周六更新了几个动量模型的跟踪。有读者反馈：你回测的本周选择，与上周公布的下周选择怎么不一样啊？
咋听，我一脸懵逼。
之前那么多周用下来，都没出现过这个 bug 啊。
仔细一查，的确错了。错误不是来自动量回测模型，而是来自于我自己手搓的一个日线转周线函数。
这里分享下我的“智障”，给大家提个醒。
我是用 python 的 pandas 包处理数据的。pandas 下有一个 resample 函数，可以直接将日线转换成周线，但它有一个缺点，会以每周自然日的最后一天(默认周日)作为周结束。
如果我希望以每个交易周自然的最后一个交易日结尾，这个函数就不行了。
所以我是手搓了一个日线转周线的函数，以“年份-周数”作为分类，选择每个分类下最后一个数据，就能获得周线数据了。
这个算法，大多数时候没错，但遇上近期这样一周跨年的就会出错，一个是 2024 年 52 周，一个是 2025 年第一周，会将一周拆分成两周了，基于这样数据计算的动量回测，自然是错的。
一时间，没想出来如何处理。
幸好，现在是 2025 年，遇事不决问 AI。正好买了 Windsurf 这个 AI 编程软件的使用权，可以直接用业内最强编程 AI 模型 Claude Sonnet 来写，一行指令，函数就有了，还有清晰的注释。
AI 写出了函数，我大体明白思路。to_period这个函数，的确是我以前用 pandas 的短版，算是学到了。
2025 年，每一天都会感叹 AI 的强大，感叹对我这种“三脚猫”的赋能。
年少时，一位我很尊敬的师长，推崇“跨学科”教育，我也受益匪浅。
但跨学科，很容易被视为“三脚猫”，门门粗通，门门稀疏。
但在 AI时代，这似乎成了一种新优点，“三脚猫”虽然可能执行能力上会弱许多，但相比普通人，却能通过提示词链接 AI 的强大能力。
下面，将动量模型跟踪的结果重新更新一下。
四资产轮动
基于沪深300、中国国债、纳斯达克、黄金四资产，以3周和4周并行回溯参数进行轮动
本周表现
纳指ETF: 100%
截至2025年01月03日，动量涨跌幅: -1.74%, 等权重涨跌幅: -1.28%, 动量超额: -0.46%
下周选择
纳指ETF: 50%, 国债ETF: 50%
二八轮动
基于沪深300 和中证1000 指数，以3周和4周并行回溯参数进行轮动
本周表现
300收益: 100%
截至2025年01月03日，动量涨跌幅: -5.16%, 等权重涨跌幅: -7.01%, 动量超额: +1.85%
下周选择
300收益: 100%
3104轮动
基于300价值稳健、300 成长创新、1000价值稳健、1000成长创新以3周和4周并行回溯参数进行轮动
本周表现
300成长创新: 50%, 1000成长创新: 50%
截至2025年01月03日，动量涨跌幅: -6.59%, 等权重涨跌幅: -5.82%, 动量超额: -0.77%
下周选择
300价值稳健: 100%
创业板与中证红利轮动
基于创业板R与中证红利全收益指数，以3周和4周并行回溯参数进行轮动
本周表现
中证红利全收益: 100%
截至2025年01月03日，动量涨跌幅: -2.18%, 等权重涨跌幅: -5.38%, 动量超额: +3.19%
下周选择
中证红利全收益: 100%
行业动量跟踪行业四周表现
行业动量456
基于一堆行业指数，以2周回溯参数选择排名第4-6进行轮动
本周表现
中证军工: 33%, 家用电器: 33%, 中证基建: 33%
截至2025年01月03日，动量涨跌幅: -6.41%, 等权重涨跌幅: -6.51%, 动量超额: +0.10%
下周选择
家用电器: 33%, 建筑材料: 33%, 中证基建: 33%
行业动量123
基于一堆行业指数，以2周回溯参数选择排名第1-3进行轮动
本周表现
国证芯片: 33%, 中证银行: 33%, 5G通信: 33%
截至2025年01月03日，动量涨跌幅: -7.49%, 等权重涨跌幅: -6.51%, 动量超额: -0.98%
下周选择
中证银行: 33%, 有色金属: 33%, 中证煤炭: 33%
责任编辑：