MR-07 · 均值回归

Hurst 过滤均值回归

先用 Hurst 指数判断市场是否处于均值回归状态(H < 0.5),再用 z 分数做均值回归。只在统计上支持回归时交易,避开趋势阶段。

Mean ReversionStatisticalAdaptive

基本信息

适用场景均值回归和趋势交替出现的品种
信号频率每日
典型持有期几天
资产类别指数、大宗商品、外汇
测试市场数10
数据截至2026-11-10

回测结果怎么看

  • 在 10 个市场中的 1 个,近 5 年的年化收益跑赢买入持有。
  • 在 10 个市场中的 10 个,最大回撤比买入持有更小。
  • 夏普最高的市场:USO(夏普 0.57,年化 5.4%)。
  • 表现最弱的市场:ETH-USD(夏普 -0.39,年化 -17.7%)。

权益曲线

0.542.795.057.309.55 201020122014201620182020202220242026
Hurst 过滤均值回归 买入持有 · SPY, 2010-01-04 → 2026-11-10, 起点归一为 1

评分与风险画像

Arena Score: 43.6SPY, 近 5 年
收益质量 · 30%22
回撤控制 · 25%58
稳定性 · 20%51
稳健性 · 15%29
统计可信度 · 10%79

每一项都是和同一市场、同一窗口内所有策略比较的百分位(100 为最好)。

大跌行情中的表现(SPY)

时期策略买入持有
2018 年四季度下跌-2.6%-19.2%
新冠暴跌(2020 年 2–3 月)0.0%-33.7%
2022 年熊市+4.1%-24.5%
市场在 200 日均线上方时(年化) · 81%+0.3%+12.5%
市场在 200 日均线下方时(年化) · 19%+11.8%+19.8%

大跌时期按美股划分。是否在 200 日均线上方用前一天的状态判断,不存在未来函数。

样本外检验(SPY)

检验项数值
选出的参数在各自 3 年训练期里的平均夏普0.86
同一组参数在之后 6 个月真正交易时的夏普0.53
同样这些月份一直用默认参数的夏普0.27
重新选参次数 / 参数实际更换次数28 / 5
全部历史上夏普为正的参数组数9 组中 9 组
各组参数的夏普:最低 / 中位数 / 最高0.32 / 0.48 / 0.55

样本外区间从 2013-01-04 开始。训练期的数字因为是从 9 组参数里挑最好的,一定偏好看;样本外的数字才是策略真正赚到的。下降很多,或者只有某一组参数好,都是过拟合的信号。滚动前推测试是怎么做的。

各市场结果(近 5 年)

市场年化收益买入持有年化夏普最大回撤买入持有最大回撤波动率Arena Score
USOUnited States Oil Fund5.4%20.2%0.57-19.8%-36.2%10.2%50
SPYSPDR S&P 5002.2%11.6%0.37-10.7%-24.5%6.5%44
DBCInvesco DB Commodity Index2.2%10.8%0.36-10.6%-27.3%6.6%51
SLViShares Silver Trust0.8%15.2%0.13-33.2%-57.8%14.8%38
GLDSPDR Gold Shares0.5%16.4%0.11-12.5%-28.3%6.9%32
UNGUnited States Natural Gas-1.5%-30.7%0.08-39.4%-93.3%28.3%83
DBAInvesco DB Agriculture-0.4%8.8%-0.06-8.8%-15.9%4.2%27
BTC-USDBitcoin-8.7%2.6%-0.22-51.4%-75.9%19.8%8
EURUSD=XEUR/USD-1.1%-0.7%-0.32-7.1%-17.2%3.3%25
ETH-USDEthereum-17.7%-15.1%-0.39-69.0%-79.0%25.7%14

策略指标基于日收益,未扣除交易成本;买入持有为同一市场、同一窗口的数据。按夏普比率排序。

SPY 在不同时间窗口的表现

窗口总收益年化收益夏普索提诺最大回撤上涨日占比交易数
近 1 年+2.4%2.4%1.320.000.0%1%2
近 3 年+0.5%0.2%0.060.02-7.2%2%6
近 5 年+11.3%2.2%0.370.14-10.7%4%20
全部历史+48.7%2.4%0.530.16-10.7%2%44

交易规则

Entry

Only trade when H < 0.55 (mean-reverting)
Buy when Z < -1.5

Exit

Exit when Z > -0.3
Or when trending and Z > 0

Indicators

Hurst exponent via R/S analysis
Z-score

Inputs

Hurst_Window = 120
Hurst_Threshold = 0.55
Lookback = 40
Entry_Z = 1.5

Position sizing

Fixed 100% allocation

Risk controls

Regime detection prevents trend-fighting

策略证据

下面只列出可用的已校验证据包;没有证据不代表通过验证。

证据覆盖范围

已校验 10 / 10 个预定策略与市场组合

备注

  • H < 0.5:均值回归(反持续性)
  • H = 0.5:随机游走
  • H > 0.5:趋势(持续性)
  • 用 R/S 分析估计 Hurst 指数

相关策略

嵌入这个评分

可以放进博客文章、README 或论坛签名,徽章会随每日数据自动更新。

<a href="https://quantarenas.com/strategy/mr-07-hurst-filtered-mean-reversion/"><img src="https://quantarenas.com/badge/mr-07-hurst-filtered-mean-reversion.svg" alt="Hurst-Filtered Mean Reversion Arena Score on Quant Arena" height="20"></a>
[![Hurst-Filtered Mean Reversion Arena Score](https://quantarenas.com/badge/mr-07-hurst-filtered-mean-reversion.svg)](https://quantarenas.com/strategy/mr-07-hurst-filtered-mean-reversion/)

回测是基于日线数据的历史模拟,未计入佣金和滑点,不代表未来收益,也不构成投资建议。每个策略的测试方法见方法论。

订阅每周 Arena 周报

每周一封邮件:排名变化、新信号和新研究。不发垃圾邮件,随时可以退订。