌行情中，动量信号（收益率 < 0）会及时将该资产剔除出买入池，甚至在极端全市场下跌时实现全仓现金避险。
4. 风险提示：在多资产频繁震荡、无明显趋势的“猴市”中，动量信号可能出现反复磨损（追高杀跌）；此外，跨境 ETF 存在折溢价风险，回测时建议开启 set_option('use_real_price', True) 以确保使用真实价格撮合。