返回博客列表

我用Python写了个选股策略,回测结果让我有点意外...

从追涨杀跌到程序化选股,我的血泪教训

说实话,我入市这么多年,最大的问题就是情绪波动太大。2022年那会儿,看到新能源板块火爆,我追高买了宁德时代,结果买在山顶上,套了快一年才解套。那段时间我就在想,能不能让电脑帮我做决策,至少它不会恐慌,也不会贪婪。

后来我开始研究程序化交易,最开始用Excel写公式,但效率太低。去年开始学Python,花了大概三个月时间,勉强能写一些简单的选股策略了。说实话,Python入门不难,难的是找到靠谱的数据源和策略思路。今天我就把最近测试效果还不错的几个策略分享出来,都是实战中验证过的。

策略一:均线金叉选股 - 我的入门第一课

我写的第一个策略是均线金叉,逻辑很简单:当短期均线上穿长期均线时买入,下穿时卖出。我用Python的backtrader库来回测了这个策略,测试时间是2020年1月到2024年6月,标的选了贵州茅台(600519)。

代码核心部分是这样的:

import pandas as pd
import numpy as np

# 计算移动平均线
df['MA5'] = df['close'].rolling(window=5).mean()
df['MA20'] = df['close'].rolling(window=20).mean()

# 金叉信号:MA5上穿MA20
df['signal'] = np.where(df['MA5'] > df['MA20'], 1, -1)
df['position'] = df['signal'].diff()


回测结果让我有点意外:在这4年半时间里,年化收益率大概是18%,最大回撤达到了32%。说实话,32%的最大回撤还是蛮吓人的,如果你心脏不好,可能真的扛不住。但相比我之前瞎买被套,这个策略至少能让我在趋势行情中拿到收益。

我发现这个策略在震荡市里表现比较差,经常被来回打脸。所以后来我又加入了过滤条件:如果当天涨跌幅超过5%,就观望不操作。加入这个过滤之后,最大回撤降到了25%左右,好了一点点。

策略二:资金流策略 - 跟着主力资金走

后来我发现单纯看价格容易滞后,于是开始研究资金流。我用的思路是:当主力资金连续净流入超过3天,且股价涨幅不超过3%时买入。这个逻辑听起来挺朴素的,主力在悄悄吸筹但还没拉升的时候,往往是较好的介入点。

这里我用的是东方财富的Level2数据接口,数据质量还不错。核心代码如下:

# 资金流策略核心逻辑
def calculate_money_flow(df):
    # 计算主力净流入(超大单+大单)
    df['main_flow'] = df['super_large_net'] + df['large_net']
    
    # 连续净流入天数
    df['consecutive_inflow'] = (df['main_flow'] > 0).astype(int)
    df['consecutive_inflow'] = df['consecutive_inflow'].rolling(3).sum()
    
    # 买入信号
    buy_signal = (df['consecutive_inflow'] >= 3) & (df['pct_change'] <= 3) & (df['pct_change'] > 0)
    return buy_signal


我测试了中科曙光(603019)在2023年的表现,这个策略在AI算力概念爆发的那段时间效果特别好,买入信号出现后的一周内,平均涨幅能达到8%左右。但我也发现一个问题:当市场整体下跌时,这个策略容易踩雷,主力资金可能也会被套。

所以我后来加了一个市场情绪过滤:只在沪深300指数处于20日均线上方时才操作。这个简单的过滤,让策略的胜率从55%提高到了62%。

策略三:多因子综合策略 - 我的实战心得

把上面两个策略结合起来,我又加了一些基本面因子,比如PE、ROE、营收增速等,形成了一个多因子综合策略。这个策略的选股逻辑是这样的:

  • 技术面:均线多头排列(MA5>MA10>MA20)
  • 资金面:主力连续3日净流入
  • 基本面:PE在行业均值的0.5-1.5倍之间,ROE大于10%,营收增速大于15%
  • 择时:大盘指数站上20日均线


这个策略我今年3月份开始实盘测试,目前跑了大概4个月,收益率大概是23%,最大回撤控制在了12%左右。说实话,这个结果我自己也没想到,比我之前手动操作的收益稳定多了。

不过我要强调一下,这只是我的个人测试,不代表这个策略以后也有效。市场风格会变,策略也需要不断优化和调整。

踩过的坑和建议

做了这么久的程序化交易,有几个坑我一定要提醒大家:

第一,数据源很重要。我之前用过一些免费数据接口,行情经常断,有时候数据还有错。后来我用的是aimoca平台的AI分析系统,数据质量稳定很多,而且自带技术面、资金面分析,对于我验证策略思路帮助很大。

第二,不要过度拟合。我一开始喜欢把策略参数调到完美回测结果,结果实盘一用就亏钱。后来学乖了,会用样本外数据做测试,尽量让策略简单一些。

第三,风险控制永远是第一位。我的策略里都会设置止损线,单只股票亏损超过8%就无条件卖出。这个规则让我躲过了好几次大跌。

第四,从小资金开始。我的实盘测试是从5万块钱开始的,先验证策略的有效性,再慢慢加资金。千万别一上来就重仓,你是来验证策略的,不是来赌命的。

我的感受和想法

说实话,写策略的这段时间让我对投资有了更深的理解。以前我总觉得A股就是投机市场,没什么规律可言。但当我真正用数据去分析的时候,发现还是有一些规律可以捕捉的。当然,这些规律不是每次都有效,所以仓位控制和止损纪律特别重要。

现在我每天收盘后会用Python跑一遍策略筛选,看看有没有符合条件的股票。然后结合自己的判断,决定是否下单。这个过程比我之前盯着大盘瞎看高效多了,而且心态也稳定了很多。

如果你也对程序化交易感兴趣,我的建议是先从简单的策略开始,比如双均线交叉,然后慢慢加入其他条件。别一上来就想搞一个完美策略,那是不现实的。

另外,如果你的Python基础一般,也可以先用一些现成的工具来学习。我现在就在用aimoca的自动化交易解决方案,他们提供策略模板和回测平台,对于刚入门的朋友来说挺友好的。最吸引我的是他们的智能订单管理功能,可以自动止损止盈,这样我就不用时时刻刻盯盘了。

总结一下

程序化交易不是圣杯,它不能保证你赚钱,但可以帮助你:

  • 克服情绪化交易的问题
  • 更系统地验证自己的投资思路
  • 提高选股和择时的效率


但前提是你愿意花时间去学习和测试。代码能力不是最重要的,逻辑思路和风险意识才是。如果你也想尝试,不妨从今天开始,用Python写一个最简单的策略,跑一跑回测,看看效果如何。

记住,投资有风险,入市需谨慎。我的策略仅供参考,不构成投资建议。

【限时福利】新用户首月仅需1元即可体验AI股票分析服务(原价9.9元/月),包含技术面、基本面、资金面多维度智能分析,还有热门板块实时追踪。点击下方按钮立即领取:

👉 立即1元体验AI分析

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