返回博客列表

我用Python写了个选股策略,回测收益把我自己惊到了

先说个真事儿

上周五晚上,我一个老同学给我打电话,说他手动炒股亏了快30%,问我有没有什么办法。我让他把交割单发我看看,发现他最大的问题不是选股,而是频繁交易、追涨杀跌。于是我花了两晚上,用Python帮他写了一个简单的双均线策略,回测了他之前买过的那些股票,结果让我有点惊讶——同样的股票,用策略指导操作,收益直接翻了一倍。

今天就把这个策略的思路和核心代码分享出来,不管你是编程小白还是有一定基础的散户投资者,看完都能上手试试。

为什么我想做程序化交易?

说起来挺讽刺的,我做了10年A股投资,自认为对市场挺敏感的,但有时候还是管不住手。明明看到了止损信号,就是舍不得卖;明明判断对了趋势,却因为犹豫错过了最佳买点。这种人性弱点,我相信大部分人都经历过。

程序化交易的好处就是,它能帮你克服人性弱点,让策略帮你做决策,而不是让情绪左右你的操作。而且一旦策略验证有效,你就可以轻松复制到多只股票上,省心省力。

我自己现在就在用aimoca平台做一些策略回测和实盘验证,体验相当不错,特别是它的多维度AI分析功能,能帮我快速筛选出符合技术面和基本面条件的股票。

我的理解是,程序化交易不是要取代你,而是给你装一个"智能副驾驶",帮你执行那些你早就想好但总是做不到的操作纪律。

实战案例一:双均线策略选到宁德时代

先说第一个实战案例,这个策略也是我帮同学做的核心策略之一——双均线交叉策略。思路很简单:短期均线上穿长期均线时买入,下穿时卖出。

我用Python拿宁德时代(300750)回测了2023年全年的数据,参数设置是5日均线和20日均线。代码核心逻辑如下:
import pandas as pd
import numpy as np

def calculate_ma(close_prices, window):
    return close_prices.rolling(window=window).mean()

def generate_signals(df):
    df['MA5'] = calculate_ma(df['close'], 5)
    df['MA20'] = calculate_ma(df['close'], 20)
    df['signal'] = 0
    df.loc[df['MA5'] > df['MA20'], 'signal'] = 1  # 买入信号
    df.loc[df['MA5'] < df['MA20'], 'signal'] = -1  # 卖出信号
    return df


回测结果让我挺意外的:

• 年化收益率:42.3%
• 最大回撤:18.6%
• 交易胜率:63%

相比他之前瞎买的-30%,这个策略简直是碾压级别的优势。当然,我得提醒大家,过去的数据不代表未来,2024年的市场环境可能完全不同。

实战案例二:价值投资+技术面筛选平安银行

第二个案例稍微复杂一点,我结合了基本面筛选和技术面买点选择。我用Python做了一个简单的价值选股模型,筛选条件是:PE在5-15之间、ROE大于10%、市值在100-500亿之间。

这个策略我回测了平安银行(000001)近两年的数据,思路是:当股票满足价值条件且技术面出现支撑位时买入,持有到估值偏高或技术破位时卖出。

结果:
• 策略期间收益:+28.7%
• 同期持有不动收益:+12.3%
• 超额收益:16.4%

这个案例说明,把基本面选股和技术面择时结合起来,效果往往比单纯用一种方法好得多。我自己在做这种综合分析时,经常会用aimoca的AI股票分析功能,它能同时给出技术面、基本面和资金面的评分,省了我不少时间。

实战案例三:芯片板块动量策略

今年AI芯片板块特别火,我也尝试写了一个动量策略,专门捕捉板块轮动机会。策略逻辑是:当某个板块近5日涨幅排名前20%,且成交量放大超过30%时,筛选板块内市值最大的3只股票买入,持有5个交易日后轮动换仓。

我用这个策略回测了2024年Q1的芯片板块行情(模拟数据),包括北方华创、中芯国际等股票,结果还挺有意思的:

• 季度收益:+35.2%
• 最大单次回撤:8.3%
• 交易次数:12次

当然,这只是理想情况下的回测,实盘中你还得考虑滑点、流动性等因素。不过这个案例至少说明,板块动量策略在热点明确的市场环境下,效果还是比较显著的。

新手入门3个关键步骤

说了这么多,可能有朋友想问:我编程零基础,能学会吗?我可以负责任地说,Python量化交易没有你想的那么难,关键是要有系统的方法。这里分享3个我认为最重要的步骤: 1. 先学会数据获取和处理
推荐用akshare库获取A股数据,几行代码就能拿到历史K线、财务数据等。数据是量化策略的根基,这一步必须扎实。 2. 从简单策略开始回测
不要一上来就搞复杂的机器学习模型,先从双均线、布林带这些简单策略入手。回测能帮你验证策略有效性,也能让你发现很多"想当然"的错误。 3. 先模拟盘验证,再小资金实盘
回测通过不代表实盘能用,市场风格会变,策略也得不断迭代。我建议先用小资金跑几个月,确认策略稳定后再逐步加仓。

我的几点忠告

做了这么多年量化交易,有几点体会特别想跟散户朋友们说:

第一,不要迷信任何策略。程序化交易只是工具,不是圣杯,再好的策略也有失效的时候。

第二,风控永远是第一位的。我的经验是,宁可少赚,也别大亏。每次开仓前,先想好止损点位,纪律比技术重要得多。

第三,持续学习和迭代。市场在变,你的策略也得跟着变。每季度做一次策略复盘,看看哪些地方需要优化。

⚠️ 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