返回博客列表

我用Python写了个选股策略,跑了一年后有点上头

一切要从我那个亏损的账户说起

说真的,我刚开始接触程序化交易的时候,纯粹是被逼的。2023年那会儿,我手里拿着几只新能源股票,天天盯着分时图看,心情跟着K线起起伏伏。有时候开会的时候偷偷瞄一眼手机,发现股票突然跳水,手忙脚乱想卖,结果网速还卡了,等我反应过来已经跌了2个点。

那段时间我整个人都很焦虑,晚上睡不着觉,翻来覆去看各种财经分析。后来我跟一个在券商工作的朋友吐槽,他说你们散户就是太容易被情绪左右了,他们公司的高净值客户早就在用程序化交易了,设定好策略,程序自动跑,连夜报委托都能设置。

这让我开始琢磨,程序化交易到底是怎么玩的?我能不能也整一个?于是就有了这篇文章。

为什么散户真的需要程序化交易?

说实话,我觉得程序化交易最大的好处不是赚钱,而是克服人性弱点。我们散户最大的敌人从来不是市场,是自己。

我之前有个特别不好的习惯——亏损死拿,盈利就跑。一只股票亏了20%,我觉得都跌这么多了,肯定要反弹,结果越补越跌,最后忍痛割肉。反过来,赚了5%就赶紧卖,怕到手的鸭子飞了,结果卖完它又涨了30%。

程序化交易就能很好地解决这些问题。策略一旦写好,设定好止损止盈,程序会自动执行,不会因为恐惧和贪婪而动摇。

当然,我不是说要完全抛弃主观判断。我现在用的是半自动的方式,用Python程序帮我筛选股票、分析信号,但最终买不买还是我说了算。这种方式我觉得比较适合新手,不会一上来就被程序绑架。

如果你想体验一下AI辅助的选股分析,可以试试aimoca的AI股票分析功能,基础版一个月才9.9元,我用了大半年感觉还挺值的。

实战案例一:双均线策略选出了这只牛股

好了,说重点。我写的第一个策略是双均线策略,逻辑很简单:金叉买入,死叉卖出。具体来说就是当5日均线上穿20日均线时买入,下穿时卖出。

我用Python写了个回测程序,测试了2023年全年的数据。先说结果:对宁德时代(300750)这只股票,双均线策略年化收益率是23.6%,而同期持有不动的收益率是18.2%,跑赢了5.4个百分点。

最大的区别在于,持有不动的策略在2月份那波回调中回撤了将近15%,而程序在死叉信号出现时自动止损,只回撤了6%。这个差距在真实交易中感受是完全不同的。

代码逻辑其实不难,我给大家贴个简化版的框架:

import pandas as pd
import numpy as np

def calculate_ma(df, short=5, long=20):
    df['MA_short'] = df['close'].rolling(window=short).mean()
    df['MA_long'] = df['close'].rolling(window=long).mean()
    return df

def generate_signal(df):
    df['signal'] = 0
    df.loc[df['MA_short'] > df['MA_long'], 'signal'] = 1
    df.loc[df['MA_short'] < df['MA_long'], 'signal'] = -1
    return df

这段代码计算5日和20日均线,然后生成交易信号。真正跑起来还需要加上仓位管理、止损止盈这些,逻辑会复杂一些,但核心思路就是这个。

实战案例二:MACD+RSI组合策略避开了大跌

第二个策略是我自己琢磨出来的组合策略,用MACD判断趋势,用RSI判断超买超卖。逻辑是这样的:

  • MACD金叉且RSI低于40时买入(趋势反转信号)
  • MACD死叉或RSI高于70时卖出(趋势结束或超买)

我用这个策略回测了比亚迪(002594)从2023年3月到2024年2月的数据。结果很有意思:

那段时间比亚迪从240多跌到160多,跌幅超过30%。如果一直持有不动,亏损是实打实的。但用这个组合策略,虽然中间有几次假信号被止损,但全年只亏损了8.3%,而且躲过了7月份那波大跌。

我觉得这个策略比较适合震荡市,能反复抓一些小波动。缺点是趋势明显的单边行情里容易来回被扇耳光,所以后来我又加了个滤网,只有当20日均线往上的时候才按信号操作。

实战中踩过的坑,你们别再踩了

说了这么多正向的例子,我也踩过不少坑,给大家提个醒:

第一,回测和实盘差距巨大。我第一次跑双均线策略,回测收益率高达40%,信心满满入金实盘,结果第一个月就亏了。为啥?因为回测的时候没考虑手续费、滑点、成交量的影响。实盘中你看到金叉信号,不一定买得到;看到死叉信号,不一定卖得掉。

第二,参数过拟合。我发现某些参数组合在回测中表现特别好,但实盘一用就拉胯。这就是过拟合——你的策略太适应历史数据了,反而失去了普遍性。我的经验是,同一个策略,用不同的时间段、不同股票验证,如果都能稳定盈利,才说明策略是有效的。

第三,别频繁改策略。这个我做得不好,有时候连续亏损几天就忍不住改参数,结果越改越乱。现在我给自己定了个规矩,一个策略至少跑满3个月才评估效果,不轻易改动。

如果你是刚入门,我建议先别急着写代码,可以试试看aimoca的AI股票分析,它能帮你快速了解一只股票的技术面、基本面和资金面情况,相当于有个智能助手帮你做初步筛选。我现在每天早上会用它扫一遍自选股,看看有没有异常信号,再决定当天要不要手动操作。

我的实用技巧总结

1. 从小额实盘开始:别一上来就全仓操作,先用1成仓位跑两个月,感受一下策略的真实表现。

2. 做好交易记录:每次买卖都要记录当时的想法和依据,定期复盘。我用的是Excel表格,简单但够用。

3. 多市场验证:同一个策略在不同板块、不同时期表现可能差异很大。我一般会测试10只以上不同行业的股票。

4. 设置硬止损:单笔亏损超过7%必须止损,不管什么理由。这是保命线。

5. 保持策略简单:我见过有人把策略写得超级复杂,什么布林带、斐波那契、波浪理论全用上,结果根本没法维护。简单有效就行。

写在最后

说了这么多,我想说的是,程序化交易不是神,它只是一个工具。用好了能帮你克服人性弱点,用不好反而会放大亏损。

我现在的配置是这样的:用Python写策略做回测和分析,用aimoca做日常的股票筛选和信号验证,实盘操作还是自己来。这样既有程序的理性,又有人的灵活性。

如果你也想试试程序化交易,建议先从简单的策略开始,慢慢积累经验。市场的钱是赚不完的,但本金是可以亏完的,稳扎稳打才是王道。

现在点击下方链接,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),还可以了解完整的自动化交易解决方案。我已经用了大半年,亲测靠谱!

🚀 限时优惠:首月仅需1元体验AI分析

已有2358位投资者加入aimoca

👉 立即1元体验

⚠️ 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。程序化交易存在回测与实盘差异的风险,请量力而行。数据来源:历史回测及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