高成交集中度时退出、低集中度再入，能战胜长期持有吗？
用2007年以来的成交集中度与深证成指，检验全进全出、分级仓位、forward return、成本压力和walk-forward样本外表现
发生了什么
截至2026-08-14，前5%个股成交额占比的月内值为48.9433%，已经进入历史高拥挤区间。第一层研究只说明高集中度代表市场成交更集中；本页进一步检验一个更严格的问题：如果把它机械变成退出、回补或分级仓位规则，长期风险收益能否稳定优于深证成指长期持有？
提出的问题
高成交集中度虽然不一定是精确顶部，但是否仍可作为长期仓位管理因子，使高位退出或降仓、低位再入在风险收益比上稳定优于深证成指 Buy & Hold？
核心结果总览
先看关键指标，再用表格横向比较每个方案的收益、回撤、暴露、交易次数和最长持仓。
| 策略 | 总收益 | CAGR | 最大回撤 | Sharpe | Calmar | 调仓次数 | 平均权益仓位 | 完全空仓时间 |
|---|---|---|---|---|---|---|---|---|
| Buy & Hold | 114.07% | 3.96% | -70.98% | 0.285 | 0.056 | 0 | 100.00% | 0.00% |
| 二元 47.5/35.0 | 125.66% | 4.24% | -70.69% | 0.295 | 0.060 | 5 | 93.39% | 6.61% |
| 分级仓位宽区间 100/75/50/25/0 | 136.86% | 4.50% | -64.79% | 0.306 | 0.069 | 58 | 90.78% | 0.00% |
分级仓位在全样本上改善更明显，但正式判断仍以样本外稳定性为优先，不能因为全样本曲线更好就直接升级为有效策略。
| 退出阈值 | 回补阈值 | CAGR | 最大回撤 | Calmar | 调仓次数 | 空仓时间 | 邻域中位CAGR | 邻域中位Calmar |
|---|---|---|---|---|---|---|---|---|
| 45.0% | 35.0% | 3.73% | -71.08% | 0.052 | 11 | 9.53% | 3.62% | 0.048 |
| 45.0% | 37.5% | 2.33% | -75.65% | 0.031 | 11 | 8.29% | 2.93% | 0.040 |
| 45.0% | 40.0% | 2.96% | -74.05% | 0.040 | 11 | 7.35% | 2.97% | 0.041 |
| 45.0% | 42.0% | 3.07% | -74.72% | 0.041 | 11 | 3.91% | 3.14% | 0.042 |
| 47.5% | 35.0% | 4.24% | -70.69% | 0.060 | 5 | 6.61% | 4.05% | 0.055 |
| 47.5% | 37.5% | 3.74% | -70.69% | 0.053 | 5 | 6.21% | 3.74% | 0.053 |
| 47.5% | 40.0% | 3.74% | -70.69% | 0.053 | 5 | 5.73% | 3.74% | 0.053 |
| 47.5% | 42.0% | 3.85% | -71.45% | 0.054 | 5 | 2.29% | 3.79% | 0.053 |
| 49.0% | 35.0% | 3.43% | -70.69% | 0.048 | 5 | 5.84% | 3.96% | 0.055 |
| 49.0% | 37.5% | 2.93% | -70.69% | 0.041 | 5 | 5.44% | 3.68% | 0.052 |
| 49.0% | 40.0% | 2.93% | -70.69% | 0.041 | 5 | 4.95% | 3.68% | 0.052 |
| 49.0% | 42.0% | 3.04% | -71.45% | 0.043 | 5 | 1.51% | 3.79% | 0.053 |
代表参数按邻域Calmar中位数优先，而不是按单点最高CAGR选择；用于降低事后挑选单点冠军的风险。
| 切分 | 测试区间 | 训练期冻结参数 | 策略CAGR | Buy&Hold CAGR | ΔCAGR | 策略Calmar | Buy&Hold Calmar |
|---|---|---|---|---|---|---|---|
| A_3year | 2015-01-01~2017-12-31 | 45.0/35.0 | -4.88% | 0.08% | -4.96pp | -0.098 | 0.002 |
| A_3year | 2018-01-01~2020-12-31 | 47.5/35.0 | 9.42% | 9.42% | 0.0pp | 0.242 | 0.242 |
| A_3year | 2021-01-01~2023-12-31 | 47.5/35.0 | -9.83% | -13.04% | 3.21pp | -0.281 | -0.306 |
| A_3year | 2024-01-01~2026-08-14 | 49.0/35.0 | 14.01% | 16.91% | -2.9pp | 0.743 | 0.897 |
| B_shifted | 2016-01-01~2018-12-31 | 47.5/35.0 | -17.05% | -17.05% | 0.0pp | -0.394 | -0.394 |
| B_shifted | 2019-01-01~2021-12-31 | 47.5/35.0 | 27.43% | 26.99% | 0.44pp | 1.502 | 1.478 |
| B_shifted | 2022-01-01~2024-12-31 | 49.0/42.0 | -11.17% | -11.17% | 0.0pp | -0.241 | -0.241 |
| B_shifted | 2025-01-01~2026-08-14 | 49.0/35.0 | 17.06% | 21.93% | -4.87pp | 0.905 | 1.163 |
每个fold只用训练期结果选参数，再冻结到未来测试期；测试期不能反向参与选参。
| 阈值 | 期限 | 完成样本 | 正收益比例 | 平均收益 | 中位收益 | 平均最大回撤 |
|---|---|---|---|---|---|---|
| ≥45.0% | 6个月 | 4 | 25.00% | -10.92% | -12.12% | -29.39% |
| ≥45.0% | 12个月 | 4 | 0.00% | -20.66% | -13.32% | -43.24% |
| ≥45.0% | 24个月 | 4 | 25.00% | -9.53% | -11.53% | -48.42% |
| ≥45.0% | 60个月 | 4 | 25.00% | -14.39% | -7.56% | -54.68% |
| ≥47.5% | 6个月 | 2 | 50.00% | 34.23% | 34.23% | -14.94% |
| ≥47.5% | 12个月 | 2 | 50.00% | 55.17% | 55.17% | -20.19% |
| ≥47.5% | 24个月 | 2 | 50.00% | 55.42% | 55.42% | -35.39% |
| ≥47.5% | 60个月 | 2 | 50.00% | 18.25% | 18.25% | -48.38% |
| ≥49.0% | 6个月 | 2 | 50.00% | 33.15% | 33.15% | -12.04% |
| ≥49.0% | 12个月 | 2 | 50.00% | 55.78% | 55.78% | -18.94% |
| ≥49.0% | 24个月 | 2 | 50.00% | 55.05% | 55.05% | -33.92% |
| ≥49.0% | 60个月 | 2 | 50.00% | 20.93% | 20.93% | -47.23% |
使用首次向上穿越并加12个月冷却去重。高阈值样本数量很少，尤其不能把长周期历史比例解释为稳定概率。
样本与规则
回测口径会影响结果，必须和图表一起阅读。
长期持有、二元择时与分级仓位的风险收益比较
同时比较CAGR与最大回撤，避免只看收益最高的方案。
12个预先指定阈值组合：单点与邻域表现
比较每个核心参数点的CAGR与附近参数的中位CAGR，观察优势是否形成平台。
高集中度独立上穿事件后的中长期平均收益
比较≥45%、≥47.5%、≥49%事件后6至60个月的深证成指平均收益。
Walk-forward：每个测试折相对 Buy & Hold 的 CAGR 差
展示训练期冻结参数后，在未来测试期相对长期持有的年化收益差。
交易成本压力：成本不是本策略失效的主要原因
比较0至50bp单边成本下二元与分级策略的CAGR。
先回答问题
不能证明能稳定战胜长期持有。代表二元策略在全样本的CAGR为4.24%，Buy & Hold为3.96%，差距很小；两套walk-forward合计只有25.0%的测试折在CAGR上胜出，Calmar胜出比例也只有25.0%。因此全样本略优不足以支持把成交集中度升级成机械仓位规则。
为什么全样本略胜仍然不够
本研究预先固定了核心阈值网格，并用参数邻域而不是单点冠军选择代表参数。即便如此，完整历史上的小幅优势没有稳定延续到未来测试折。量化研究里，训练期漂亮、样本外不稳定通常比“最高历史收益”更值得重视，因为它提示规则可能依赖少数历史阶段。
2008为什么是不能忽略的反例
2008年高集中度发生在熊市末端附近，而不是典型价格顶部。该事件的集中度约49.1323%，下一交易日开始观察后，12个月深证成指约上涨120.77%。这说明成交集中度描述的是市场交易结构：少数股票吸走大量成交，既可能发生在拥挤上涨后段，也可能发生在极端下跌和风格切换阶段。
退出市场会同时错过上涨
代表二元规则在低仓位期间，逐日归因的错过正收益贡献约为187.89个百分点，规避负收益贡献约为189.26个百分点，两者规模非常接近。退出并不是免费降低风险：避开的下跌和错过的上涨会同时累积，最终结果高度依赖具体退出和回补时点。
分级仓位为什么也不能直接判定有效
预先定义的分级仓位中，历史表现最好的一档是“分级仓位宽区间 100/75/50/25/0”，CAGR为4.5%，最大回撤为-64.79%，Calmar为0.069。它在全样本上比极端全进全出更平滑，但本研究没有用这个全样本赢家重新扩参数继续寻优；在样本外证据不足的前提下，更复杂的仓位梯度不能因为历史曲线更漂亮就被视为可靠。
当前48.9433%应该怎么理解
2026-08-14的月内集中度为48.9433%，已经高于45%和47.5%观察阈值，但2026-08尚未结束。为避免未来信息，本研究没有把这个月内值当作已完成月信号，也没有让它触发历史回测交易。它更适合作为当前市场拥挤度观察，而不是直接交易指令。
研究边界
深证成指是价格指数，实际ETF存在费用、跟踪误差和成交摩擦。本研究使用下一交易日收盘执行，而不是假设月末同一收盘价成交；成本采用简化模型。高阈值独立事件数量很少，60个月forward return的完成样本更少。最终结论只说明当前历史证据不足以支持简单阈值择时，不代表成交集中度对市场结构观察没有价值。
相关研究与方法
继续阅读同主题研究、研究栏目与数据口径说明。