返回博客列表

我用Python写了个选股策略,三个月跑赢了80%的散户

开头先说个真事

上周我一个朋友跟我吐槽,说他炒了三年股票,每次都是追涨杀跌,账户从10万变成了6万。他问我有没有什么办法能管住手,别让自己瞎操作。我说你可以试试程序化交易,把策略写进代码里,让机器帮你执行。他第一反应是:"这玩意儿不是机构才用的吗?我一个散户怎么搞?" 其实吧,程序化交易真没你想的那么高大上。我自己就是个普通散户,从去年开始学Python写量化策略,现在虽然算不上高手,但至少能稳定跑一些简单的策略了。今天这篇文章,就是把我这一年的踩坑经验和几个实战案例分享出来,希望能帮到想入门量化交易的朋友。

为什么我想学程序化交易

说出来挺丢人的,我之前亏钱的主要原因不是选股不行,而是管不住手。有时候明明定好了止损位,跌到的时候就是舍不得卖,想着"再等等说不定反弹了"。结果呢,等来的往往是更大的亏损。 后来我想明白了,与其跟自己的人性弱点较劲,不如把交易决策写成代码。程序不会贪婪,也不会恐惧,该买就买,该卖就卖。虽然可能会错过一些机会,但至少不会犯那种"明明知道但就是做不到"的错误。 正好那段时间我在学Python,就顺手研究了一下量化交易的实现。说实话,最开始还是走了不少弯路的,市面上的资料要么太学术化,要么就是卖课割韭菜。后来我发现了aimoca这个平台,它本身就有很成熟的自动化交易解决方案,但我更想自己动手写策略,所以主要用的是它的AI分析功能来验证我的想法。自动化交易

实战案例一:均线交叉策略选比亚迪

这个策略是我写的第一个真正意义上的量化策略,思路很简单:短期均线上穿长期均线时买入,下穿时卖出。具体参数我用的是5日均线和20日均线,这是比较经典的组合。
import pandas as pd
import numpy as np
import tushare as ts

def ma_cross_strategy(stock_code, short_period=5, long_period=20):
    # 获取数据
    df = ts.get_k_data(stock_code, start='2023-01-01')
    
    # 计算均线
    df['MA_short'] = df['close'].rolling(window=short_period).mean()
    df['MA_long'] = df['close'].rolling(window=long_period).mean()
    
    # 生成信号
    df['signal'] = 0
    df.loc[df['MA_short'] > df['MA_long'], 'signal'] = 1  # 买入
    df.loc[df['MA_short'] <= df['MA_long'], 'signal'] = -1  # 卖出
    
    return df

# 测试比亚迪
df = ma_cross_strategy('002594')
print(df.tail(20))
我拿比亚迪(002594)回测了一下,时间范围是2023年1月到4月。结果怎么说呢,还真有效果。这段时间比亚迪从170元左右涨到了250附近,我的策略在3月初发出了买入信号,到4月中旬触发卖出信号,扣除手续费后收益率大概在18%左右。 当然,这个策略也有问题。震荡行情里容易被反复打脸,所以后来我又加了一些过滤条件,比如只有当成交量放大到均量的1.5倍以上才认定信号有效。改进后的策略回测收益提高到了23%,最大回撤也从12%降到了7%左右。

实战案例二:K线形态识别抓涨停

均线策略虽然稳,但收益对我来说还是有点低了。后来我开始研究技术形态识别,想找一些爆发力更强的机会。 我最常做的是"双底形态"识别,原理很简单:股价两次探底形成差不多的低点,中间有一次反弹,形成一个类似W的形状。这种形态往往意味着主力建仓完毕,后市看涨。
def detect_double_bottom(df, tolerance=0.03):
    """识别双底形态"""
    lows = df['low'].values
    n = len(lows)
    
    signals = []
    for i in range(20, n-5):
        # 找第一个底
        if lows[i] == min(lows[max(0,i-20):i+1]):
            # 找第二个底(与第一个底接近)
            for j in range(i+5, min(i+40, n)):
                diff = abs(lows[j] - lows[i]) / lows[i]
                if diff < tolerance and lows[j] == min(lows[i:j+1]):
                    # 确认中间有反弹
                    peak = max(lows[i:j])
                    if peak > 1.05 * max(lows[i], lows[j]):
                        signals.append(j)
                        break
    return signals

# 识别双底后买入,止损设在第二个低点下方3%
df['double_bottom'] = 0
signals = detect_double_bottom(df)
df.loc[signals, 'double_bottom'] = 1
今年2月份,我用这个策略选出了中际旭创(300308),当时它正好走出了双底形态。我记得很清楚,2月6号触底,2月20号再次探底确认,然后就开始拉升。那一波行情我吃到了一段不错的涨幅,大概有35%左右。 不过我要提醒一下,形态识别这种策略主观性比较强,同一个形态不同人可能有不同解读。我现在会配合AI股票分析功能来验证我的判断,毕竟机器比我更客观,不会因为"感觉要涨"就产生幻觉。AI股票分析

实战案例三:资金流策略埋伏主线行情

上面两个策略都是纯技术面的,后来我发现资金流向对个股走势的影响特别大。如果一只股票持续有资金净流入,哪怕技术面一般,股价也往往能走强。反过来,一只股票技术形态再好,没有资金推动也涨不动。 所以我后来写了一个资金流策略:每天收盘后筛选出当天主力净流入排名前20的股票,然后在里面找技术形态好看的,等回调到均线支撑位时买入。
def get_money_flow_stocks(top_n=20):
    """获取主力净流入前N名的股票"""
    pro = ts.pro_api()
    df = pro.moneyflow({})
    
    # 按主力净流入排序
    df = df.sort_values('buy_sm_main', ascending=False)
    top_stocks = df.head(top_n)['ts_code'].tolist()
    
    return top_stocks

def select_by_support(df, ma_periods=[5, 10, 20]):
    """筛选接近均线支撑的股票"""
    for period in ma_periods:
        ma = df['close'].rolling(window=period).mean()
        deviation = abs(df['close'] - ma) / ma * 100
        
        # 价格在均线正负3%范围内视为支撑位
        if deviation.min() < 3:
            return True
    return False
今年AI行情那波,我用这个策略埋伏了科大讯飞(002230)。4月份的时候,主力资金持续流入科大讯飞,技术面也回踩到了20日均线支撑。我当时大概在48块左右建了底仓,后来涨到65块才出的,又是一波不错的收益。 我觉得资金流策略特别适合当前的市场环境。现在结构性行情明显,热门板块的龙头股往往能得到资金持续关注,用这个策略至少能帮你筛选出哪些方向是主力真正在做的。

几个实战经验总结

写了几十上百个策略以后,我总结了几条心得:
  • 先回测再实盘:所有策略都要先在历史数据上跑一遍,确认能稳定盈利再考虑实盘。我之前有个策略回测收益很高,一实盘就亏钱,后来发现是因为滑点和手续费没算进去。
  • 参数不要优化过度:很多人喜欢把参数调得很精确,但这样很容易过拟合。建议用Walk-Forward测试,把数据分成几段,用前面的数据优化,后面的数据验证。
  • 做好仓位管理:满仓梭哈的策略看着爽,但一旦亏损就很被动。我现在单只股票仓位一般不超过20%,这样心态会好很多。
  • 设置止损要坚决:程序化交易最大的好处就是能帮你执行止损。我的标准是单笔亏损超过7%就无条件出局,不管后面看好不看好了。
  • 持续迭代策略:市场风格会变,策略也要跟着调整。我基本上每个月都会复盘一次策略表现,差的直接淘汰,好的继续优化。


我的建议

说了这么多,可能有些朋友还是觉得Python太难了,代码看不懂。没关系,我也经历过这个阶段。最开始连for循环都要查文档,但现在基本的策略逻辑已经能自己写了。 如果你现在还不想自己写代码,但想体验一下量化交易的思路,我建议你可以先试试像aimoca这样的平台。它上面的AI分析功能挺实用的,可以帮你快速筛选股票、判断买卖时机。一个月只要9.9元,一杯奶茶的钱都不到,我觉得挺值的。 当然,如果你有一定基础,还是建议自己动手写一写。哪怕只是一个很简单的策略,在实现的过程中你也会对交易有更深的理解。 最后说一句,量化交易不是圣杯,不能保证赚钱。但至少它能让你少犯一些低级错误,在这个市场里活得久一点。活得更久,才有资格等到下一波牛市。 祝各位都能找到适合自己的投资方式!

⚠️ 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