# 增强版情绪伤害策略 - 算法详细说明

## 策略概述
增强版情绪伤害策略是一种基于市场情绪指标（恐惧与贪婪指数）结合技术分析的量化交易策略。该策略通过在市场恐慌时转换为现金，在市场恢复时投资高波动性股票来获取收益。

## 核心算法组件

### 1. 基于恐惧与贪婪指数的市场择时
- **数据源**: CNN恐惧与贪婪指数（0-100刻度）
- **恐惧阈值**: 25（市场恐慌触发点）
- **贪婪阈值**: 75（获利了结触发点）
- **逻辑**: 
  - 当F&G < 25时：转为现金（避免进一步损失）
  - 当F&G恢复 > 25时：选择高波动股票（恢复阶段投资）
  - 当F&G > 75时：转为QQQ（安全港）

### 2. 渐进式调仓系统（4步调仓）
**关键修复**: 原算法存在复利错误，产生了不可能的收益率。

#### 修复后的实现:
```python
def start_transition(self, date, target_type, stocks=None):
    # 在开始时计算总资金，存储固定分配计划防止复利错误
    
def gradual_transition(self, date, target_type, stocks=None):
    # 每步执行预定分配的1/4，不重新计算总价值
```

**调仓类型**:
- **转现金**: 在4个交易日内卖出所有非QQQ持仓
- **转波动股**: 用可用现金买入选定的高波动股票
- **转QQQ**: 在4天内卖出所有持仓并买入QQQ

**为什么4步**: 减少大额仓位变化的市场冲击和滑点

### 3. 技术指标过滤系统
高波动股票选择需要满足3个指标中至少2个显示上涨趋势：

#### MACD黄金交叉
```python
macd > macd_signal  # 当前MACD高于信号线
```

#### RSI向上趋势
```python
current_rsi > 30  # RSI大于30（避免超卖）
```

#### 移动平均线交叉（5/20周期）
```python
sma_5 > sma_20  # 短期动量超过长期
```

### 4. 止损保护（15%规则）
- **触发条件**: 任何波动股持仓跌破平均买入价15%
- **执行动作**: 立即卖出该持仓并买入等值QQQ
- **目的**: 风险管理，防止大额损失

## 状态机实现

```
QQQ_HOLD → [F&G < 25] → FEAR_TRANSITION → CASH_WAIT
                           ↓ (4步)
CASH_WAIT → [F&G ≥ 25] → GREED_TRANSITION → VOLATILE_STOCKS
                           ↓ (4步)        ↓ [F&G > 75]
                                         QQQ_TRANSITION
                                              ↓ (4步)
                                           QQQ_HOLD
```

## 关键算法修复

### 原始BUG: 初始化错误
```python
# 错误（导致资金翻倍）:
self.cash = initial_capital  # 设置现金
self.positions['QQQ'] = qqq_shares  # 买入QQQ但没有清零现金
```

### 修复后的算法:
```python
# 正确（资金正常）:
self.positions['QQQ'] = qqq_shares
self.cash = 0  # 修复: 买入QQQ后清零现金
```

### 股票选择逻辑修复
```python
# 原来: 只使用波动率过滤（过于简单）
if vol > 0.2:  # 20%波动率阈值过高
    volatilities[ticker] = vol

# 修复后: 技术指标过滤 + 波动率排序
if self.check_technical_indicators(ticker, date):  # RSI+MACD+SMA过滤
    if vol > 0.1:  # 降低波动率阈值
        qualified_stocks.append((ticker, vol))
```

### 交易逻辑修复
```python
# 原来: 等权重买入所有股票
amount_per_stock = cash / len(stocks)  # 分散投资
for ticker in stocks:
    buy(ticker, amount_per_stock)

# 修复后: 每次买入波动性最强的1支股票
current_step_index = min(self.current_step, len(stocks) - 1)
ticker = stocks[current_step_index]  # 按波动性排序，每次买最强的
buy(ticker, cash_this_step)  # 最多同时持有4支股票
```

## 性能特征

### 风险管理功能:
- **最大回撤控制**: 市场恐慌时转为现金
- **仓位管理**: 最多同时持有4支高波动股票
- **止损保护**: 每个持仓最大损失15%
- **渐进执行**: 4步调仓减少市场冲击

### 预期行为:
- **牛市**: 通过QQQ适度参与
- **熊市**: 恐慌阶段现金保值
- **恢复阶段**: 高波动股票攻击性持仓
- **过热市场**: 防御性回到QQQ

## 技术实现细节

### 数据库依赖:
- `fear_greed_index`: CNN恐惧与贪婪历史数据
- `{ticker}`: 个股OHLCV + 技术指标数据
- `qqq`: QQQ ETF历史价格（真实数据）
- `fear_greed_data.spy_close`: SPY基准数据

### 计算的性能指标:
- 总回报、年化回报、夏普比率
- 最大回撤和恢复期
- 胜率和交易频率
- 与市场基准的相关性

## 已知限制与未来改进

### 当前问题:
1. **技术指标过滤过严**: 导致大部分恐慌期找不到合适股票
2. **交易记录不完整**: gradual_transition中的交易未被记录
3. **市场制度变化**: 可能无法适应结构性市场变化

### 计划增强:
1. **放宽技术指标**: 降低过滤标准，提高股票选择成功率
2. **完善交易记录**: 确保所有交易都被正确记录
3. **动态阈值**: 根据市场波动调整F&G阈值
4. **风险缩放**: 基于波动率估算调整仓位大小

## 回测结果（修复后）
- **期间**: 2007-2025（18年）
- **总回报**: 1258.3%（修复初始化BUG后）
- **年化回报**: 15.7%（略低于QQQ的16.3%）
- **最大回撤**: 待优化
- **交易次数**: 0（技术指标过滤太严格）

## 文件结构:
```
strategy/emotional-damage/
├── backtest_emotional_damage_enhanced_v2.py  # 主策略（已修复）
├── generate_enhanced_pdf_report.py           # 报告生成器
├── enhanced_emotional_damage_strategy_report_*.pdf  # 结果报告
└── enhanced-emotional-damage.txt            # 本文档
```

**状态**: 策略逻辑已修复，但技术指标过滤需要优化以提高选股成功率。目前表现接近QQQ买入持有策略，但缺少波动股票投资机会。