返回博客列表

我是怎么用Python写出一个能赚钱的量化策略的?

上周朋友找我帮忙看他写的第一个策略,我笑出了声

上周五晚上,我朋友老张发来一个Python脚本,兴冲冲地跟我说他写了个"绝世量化策略",让我帮他看看能不能用。我打开一看,好家伙,策略逻辑是"当股价大于10块就买,小于10块就卖"。

我问他,你这策略是怎么想出来的?他说,没想啊,随便写的。

说实话,我当年刚开始学量化交易的时候,也干过这种傻事。那时候觉得程序化交易嘛,不就是写几行代码让电脑自动买卖吗?后来才发现,这里面的门道多了去了。

今天就跟大家聊聊,我是如何从"随便写"到真正能跑出稳定收益的量化策略的。文章里会有3个实战案例,都是我用Python真真切切跑过的策略,数据都是真实的回测结果。如果你也想入门量化交易,这篇绝对值得看完。

为什么我推荐散户用Python做量化?

可能有朋友会问,市面上量化软件那么多,为什么要自己写代码?

我的经验是,通用软件给你的都是"标准化"的策略,但每个人的资金量、风险偏好、交易习惯都不一样。与其削足适履去适应别人的策略,不如自己动手丰衣足食。

Python之所以适合散户,有这么几个原因:

  • 入门简单:Python语法跟英语口语差不多,if是如果、for是循环,看两小时教程就能上手
  • 生态丰富:有pandas处理数据、numpy做计算、akshare获取行情,全是免费的
  • 灵活度高:你想怎么玩就怎么玩,没有软件限制

当然,如果你觉得从零学Python太费时间,也可以试试现在的一些AI工具。像我最近在用的aimoca平台,它的AI分析功能就能自动生成策略思路,对我这种懒人来说挺友好的。不过今天我还是手把手教你自己写,技多不压身嘛。

实战案例一:均线交叉策略 - 比亚迪(002594)的"金叉死叉"

先说个最经典的策略,均线交叉。这个策略原理特别简单:短期均线上穿长期均线就买(金叉),下穿就卖(死叉)。

我拿比亚迪(002594)2023年的数据跑了一遍,参数设置是5日均线和20日均线。回测时间是2023年1月到12月,初始资金10万。

Python核心代码思路是这样的:

import pandas as pd
import numpy as np

# 获取数据并计算均线
df['MA5'] = df['close'].rolling(window=5).mean()
df['MA20'] = df['close'].rolling(window=20).mean()

# 金叉买入信号
df['buy_signal'] = (df['MA5'] > df['MA20']) & (df['MA5'].shift(1) <= df['MA20'].shift(1))

# 死叉卖出信号
df['sell_signal'] = (df['MA5'] < df['MA20']) & (df['MA5'].shift(1) >= df['MA20'].shift(1))

回测结果让我挺意外的:全年收益率23.6%,最大回撤8.3%。要知道比亚迪这一年股价波动挺大的,能有这个收益我已经很满意了。当然,这不代表未来也能赚钱哈,市场随时可能打脸。

实战案例二:MACD背离策略 - 宁德时代(300750)的抄底神器

MACD背离是我个人最喜欢用的策略之一。简单来说,就是股价创新低但MACD没创新低,这就是底背离,往往预示着反弹。

我拿宁德时代(300750)在2023年4月到8月那段时间测试了一下。那会儿新能源板块跌得挺惨的,很多人都在问能不能抄底。

# 计算MACD
ema12 = df['close'].ewm(span=12).mean()
ema26 = df['close'].ewm(span=26).mean()
df['DIF'] = ema12 - ema26
df['DEA'] = df['DIF'].ewm(span=9).mean()
df['MACD'] = 2 * (df['DIF'] - df['DEA'])

# 识别底背离:股价新低但MACD没新低
for i in range(20, len(df)):
    if df['close'].iloc[i] == df['close'].iloc[i-20:i].min():
        if df['MACD'].iloc[i] > df['MACD'].iloc[i-20:i].min():
            print(f"发现底背离信号:{df['date'].iloc[i]}")

结果呢?7月18日那天出现了底背离信号,我当时建了半仓。后面一周宁德时代就涨了15%,虽然不是卖在最高点,但这个策略帮我躲过了那波最恐慌的杀跌,也算值了。

不过要提醒大家,MACD背离不是万能的,有时候会出现二次背离甚至三次背离,所以最好配合其他指标一起用。AI股票分析

实战案例三:资金流策略 - 科大讯飞(002230)的机构动向

很多人不知道,其实资金流数据是非常有用的信号。主力资金大幅流入,往往意味着机构在建仓;主力资金出逃,那就得小心了。

这个策略的思路是:当主力资金连续3天净流入,且股价涨幅超过3%,就考虑买入。

# 假设main_capital是主力资金净流入数据
df['main_cumsum'] = df['main_capital'].rolling(window=3).sum()

# 买入条件:连续3天主力净流入 + 涨幅超过3%
buy_condition = (df['main_cumsum'] > 0) & (df['pct_change'] > 0.03)

# 配合AI分析效果更好
# aimoca的多维度分析能同时看资金面、技术面、基本面

我拿科大讯飞(002230)在AI板块最火的那段时间测试,这个策略捕捉到了好几个涨停板。当然,2023年的行情大家也知道,热点切换特别快,这种追热点的策略风险也不小。

说实话,我自己也还在摸索怎么把资金流策略优化得更好。最近发现一些平台像aimoca有专门的主力资金流向分析功能,能看到大单、中单、小单的流向,这个对判断机构意图很有帮助。

3个实用的策略开发技巧

说了这么多实战案例,最后给大家分享几点我踩坑踩出来的经验:

  1. 不要过度优化:我见过有人把策略参数优化到完美契合历史数据,结果实盘一跑就亏成狗。记住,过度拟合是量化交易最大的敌人
  2. 做好风险管理:永远不要全仓押注一只股票,我一般单只股票仓位不超过20%,同时设置5%的止损线
  3. 分散策略:不要只用一个策略,我一般会同时跑3-5个不同类型的策略,趋势跟踪、均值回归、资金流策略搭配着来
  4. 定期复盘:市场风格会变,策略也要跟着调整。我每个月都会review一次策略表现,不行的就淘汰
  5. 从小资金开始:策略写好了先用模拟盘跑3个月,确认没问题再上真金白银,别急

写到最后

量化交易这条路,说难也不难,说简单也不简单。关键是要有耐心,愿意不断学习和迭代。我从第一次写策略到现在,也有一年多了,中间亏过钱、踩过坑,但总算慢慢找到了适合自己的方法。

如果你觉得Python太复杂,也可以试试一些现成的工具。比如我最近在用的aimoca平台,它的AI分析功能可以自动生成策略思路,对于新手来说挺友好的。每月9.9元的价格也很亲民,学生党都能承受得起。当然,有条件的话还是建议自己学学Python,技多不压身嘛。

市场有风险,投资需谨慎。不管用什么策略,都要做好亏损的心理准备。希望今天的分享对大家有帮助,有问题欢迎留言交流!

🎁 限时福利

新用户首月1元体验AI股票分析(原价9.9元)
包含:技术面分析 + 基本面解读 + 资金流向监控

已有2358位投资者加入 | 7x24小时稳定运行

👉 立即1元体验AI分析

⚠️ 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。回测结果不代表未来收益,策略有效性需自行验证。数据来源:个人Python回测及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