高维时空嵌入的视角：物理增强型样本熵择时模型

摘要： 本研究提出一种物理增强型样本熵（Phys-Enhanced SampEn）量化择时策略，旨在通过融合非线性动力学与物理学概念，实现对ETF市场复杂性与驱动力的统一刻画。

核心观点：
创新性地将物理学中的“推重比”概念引入量化择时，构建了以“流动性调整推重比序列”为输入项的样本熵模型。该模型能够同时量化价格波动的随机性与驱动力-风险平衡的规律性，通过识别低熵态（规律性强）结合推重比方向，精准区分上涨、下跌与平盘三种交易信号。

论据支撑：

1. 模型机制：引入量价共振动量（驱动力）与波动率×流动性阻力（风险项），有效过滤无量假突破，解决理论信号与实际可交易性的脱节问题。
2. 回测表现：在2017年1月至2025年11月的回测期内，覆盖38只涵盖宽基、科技、周期及消费医疗等多元板块的ETF。整体区间平均年化收益率27.19%，显著超越买入持有策略（平均年化超额22.29%），平均夏普比率1.30，最大回撤平均降低28.18%。
3. 适应性验证：策略在不同市值风格、波动特征和流动性水平的标的上均展现出稳健的净值修复能力与风险控制效果。

局限性/风险：
模型基于历史数据统计和固定参数构建，在政策环境、市场体制发生重大变化时，模型可能存在失效风险。