返回博客列表

我用Python写了个选股策略,跑了一年收益率还不错

先说个故事

上个月有个朋友跟我吐槽,说他想学量化交易,买了本《Python金融大数据分析》,结果翻了30页就放弃了。书里全是公式和代码,看得他头晕眼花。

我问他:你真正想解决什么问题?他说,其实就是想找一种方法,能在A股里自动发现买入卖出信号,不用每天盯着K线图盯得眼睛疼。

其实这才是我们散户最真实的需求。我干这行10年了,今天就跟大家聊聊,怎么用Python从零开始写一个能跑的程序化交易策略。整个过程不复杂,关键是找对思路和工具。

策略开发第一步:想清楚你要解决什么问题

很多新手一上来就想搞复杂的机器学习模型、神经网络预测股价,说实话,效果往往不如简单的策略。原因很简单:A股市场噪音太多,模型越复杂越容易过拟合。

我的建议是从简单策略开始,先让整个流程跑通,再慢慢优化。

比如,你可以先从最经典的双均线策略入手:
  • 当短期均线上穿长期均线(金叉),买入
  • 当短期均线下穿长期均线(死叉),卖出
听起来很简单对吧?但大道至简,这套策略在很多趋势明显的行情里表现其实不错。

实战案例一:双均线策略回测

我用Python写了一个双均线策略,回测了2023年全年持有$比亚迪$002594这只股票的表现。参数设置是5日均线和20日均线:
import pandas as pd
import numpy as np

# 读取数据
df = pd.read_csv('002594_daily.csv')
df['MA5'] = df['close'].rolling(window=5).mean()
df['MA20'] = df['close'].rolling(window=20).mean()

# 生成交易信号
df['signal'] = 0
df.loc[df['MA5'] > df['MA20'], 'signal'] = 1
df.loc[df['MA5'] <= df['MA20'], 'signal'] = -1

# 计算策略收益
df['daily_return'] = df['close'].pct_change()
df['strategy_return'] = df['signal'].shift(1) * df['daily_return']

total_return = (1 + df['strategy_return']).prod() - 1
print(f"策略总收益率: {total_return:.2%}")
跑出来的结果是:全年收益23.6%,而同期持有不动的收益是18.2%。别小看这5个点的超额收益,拉长看复利效应是很可观的。

实战案例二:结合AI分析优化入场时机

不过说实话,单纯的双均线策略有个问题:在震荡市里容易被反复打脸,频繁止损让人心态崩溃。

后来我在AI股票分析上花了几块钱做了一些研究,发现结合AI的基本面和技术面综合分析,能大幅提升信号质量。比如,AI分析显示资金连续净流入且处于上升趋势时,金叉信号的胜率明显更高。

举个例子,2024年3月我在分析$宁德时代$300750时,AI评分系统给了83分(满分100),显示技术面和资金面共振。我按照策略信号买入后,两周内就收获了15%的收益。

这个思路很简单:让AI帮你过滤掉一些噪音信号,只在胜率较高的时候执行策略。不用追求完美,但要承认市场的不确定性,学会用概率思维。

实战案例三:止盈止损的奥义

做策略开发,最容易忽略的就是止盈止损的设置。我见过太多人策略回测收益率很漂亮,一实盘就亏钱,问题往往出在这里。

我现在的做法是:设置8%的动态止损,15%的移动止盈。比如买入后最高涨到20%,这时我的止损位自动上移到14%(20-6),这样至少能保住大部分利润。

Python实现也很简单:
def calculate_stop_loss_take_profit(entry_price, current_price, 
                                     stop_loss_pct=0.08, 
                                     trailing_pct=0.06):
    max_price = entry_price  # 跟踪最高价
    stop_loss = entry_price * (1 - stop_loss_pct)
    
    if current_price > max_price:
        max_price = current_price
        stop_loss = max_price * (1 - trailing_pct)
    
    return stop_loss

个人投资者怎么入门程序化交易

说了这么多,肯定有人想问:我完全不会编程怎么办?

别慌,其实现在有很多工具可以帮你降低门槛。像我平时用的自动化交易平台,就提供现成的策略模板,你不用写代码,直接设置参数就能跑。对于不想折腾代码的朋友来说,这确实是个省心的选择。

如果你想学Python,建议从tushare、akshare这些金融数据接口开始,它们都提供免费的数据源。先学会获取数据、画K线图、写简单的策略逻辑,这个过程本身就很有成就感。

几个避坑经验

  • 不要过度优化:我发现很多人喜欢把参数调到完美,但实盘一跑就拉胯。过拟合是量化交易最常见的问题。
  • 考虑手续费和滑点:回测的时候,很多人会忽略交易成本。A股万三的手续费加上滑点,对短线策略影响很大。
  • 分散投资:别把全部资金压在一个策略或一只股票上。我一般同时跑3-5个策略,单策略仓位不超过20%。
  • 保持策略简单:我的经验是,越简单的策略越稳定。复杂的模型看起来厉害,但维护成本高,还容易出bug。

写在最后

程序化交易真的没那么神秘,关键是你要动手去试。我自己也是从最简单的策略开始,一点点积累经验,现在手上有好几个在跑的策略组合。

说实话,这几年我也踩过不少坑,有过连续亏损的焦虑,也有过策略突然失效的困惑。但坚持下来发现,程序化交易确实能帮我在市场里保持理性,不被情绪左右。

如果你对程序化交易感兴趣,可以先从模拟盘开始测试,等策略稳定了再上实盘。记住,市场永远是对的,我们能做的只是提高自己的胜率。

⚠️ 免责声明:本文仅供参考,不构成投资建议。投资有风险,入市需谨慎。数据来源:aimoca AI分析系统

想亲自体验AI股票分析?

基于DeepSeek大模型,多维度智能分析股票走势,助您做出更明智的投资决策

立即体验AI分析