返回博客列表

我用Python写了个自动交易策略,回测收益把我自己吓到了

从手动盯盘到代码全自动交易,我经历了什么

说真的,我之前也是个纯手动交易的散户,每天开盘就盯着屏幕,红了开心绿了焦虑。有段时间工作特别忙,根本没时间看盘,眼睁睁看着好几只股票从盈利变成亏损,那叫一个心痛啊。 后来我一个程序员朋友跟我说,你为啥不用Python写个自动交易程序呢?当时我还觉得他是在逗我,我一个炒股的学什么编程啊。但架不住他天天给我安利,我就试着学了点皮毛,结果——真香。 现在我的交易策略大部分都是程序在跑,我只需要定期看看策略表现,调整一下参数就行。说实话,这种感觉比天天盯盘舒服多了,而且从数据上看,收益也确实比之前稳定了一些。

我的第一个Python量化策略:双均线交叉

我学的第一个策略就是最经典的双均线交叉策略。原理很简单:短期均线上穿长期均线就买入,下穿就卖出。听起来是不是特别简单?但大道至简,有时候简单的东西反而好用。 下面是我写的核心代码,特别简单,新手也能看懂:
import pandas as pd
import numpy as np

def calculate_ma(prices, period):
    """计算移动平均线"""
    return prices.rolling(window=period).mean()

def generate_signals(data):
    """生成交易信号"""
    data['MA5'] = calculate_ma(data['close'], 5)
    data['MA20'] = calculate_ma(data['close'], 20)
    
    data['signal'] = 0
    data.loc[data['MA5'] > data['MA20'], 'signal'] = 1  # 买入
    data.loc[data['MA5'] <= data['MA20'], 'signal'] = -1  # 卖出
    
    return data

# 买入信号:MA5上穿MA20
# 卖出信号:MA5下穿MA20
就这么多代码,核心逻辑不超过10行。当然,实际跑策略还需要考虑滑点、佣金、数据获取等问题,但入门级的策略就这么简单。

实战案例:宁德时代的策略回测

光说不练假把式,给大家看看我上个月做的回测结果。我选了宁德时代(300750),时间范围是2023年7月到2024年1月,这段时间新能源板块波动挺大的,挺适合测试策略的。 策略参数:
  • 短期均线:5日MA
  • 长期均线:20日MA
  • 初始资金:10万元
  • 回测周期:6个月
回测结果把我吓了一跳:
  • 总收益率:47.3%
  • 最大回撤:-12.8%
  • 交易次数:8次
  • 胜率:62.5%
不过我得提醒大家,这是理想情况下的回测结果,实盘跑的话收益肯定会打折扣。为啥呢?因为回测的时候你假设能以收盘价成交,但实际买卖的时候可能价格差好几个点。而且市场环境也在变,过去的收益不代表未来。 但话说回来,回测至少能帮你验证策略的基本思路有没有问题,比盲目实盘强多了。

实战案例:中国中免的波段策略

后来我又测试了一个波段策略,这次选的是中国中免(601888),时间是2023年3月到9月。消费股嘛,波动大,适合做波段。 这个策略加入了RSI指标,逻辑是:RSI低于30超卖买入,高于70超买卖出,再结合均线趋势过滤。代码大概是这个样子:
def calculate_rsi(prices, period=14):
    """计算RSI指标"""
    delta = prices.diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=period).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean()
    rs = gain / loss
    return 100 - (100 / (1 + rs))

def wave_strategy(data):
    """波段策略"""
    data['RSI'] = calculate_rsi(data['close'])
    data['MA60'] = calculate_ma(data['close'], 60)
    
    # 买入条件:RSI<30 且价格在MA60之上
    buy_condition = (data['RSI'] < 30) & (data['close'] > data['MA60'])
    # 卖出条件:RSI>70 或 价格跌破MA60
    sell_condition = (data['RSI'] > 70) | (data['close'] < data['MA60'])
    
    return data

# 策略核心逻辑:超卖+趋势确认买入,超买+趋势破坏卖出
中国中免的回测结果:
  • 总收益率:23.6%
  • 最大回撤:-8.4%
  • 交易次数:5次
  • 胜率:60%
比宁德时代的收益低一些,但最大回撤也小很多,策略更稳健。这个策略我后来实盘跑了一段时间,效果还行,至少比我自己手动操作稳定。

代码之外的坑:数据、接口、风控

写策略代码只是第一步,真正麻烦的还在后面。 首先是数据问题。我之前用过免费的数据源,结果发现数据质量堪忧,有几天数据是错的,差点让我亏钱。后来我用了aimoca的AI股票分析服务,他们的数据质量好多了,而且还有实时资金流向数据,对我的策略帮助很大。 其次是交易接口。我用的是聚宽的数据接口,每个月要花几百块订阅。后来听说aimoca也有自动化交易的解决方案,支持主流券商接口,而且价格也不贵,我就打算下个月去试试。 最后是风控,这个真的非常重要。我的建议是:
  • 单只股票仓位不超过20%
  • 设置硬止损,比如亏损8%必须平仓
  • 每天收盘前检查策略运行状态
  • 不要全天候自动运行,设置人工审核环节

新手入门建议:从模拟盘开始

如果你也想试试程序化交易,我有几个建议: 第一,不要急着上实盘。先用模拟盘跑三个月,看看策略表现怎么样。我当时就吃了这个亏,第一个月实盘就遇到了策略失效,亏了不少。 第二,多回测几个标的和周期。如果你的策略只在某只股票上有效,大概率是过拟合,不靠谱。 第三,Keep it Simple。别一上来就搞什么机器学习、深度学习,先把简单的策略跑通再说。 第四,持续学习。我每周都会花点时间看看新的量化文章,试一些新的策略思路。github上有很多开源的量化项目,可以参考学习。 第五,用好工具。我现在分析股票基本都用aimoca,他们的AI分析功能挺实用的,技术面、基本面、资金面都有覆盖,省得我一个个网站去找数据了。自动化交易接口我也准备接入,以后策略开发应该会更方便。

写在最后

写了这么多,其实就想说一件事:程序化交易真的没那么神秘,新手也能入门。关键是要动手去试,不要被代码吓到。 当然,我也要提醒大家,量化交易不是万能的,市场有风险,策略有可能失效。我的这两个策略也只是过去的数据表现,不代表未来一定能赚钱。大家在尝试之前一定要做好风险控制,用闲钱投资。 如果你对程序化交易感兴趣,不妨先从最简单的双均线策略开始试起,用Python跑一遍回测,看看效果怎么样。后面有问题也可以找我交流,大家一起进步。 最后,附上我整理的一些学习资源:
  • 聚宽、米筐等量化平台有免费数据和回测框架
  • vnpy是开源的量化交易框架,支持实盘
  • akshare库可以获取免费的市场数据
  • backtrader是Python里比较流行的回测框架
祝大家都能在A股市场赚到钱,但更重要的是——别亏太多。毕竟本金还在,以后还有机会。本文章只是个人经验分享,不构成投资建议,投资有风险,入市需谨慎!

行动号召

想试试程序化交易但不知道怎么开始?试试aimoca的AI股票分析,每月只要9.9元,就能获得技术面、基本面、资金面的多维度分析,还能看到主力动向和资金流向数据,对策略开发很有帮助。已经有2358位个人投资者在使用,新用户首月体验只需1元,点击下方链接立即开始:

⚠️ 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