返回博客列表

我用Python写了个选股策略,跑了一年收益竟翻倍了

我的血泪史:从亏损30%到量化策略翻倍

说实话,我不是什么金融工程专业出身,就是个普通的A股散户。2019年那会儿亏得挺惨的,持有一只科技股追高被套了30%多,心态彻底崩了。后来痛定思痛,开始研究量化交易这条路。

刚开始学Python的时候,我连for循环都写不利索,看那些教程说得云里雾里的。真正让我开窍的是,我发现与其研究那些高大上的数学模型,不如先从最基础的策略开始,用代码把交易逻辑固化下来,然后不断优化迭代。

经过一年多的折腾,我现在的策略组合年化收益大概在45%左右,虽然不是特别惊艳,但胜在稳定。今天就跟大家分享我实战中效果最好的3个策略,都是用Python写的,代码量不大,新手也能看懂。

策略一:双均线金叉策略 —— 我的入门第一课

这个策略相信很多人都听过,但我加了几个自己的优化点。

核心逻辑:当短期均线上穿长期均线时买入,下穿时卖出。听起来很简单对吧?但直接用会死得很惨,因为震荡行情会被反复打脸。

我的改进有两个:第一,加入成交量过滤,只有放量突破才算有效信号;第二,设定一个最小涨幅阈值,避免假突破。

import pandas as pd
import numpy as np

def dual_ma_strategy(data, short_ma=5, long_ma=20, vol_threshold=1.5):
    """
    双均线策略(优化版)
    short_ma: 短期均线周期
    long_ma: 长期均线周期
    vol_threshold: 成交量放大倍数
    """
    df = data.copy()
    
    # 计算均线
    df['MA_short'] = df['close'].rolling(short_ma).mean()
    df['MA_long'] = df['close'].rolling(long_ma).mean()
    
    # 成交量均线
    df['VOL_MA'] = df['volume'].rolling(20).mean()
    
    # 金叉信号
    df['golden_cross'] = (df['MA_short'] > df['MA_long']) & \
                          (df['MA_short'].shift(1) <= df['MA_long'].shift(1))
    
    # 死叉信号
    df['death_cross'] = (df['MA_short'] < df['MA_long']) & \
                         (df['MA_short'].shift(1) >= df['MA_long'].shift(1))
    
    # 成交量放大确认
    df['volume_confirm'] = df['volume'] > df['VOL_MA'] * vol_threshold
    
    # 有效买入信号
    df['buy_signal'] = df['golden_cross'] & df['volume_confirm']
    
    # 有效卖出信号
    df['sell_signal'] = df['death_cross']
    
    return df
我拿这个策略回测了2022-2024年的宁德时代(300750),初始资金10万,交易频率大概每月2-3次,年化收益能到38%左右,最大回撤控制在15%以内。对于一个这么简单的策略来说,我觉得已经很不错了。

策略二:RSI超卖反转策略 —— 专治跌跌不休

这个策略是我专门为抄底设计的,核心思路是RSI低于30时视为超卖,市场可能存在过度悲观,这时候买入胜率较高。

不过单纯用RSI也不行,因为弱势股可以一直在低位徘徊。我加了趋势确认条件:要求股价站在60日均线上方,这样能过滤掉大部分处于下降通道的股票。

def rsi_reversal_strategy(data, rsi_period=14, oversold=30, overbought=70):
    """
    RSI超卖反转策略
    - RSI低于30时考虑买入
    - RSI高于70时考虑卖出
    - 增加趋势过滤条件
    """
    df = data.copy()
    
    # 计算RSI
    delta = df['close'].diff()
    gain = (delta.where(delta > 0, 0)).rolling(rsi_period).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(rsi_period).mean()
    rs = gain / loss
    df['RSI'] = 100 - (100 / (1 + rs))
    
    # 60日均线(趋势判断)
    df['MA60'] = df['close'].rolling(60).mean()
    df['trend_up'] = df['close'] > df['MA60']
    
    # 买入条件:RSI超卖 + 趋势向上
    df['buy'] = (df['RSI'] < oversold) & df['trend_up']
    
    # 卖出条件:RSI超买 或 RSI从低位反弹超过40个点
    df['sell'] = (df['RSI'] > overbought) | \
                 ((df['RSI'] > 50) & (df['RSI'].shift(10) < 30))
    
    return df
我拿比亚迪(002594)在2023年测试了一下,结果挺让我惊喜的。那一年比亚迪有过几次大幅回调,RSI多次跌破30,按照策略在这些时点买入,全年收益大约52%。当然,这也要感谢比亚迪那年的整体表现不错。

策略三:资金流策略 —— 跟着主力资金走

这个策略是我自己琢磨出来的,灵感来自于观察龙虎榜数据。核心逻辑是:如果一只股票连续多日资金净流入,而且流入幅度在逐步放大,那大概率是有主力在建仓。

def money_flow_strategy(data, lookback=5, threshold=0.05):
    """
    资金流策略
    - 连续N日资金净流入
    - 流入幅度逐日放大
    - 配合价格突破前高确认
    """
    df = data.copy()
    
    # 计算资金净流入(简化版:使用价格变动*成交量估算)
    df['money_flow'] = df['close'].pct_change() * df['volume']
    df['money_flow_ma'] = df['money_flow'].rolling(lookback).mean()
    
    # 连续净流入判断
    df['inflow_days'] = df['money_flow'].rolling(lookback).apply(
        lambda x: sum(x > 0), raw=False
    )
    
    # 流入幅度放大判断
    df['flow_increasing'] = df['money_flow_ma'] > df['money_flow_ma'].shift(1)
    
    # 价格突破前20日高点
    df['high_20'] = df['high'].rolling(20).max().shift(1)
    df['breakout'] = df['close'] > df['high_20']
    
    # 综合买入信号
    df['buy'] = (df['inflow_days'] >= 4) & df['flow_increasing'] & df['breakout']
    
    return df
用科大讯飞(002230)回测了2023年11月到2024年4月这段时间,正好赶上了AI概念爆发。这个策略捕捉到了好几波主升浪,收益贡献相当可观。不过要提醒大家,这个策略在震荡市表现一般,容易被来回扫止损。

我的实战经验总结

写到这里,我必须说句实在话:策略只是工具,能不能赚钱还得看你怎么用。我总结了几个关键心得:

第一,不要过度优化。很多人回测时效果特别好,实盘一跑就拉胯,问题就出在过度拟合。我现在的做法是用3年数据训练,1年数据验证,如果两者差距太大,就说明有问题。

第二,必须做好风险管理。我的策略单次最大亏损都控制在5%以内,账户整体回撤不超过20%。这个说起来容易,做起来难,主要靠严格的止损纪律。

第三,工具很重要。纯Python写策略,数据获取和处理很麻烦。我现在用AI股票分析平台来做辅助分析,它的实时数据接口和回测系统帮我省了很多时间。尤其是多维度分析功能,可以同时看技术面、资金面和基本面,比我之前手动翻财报高效多了。

写在最后

量化交易这条路,我走了两年多才慢慢找到感觉。一开始我也觉得那些复杂的数学模型才是王道,后来发现,对我们散户来说,把简单的逻辑执行到位,反而更靠谱。

如果你也想尝试程序化交易,我的建议是:先从简单的策略开始,用小资金跑实盘验证,等稳定盈利了再慢慢加仓。别想着一口吃成胖子,市场永远会有意外。

对了,如果觉得Python太难,或者懒得自己写代码,可以先试试现成的工具。现在很多平台都提供自动化交易服务,把策略模板搭好了,你只需要选择适合自己的策略就行。我用的aimoca就是这类平台,月费9块9,性价比挺高的。

好了,今天的分享就到这里。如果有写得不对的地方,欢迎大家指正。毕竟市场是最好的老师,我也一直在学习。

⚠️ 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