第 3 · 22 分钟
资产类别与 ETF 代理
股票、债券、商品、外汇、加密货币 — Quant Buffet 如何在回测中表示它们。
资产类别是受同一批经济力量驱动的投资大类。真实组合会混合多个类别，使任何单一力量都无法一次击穿全部持仓。在 Quant Buffet 中，你交易 backtest.universes 里的 ETF 代理：流动性好、模拟成本低，且可在整个策略库内横向比较。
Equities
Ownership in companies. Quant Buffet uses liquid ETF proxies (SPY, QQQ, sector XLE/XLK…).
Lab tickers: SPYQQQIWMXLKEFA
Risk note: High growth potential; drawdowns can be sharp.
为何用 ETF 而非个股？
- 流动性 — SPY 每日成交额达数百亿美元，因此数个基点的滑点模型是现实的。
- 分散 — 一个代码即可覆盖数百只标的。
- 存活偏差 — 指数会替你剔除衰败成分，而 ETF 继续交易。
- 一致性 — 整个白名单使用同一数据源。
- 教学聚焦 — 你学的是*策略逻辑*，而非个股噪声。
压力之下各类资产的真实表现
| 类别 | 实验室代理 | 主要驱动 | 历史大致最差跌幅 |
|---|---|---|---|
| 美国大盘股 | SPY、VOO | 盈利 + 风险偏好 | 约 -55%（2007–2009） |
| 美国科技 / 成长 | QQQ、XLK | 长久期盈利、利率 | 纳指约 -83%（2000–2002） |
| 长期国债 | TLT | 利率、通胀 | 自 2020 年高点至 2023 年约 -48% |
| 类现金 | BIL | 政策利率 | 基本持平 |
| 黄金 | GLD | 实际利率、避险需求 | 约 -45%（2011–2015） |
| 宽基商品 | DBC、GSG | 增长 + 供给冲击 | 约 -75%（2008–2020） |
| 新兴市场股票 | EEM、VWO | 美元、全球增长 | 约 -65%（2007–2008） |
| 加密货币 | BTC-USD | 流动性与情绪周期 | 约 -84%（2017–2018） |
真实示例：2022 年打破了经典对冲
在长达二十年的时间里，「股跌债涨」大致成立——SPY 与 TLT 在 2000–2020 年多数时间负相关，这正是 60/40 组合让人安心的原因。然后通胀来了。2022 全年标普 500 约跌 18%，同时长期国债约跌 31%，60/40 投资者大约亏损 17%，无处避险。而当年最强的板块是能源：XLE 回报约 +64%，XLK 则约 -28%。
这一年留下两条经久有效的教训。第一，相关性是「机制属性」而非常数——假设债券永远对冲股票，本质上是在假设某种货币机制。第二，按「驱动因素」分散优于按「代码数量」分散：同时持有 SPY、QQQ 与 XLK 只是一个赌注换了三个名字，而持有 SPY、TLT、GLD 与 DBC 才是四个。
真实示例：黄金赢得席位的那一年
2008 年 SPY 回报约 -37%，而 GLD 约 +5%。仅凭这一年，黄金就出现在了大量 RISK_ON_OFF 资产池中。但 2011–2015 年是另一面：黄金自高点跌约 45%，同期股票稳步上涨。「危机中帮忙、扩张中拖累」的资产其实正在履行职责——你只需把它当作保险来配置，而不是当作收益引擎。
代码中的命名资产池
from backtest.universes import US_SECTORS_FULL, BONDS, MULTI_ASSET, RISK_ON_OFF
# 这些资产池就是普通 Python 列表 —— 可查看、切片或组合
# RISK_ON_OFF = ["SPY", "QQQ", "TLT", "IEF", "GLD", "BIL"]
# MULTI_ASSET = ["SPY", "EFA", "EEM", "VNQ", "DBC", "GLD", "TLT", "IEF", "HYG"]
# 板块轮动 + 防御仓（实验室上限 15 个标的）
ASSETS = ["XLK", "XLF", "XLE", "XLV", "TLT", "GLD", "BIL"]| 资产池常量 | 大致内容 | 典型用途 |
|---|---|---|
RISK_ON_OFF | 股票、久期、黄金、现金 | 在进攻与防御之间切换 |
US_SECTORS_FULL | 全部 11 个 SPDR 板块 | 板块动量与轮动 |
GLOBAL_EQUITY | 美国、发达、新兴、日本、中国 | 跨国动量 |
BONDS | 短久期到长久期，外加信用债 | 久期择时、风险平价 |
COMMODITIES | 金属、能源、农产品 | 通胀与危机对冲 |
MULTI_ASSET | 横跨四大类的九个仓位 | 均衡配置研究 |
CRYPTO_PROXY | BTC-USD、ETH-USD | 加密动量论文 |
费用是资产的一部分，不是脚注
| ETF | 大致管理费 | 说明 |
|---|---|---|
VOO | 约 0.03% | 最便宜的美国宽基敞口 |
SPY | 约 0.09% | 最老、流动性最好的美国 ETF（1993 年） |
XLE 等板块 ETF | 约 0.09% | 便宜到足以支撑月度轮动 |
TLT | 约 0.15% | 久期敞口 |
GLD | 约 0.40% | 实物黄金托管 |
EEM vs VWO | 约 0.70% vs 约 0.08% | 敞口几乎相同，费率相差悬殊 |
进入第 4 课前 — 您应能够
- 说出每个资产类别背后的驱动因素，而不只是代码。
- 解释为何 2022 年是「债券对冲」的标准反例。
- 区分按代码分散与按风险分散。
- 从
backtest.universes中挑出与策略经济逻辑匹配的资产池。