A股与创业板周期观察

如果把 A 股和创业板放在同一张图里看，很容易得到“创业板波动更大”的结论，但这只是表层现象。更有价值的问题是：为什么同样的流动性环境变化，会在主板与成长板块里形成不同路径？2014-2015 年、2018 年、2020-2021 年、2022-2024 年这几段时间，提供了较完整的观察样本。2014-2015 年杠杆扩张与风险偏好上升并行，成长与题材估值快速抬升；2018 年在去杠杆与外部冲击下，估值压缩与盈利预期下修叠加；2020-2021 年在宽松与产业景气共振下，结构性行情明显；2022 年后在全球紧缩和盈利分化中，风格轮动加快。

把周期拆开后，能看到三个稳定规律。第一，创业板定价对远期增长预期更敏感，因此在利率抬升阶段通常更先承压；第二，当产业趋势与政策支持同向时，成长板块修复弹性更高，但持续性依赖盈利兑现；第三，流动性边际改善时，市场常先交易“想象空间”，随后回到“现金流质量”。这三条规律在不同时段反复出现，只是强弱不同。

研究层面可用 akshare 获取不同板块的历史数据，再用 backtesting.py 建立分层组合做对照，观察“估值扩张贡献”和“盈利增长贡献”在不同年份的占比变化。AKShare backtesting.py 例如在流动性宽松阶段，策略收益往往更多来自估值抬升；在紧缩阶段，即便营业收入增长，估值压缩也可能覆盖盈利改善。

创业板波动管理还有一个常被忽略的点：交易制度与情绪传播速度的耦合。高波动阶段，盘口深度下降、资金风格集中、题材联动增强，导致日内波动放大。若只按静态止损管理，会在噪声阶段被频繁触发。更可行的方式是把波动状态纳入仓位模型：波动收敛时放大仓位，波动扩散时缩小仓位并提高成交质量要求。vectorbt 可以快速完成这类状态切换回测，用来验证是否真正降低了回撤而不是仅降低收益。

市场规律还体现在风格切换节奏上。A 股中常见“权重修复—成长扩散—高低切换”的序列，但并非每轮都会完整出现。某些年份里，宏观不确定性高，资金会停留在防御性资产；某些年份里，产业趋势明确，成长风格会更持续。研究时与其问“哪种风格永远有效”，不如问“当前阶段哪种风格的胜率和赔率匹配”。这个问题更接近交易决策本身。

把 A 股与创业板放进全球对照也很重要。美股在科技龙头集中度高的背景下，指数表现常被少数大市值公司主导；A 股行业权重与资金结构不同，同样的科技叙事未必形成同样指数路径。港股又叠加离岸流动性与汇率因素，修复节奏和 A 股并不总是同步。跨市场观察不是为了比较优劣，而是为了避免“把单一市场经验当成通用规律”。

执行层面建议把规则写清：一是分板块设仓位上限，避免单风格过度集中；二是给成长板块设置更严格的流动性阈值，尤其在高波动时段；三是把政策事件窗口列入交易日历，降低突发信息冲击。vnpy 与 Lean 都可以把这些规则前置到下单环节，避免盘中临时决策带来的偏差。vn.py Lean

关于交易时段和规则核验，可结合交易所公告与官方页面，同时参考跨市场时段差异页面，例如 NYSE 与 Nasdaq 做对照，确保时区与日历处理一致。

市场切片补充

把规则放进具体时间段更容易检验。例如 2020 年一季度的风险冲击阶段、2022 年的全球紧缩阶段、2023 年的结构修复阶段，价格反应、成交深度和风险偏好都不相同。若把这三个阶段混在一起求平均，很多结论会被稀释；若分阶段评估，同一套方法在不同环境中的边界会更清楚。

在执行层面，可以把“阶段识别”写入日常流程：先确认当前处于扩张、收缩还是修复，再决定仓位上限、下单时段和止损阈值。这样做不是为了追求完美预测，而是为了避免在不适配环境里重仓。跨市场核验时，建议直接对照 NYSE 时段、Nasdaq 日历、HKEX 时段 与 CFTC 术语 做参数确认。

复盘框架

每篇笔记都可落到同一套复盘问题：第一，当前结论依赖的前提是否仍成立；第二，若波动率提升一个等级，仓位和执行规则是否需要同步调整；第三，若成交成本抬升，策略是否仍具备正期望。把复盘问题固定下来，知识会从“记住观点”转为“可持续迭代的决策系统”。