TASC 2022.07 Pairs Rotation With Ehlers Loops

策略解读

在量化交易的世界里，如何从一堆相关资产中挑选出当下最强势的那一个，并适时切换到另一个，是一个长期困扰交易者的经典问题。传统上，我们会用相对强弱指标、比值曲线或者动量排序来辅助决策。但这些方法往往存在信号滞后、参数敏感、噪音干扰等缺陷。约翰·埃勒斯（John Ehlers）作为技术分析领域中最擅长处理信号问题的专家，提出了一种与众不同的可视化工具——埃勒斯回环（Ehlers Loops），并将其应用到配对轮动（Pairs Rotation）交易中。

埃勒斯回环的核心思想非常直观：把两个数据流按照某个时间点同时绘制在二维平面上，横轴和纵轴分别代表两个数据流的数值。随着时间推移，数据点会在平面上留下一条连续轨迹。如果两个数据流的走势完全同步，这条轨迹会近似于一条直线；如果两者的相对强弱发生变化，轨迹就会弯曲、缠绕，甚至形成类似“回环”的结构。通过观察回环的旋转方向、形状和扩张速度，交易者可以判断出两者相对关系的拐点，进而决定何时进行资产切换。

在这篇文章中，埃勒斯将这一工具用于配对轮动交易。所谓配对轮动，不是经典的配对交易（做多一个、做空另一个），而是“轮动”——即始终持有当前相对更强的那一个资产，等到强度反转时再切换。例如，在股票与债券之间、两条ETF之间、或者大宗商品之间，都可以运用这种思路。传统方法往往直接比较价格比值，但价格序列本身包含大量噪音，导致信号频繁闪烁。埃勒斯回环则利用信号处理技术对数据流进行平滑和相位分析，从而更稳健地捕捉相对趋势的转变。

本文所依据的策略脚本只是该理念的一种实现。它并不是一个简单的“买入/卖出”公式，而是一个动态的轮动决策框架。交易者需要结合自己的交易周期、资产池和风险偏好，去调整参数并验证效果。下面，我们将从策略逻辑、优缺点、起源发展等角度，对这种“用回环看轮动”的方法进行深度解析。

名词解释

1. 埃勒斯回环（Ehlers Loops）
   约翰·埃勒斯提出的一种可视化工具，将两个时间序列分别作为横纵坐标绘制成二维轨迹。轨迹的环形结构反映了两个数据流之间相对强弱的周期性变化，可用于识别轮动拐点。

2. 配对交易（Pairs Trading）
   一种市场中性策略，通常同时做多一只资产、做空另一只高度相关的资产，以获取两者价差回归的收益。其理论基础是历史相关性在短期内的维持。

3. 配对轮动（Pairs Rotation）
   与配对交易不同，配对轮动并不做空，而是在一组相关资产中始终持有相对强势的一方，当强弱关系发生反转时切换持仓。其目标是捕捉单边的相对趋势，而不是价差回归。

4. 相对强弱（Relative Strength）
   指某个资产相对于另一个资产在同一时间段内的表现差异。通常用价格比值或收益率比值来衡量，是轮动策略的核心依据。

5. 滤波器（Filter）
   在信号处理中，滤波器用于去除或削弱不需要的频率成分，保留目标信号。埃勒斯回环中常使用低通滤波器、带通滤波器等来平滑价格数据，提取循环成分。

6. 相位（Phase）
   指周期信号在某一时刻所处的循环位置。在埃勒斯回环中，回环的旋转方向与相位变化有关，相位前移或滞后可以提示相对趋势的转折。

7. 滞环（Hysteresis）
   指系统的输出不仅取决于当前输入，还与历史路径有关。在回环图中表现为轨迹的缠绕和闭合曲线，利用滞环效应可以降低信号频繁翻转的风险。

策略思路讲解

埃勒斯回环应用于配对轮动的核心逻辑，可以从“数据流比较”和“环向识别”两个层面来理解。

首先，我们需要选定两个具有高相关性的资产，比如两只同行业的股票、黄金与美元指数、或者沪深300和中证500 ETF。为了保证比较的公平性，通常需要将原始价格转化为标准化序列，例如将一定周期内的价格除以移动平均值，或者使用收益率累积序列。这样做的目的是消除绝对价格水平的影响，让两个资产在一个可比的维度上运动。

接下来，我们用滤波器对两个标准化序列进行平滑。埃勒斯在他的多项研究中反复强调，单纯的价格数据往往被市场噪音污染，直接使用会导致指标落后或假信号。因此，他会采用自适应滤波器来提取主要循环周期。经过滤波后的两个序列，一个作为横轴，一个作为纵轴，在二维平面上逐点连接，形成一条随时间延伸的曲线。

在理想情况下，如果两个资产的相对强弱没有变化，这条曲线会围绕某个中心点做随机游走，或表现为一条近似的直线。但当一段时间内资产A明显强于资产B时，曲线会沿某个方向持续扩张，形成向外盘旋的回环；反之，当强弱反转，回环会改变旋转方向或开始收缩。交易者需要观察的，正是这种旋转方向的改变。如果回环由顺时针转为逆时针，通常意味着相对趋势出现了拐点，此时可以将持仓从弱势资产切换到强势资产。

从实战角度看，这种方法的优势在于它不是直接比较两个价格序列的差值，而是通过回环的“几何形态”来反映相对动量的变化。例如，在一个完整的强弱周期中，回环会先呈现顺时针扩张，然后逐渐变平，最后转为逆时针扩张。这种形态转变往往领先于简单的比值突破，因为滤波过程已经压制了部分短周期噪音，使得主要循环相位的变化更容易被识别。

更复杂一点的应用是多资产组合。我们可以把资产池中的所有资产两两配对，分别计算埃勒斯回环的旋转方向，然后通过投票或评分机制，选出当前相对最强的资产进行持有。比如有5只股票，我们逐一比较它们与基准指数的回环状态，如果某只股票的回环持续指示“强于基准”，则优先配置它；一旦指示变弱，则切换至另一个。这种思路本质上是一种“动态排名”，只是将排名依据从简单的动量分数换成了回环相位。

当然，任何策略都不能脱离交易执行。埃勒斯回环提供的是一种判断时机的工具，而不是完整的交易系统。在实际使用中，还需要设定开仓门槛、平仓条件、资金管理规则以及交易成本控制。比如，只有当回环扩张超过一定阈值时才触发切换，以避免噪音引起的频繁交易。或者设置一个“确认期”，等待连续N根K线的回环方向保持一致后再行动。

优点

第一，可视化直观，易于理解。将两个数据流的相对强弱展现在二维平面上，交易者可以一目了然地看出趋势的延续与反转，不需要依赖复杂的数学模型。

第二，平滑噪声，信号更稳定。通过滤波器预处理，埃勒斯回环能够过滤掉市场价格中的随机波动，提取出有意义的循环成分，从而减少假信号。

第三，适应性强，可扩展至多资产。该方法不仅适用于两个数据流，也可以通过两两比较构建多资产轮动系统，适用于股票、ETF、期货、外汇等多个市场。

第四，能够提前捕捉拐点。由于回环的旋转方向变化往往发生在相对比率突破之前，因此策略可能提供比传统相对强弱指标更早的轮动信号。

第五，理论背景扎实。约翰·埃勒斯是将数字信号处理技术引入技术分析的先驱之一，其方法建立在严谨的信号分析基础上，并非简单的经验统计。

缺点

第一，参数选择敏感。滤波器的类型、周期长度、平滑系数等参数需要根据市场环境和资产特性进行优化，参数设置不当会导致信号严重滞后或过于敏感。

第二，配对选择依赖性强。如果所选的两只资产相关性在某个时期瓦解，回环图形会变得混乱，产生无效信号。例如，股票与债券在极端行情下可能出现同涨同跌，失去轮动意义。

第三，存在滞后性风险。虽然相比传统指标有所提前，但滤波过程本质上仍然是对历史数据的平滑运算，因此在真正发生结构性跳变时，回环可能迟迟不能转向。

第四，交易成本可能较高。轮动策略要求频繁换仓，如果回环信号跳动较多，或者在较小周期上使用，交易费用和滑点会明显侵蚀利润。

第五，缺乏止损机制。原始的回环方法主要解决“何时换”的问题，但没有提供“错了怎么办”的答案。如果相对趋势长期横盘或形成极端反转，交易者可能面临持续回撤。

起源年份考证

关于埃勒斯回环和配对轮动结合的具体起源年份，目前没有官方文档给出确切日期。但作为一种方法类别，我们可以梳理出以下时间线：

• 19世纪中后期：数学家朱尔·利萨茹（Jules Lissajous）提出利萨茹曲线，通过两个相互垂直的简谐运动合成二维图形。这是埃勒斯回环在数学层面的最早雏形。
• 20世纪90年代：技术分析领域开始大规模引入数字信号处理工具，滤波器、希尔伯特变换、傅里叶分析等被用于价格分析。约翰·埃勒斯在此期间活跃于美国技术分析师协会并发表大量研究。
• 2001年：约翰·埃勒斯出版著作《Rocket Science for Traders》，系统介绍了如何将信号处理技术应用于交易指标设计。该书为后来的各类自适应循环指标奠定了理论基础，但“埃勒斯回环”这一名称尚未出现。
• 2007年至2015年：埃勒斯陆续在TASC杂志发表多篇关于滤波器和循环分析的文章，逐步发展出“相位图”“正交分量”等工具，为回环可视化积累了方法论。
• 2022年7月：TASC杂志“Traders' Tips”专栏刊登了约翰·埃勒斯的文章《用埃勒斯回环进行配对轮动》，公开将回环方法应用于配对轮动交易。这是目前可考证的、该具体应用首次公开面世的时间点。

需要特别说明的是，以上年份是对“该类型方法”的考证，而非对“埃勒斯回环”这一具体指标专利式的时间确认。若严格追踪该指标名称的首次出现，则只能依据公开文献记录，无法进一步考证；至少在当前可见范围内，2022年7月是最完整的一次公开描述。

改进建议

第一，引入多周期共振来提高信号可靠性。可以在短、中、长三个时间级别上分别计算回环方向，只有三个方向一致时才触发轮动切换。这样虽然减少了交易机会，但能有效过滤掉小周期噪音。

第二，为回环信号增加确认过滤器。例如，要求回环面积或扩张速度超过一定阈值才认定转折有效。可以用历史收益率的滚动分布动态设定阈值，而不是使用固定值。

第三，结合机器学习或优化算法来动态调整滤波参数。通过遗传算法、粒子群优化或网格搜索，在不同市场状态下寻找合适的周期长度和平滑系数，避免人为选择的偏差。

第四，建立止损和止盈逻辑，将轮动信号与风险管理分开。例如，当持仓资产的回环方向未反转，但绝对价格已经跌破关键支撑时，应立即平仓或降低仓位。

第五，引入波动率目标或风险平价机制。在轮动到某个资产时，根据该资产的波动率来调整仓位大小，使得整个组合的风险预算相对稳定，防止某一轮动标的的极端波动冲击账户。

第六，扩展资产池并加入相关性过滤。在计算回环之前，先对候选资产进行滚动相关性分析，剔除相关性突然降低的配对。这能避免在相关性失效的资产间进行无效轮动。

第七，考虑交易成本和换仓频率的平衡。可以在策略中加入“最小持仓时间”或“每N根K线最多交易一次”的规则，减少不必要的换仓。同时，使用低成本的ETF或期货合约作为交易载体，进一步压缩摩擦成本。

第八，与基本面指标结合。对于股票资产，可以加入估值因子、盈利动量或行业景气度数据，当回环信号与基本面方向一致时才执行轮动，提高策略的稳健性。

总结

埃勒斯回环为我们提供了一个观察资产相对运动的全新视角。它将两个数据流的动态关系转化为二维轨迹上的几何形态，通过回环的旋转与扩张来捕捉轮动时机，既延续了约翰·埃勒斯一贯的信号处理风格，又为配对轮动这个经典命题增添了新的技术手段。

从本质上看，这种方法的魅力在于“化繁为简”——把复杂的相对强弱变化凝聚成一条可视化的曲线，让交易者得以感知数据背后隐藏的周期循环。然而，任何指标都不是圣杯。埃勒斯回环同样需要谨慎的参数选择、严格的交易纪律和合理的风险管理。在实战中，我们应当把它看作一把精致的“手术刀”，而不是一把万能的“钥匙”。结合多周期分析、相关性过滤、资金管理以及机器学习调优，我们才能真正发挥这种回环工具的潜力，在纷繁的市场中捕捉属于自己的轮动节奏。

未来，随着自适应滤波技术和人工智能算法的进一步融合，埃勒斯回环或许会演化出更加智能的形态。但无论工具如何进步，交易的核心永远不变：理解市场结构，控制风险，与趋势为友。希望这篇文章能为你理解“配对轮动与埃勒斯回环”提供有价值的参考，也期待你在自己的研究和交易中，找到属于自己的那条“回环”。