CSI300 通道策略失效诊断与 regime-aware 阈值研究

[hilr]

背景

CSI300（000300）触下轨买入策略（close ≤ MA120 − 1.5σ）60 日胜率仅 ~50%，最大浮亏 −30%。同策略在 512890（红利低波）上胜率 93%、最大浮亏 −5%。差异巨大，需诊断原因并探索改进方向。

研究路径

1. 牛市段波动率特征（2024-09-24+） — 415 个交易日：偏度 +0.28（正偏）、超峰 +10.6（厚尾）、年化 vol 19.9%。Jarque-Bera 强烈拒绝正态。
2. Zigzag 切分全历史 — 用 15% 阈值切 CSI300（2002-2026），得 52 段（26 牛 + 26 熊）。
3. 每段日收益率分布 — Bull 平均 +54%/skew +0.18/kurt +2.05；Bear 平均 −27%/skew −0.04/kurt +0.75。波动率几乎对称，差别在偏度方向。
4. 偏态分布的阈值理论 — 整理 normal / CF (Cornish-Fisher) / empirical 三种方法。
5. 三种方法在 CSI300 全历史对比 — z_obs 全样本是扁峰（kurt=−0.88），normal/CF 都欠触发，empirical 才校准正确。命中关系：normal ⊂ CF ⊂ empirical。
6. z_obs 按 regime 切开 — Bull mean=+0.74/skew −0.29；Bear mean=−0.70/skew +0.43。均值位移 1.44σ，偏度反向，左尾阈值差 0.62σ。
7. per-regime 阈值回测（hindsight 上界） — 胜率 53% → 71%，60d 均值 −0.2% → +6.4%，平均浮亏 −9% → −6%。

核心结论

• z_obs 不是正态，是扁峰：用 normal/CF 阈值都会少触发
• z_obs 分布在牛/熊里形态完全不同：固定 k 的"3σ 事件"在不同 regime 里意义完全不同
• per-regime 阈值潜力巨大（hindsight 上界）：胜率/收益/回撤全面提升
• 问题不在阈值高低，在 regime 敏感性：fixed_emp 比 fixed_k15 收益还低就证明了这点

本次提交范围

只提交研究文档（docs/），不改代码：

• docs/algo_notes.md：新增「布林带通道策略优化探索（CSI300，2026-06）」章节（背景、3 个尝试方向、未尝试方向、推荐顺序）
• docs/csi300/2024-09-24~至今.md：牛市段波动率分布详细统计
• docs/csi300/regime_threshold_research.md：完整研究日志（7 个 step + 数据产物清单 + 待办）

数据产物（不提交，在 /mnt/dataset/）

• csi300_regime/zigzag_t15_segments.csv — 52 段牛熊区间
• csi300_regime/zigzag_t15_segment_stats.csv — 每段日收益率分布
• csi300_regime/zobs_by_segment.csv — 每段 z_obs 分布
• csi300_zigzag.png / threshold_compare_000300.png — 可视化

待办（后续 issue）

• B：滚动 252 天算 z_obs 动态阈值（不依赖 regime 识别，完全因果）
• C：因果版 regime 识别 + per-regime 阈值
• 把阈值方法接入 plots/channel_entry_signals.py 加 --threshold-mode 开关