上周我有个做量化交易的朋友止损特别快,模型回测年化也有20%,实盘一个月却亏了6%。我看完他的成交记录,问题并不在选股逻辑,而是把美股那种“当天买、当天卖”的思路直接搬到了A股。
A股股票实行T+1:今天买入,最快下一个交易日才能卖出。买在尾盘可以,但当天即使突然跳水,也只能眼睁睁看着。这正是程序化交易策略在A股需要重点优化的地方。
先看懂T+1:信号对了,退出仍可能失效
很多策略在收盘后计算信号,然后按理想价格成交;实盘中却会遇到高开低走、集合竞价跳空、跌停封单,甚至根本没有卖单。我更倾向于把收盘信号改成“下一交易日执行”:尾盘确认趋势,次日开盘后分批买入,同时预设隔夜风险线。这样做会牺牲一点理论收益,却能让回测更接近真实交易。
比如2024年10月8日,AI芯片板块情绪明显升温。寒武纪-U(688256)收盘价为888.00元,第二天可卖时收于734.31元,单日跌幅约17.31%。如果策略在10月8日尾盘追入,到10月9日才能退出,账面损失会明显放大。中际旭创(300308)也出现类似情况,10月8日收盘约139.41元,次日收于121.82元,跌幅约12.61%。这两天让我印象很深:T+1不是多收一天手续费,而是把隔夜风险完整留给了持仓者。
我的实战案例:会买,更要学会不买
遇到寒武纪这种高波动股票,我不会再让模型只依赖技术面。以前我会直接看20日均线突破,随后在aimoca的AI股票分析里同时查看基本面分析、资金面分析和市场情绪。现在更关注三个信号:成交量是否连续放大、主力资金有没有明显净流出、业绩能否支撑当前估值。
中际旭创则更典型。公司基本面和AI算力产业趋势都不错,但股价短期涨幅过大时,技术面再漂亮,也可能只是“顺势追高”。我的处理方式是:基本面通过、趋势也通过,但估值和资金面出现冲突时,把仓位从计划的一半降到三分之一。少赚一点没关系,按T+1规则被套住的滋味可不好受。
程序化策略,我会做这5项优化
- 改成次日成交:收盘产生信号,次日开盘或前30分钟分批执行,计入真实滑点、印花税和佣金。
- 建立T+1库存表:记录每笔持仓的最早可卖日期,策略当天绝不能发出违规卖单。
- 限制隔夜风险:单只股票仓位不超过总资金的15%,高波动题材进一步压到5%至8%。
- 模拟极端成交:回测中加入高开低走、跌停无法卖出、停牌和一字板等情形,不能只测理想价格。
- 做样本外验证:用近三年数据训练,再用最近半年行情验证,并和沪深300比较,防止只是碰巧有效。
我还在摸索一个细节:固定止损不一定适合T+1。更合理的做法,是结合开盘缺口、成交量和板块强弱动态退出,同时用自动化交易里的订单管理、异常预警和回测功能验证规则。具体股票、接口权限和策略执行,还要以券商侧支持情况为准,程序化交易报告要求也应提前确认。
AI能帮忙,但不能替你承担风险
现在DeepSeek等大模型让策略生成变快了,但代码写得快不等于策略有效。我更愿意用aimoca的多维度分析先筛掉明显有问题的标的,再检查技术面、基本面和资金面是否互相打架。对于个人投资者,智能投资最实用的地方,不是告诉你“明天一定涨”,而是把信息整理好、风险量化,并提醒你在T+1约束下哪些动作不能做。
如果你有现成模型,还可以通过aimoca的策略定制和交易接口进行回测、部署与运维。AI分析目前为9.9元/月,也支持新用户首月1元体验;自动化交易则更适合需要稳定执行、止损止盈和分批建仓的用户。
写在最后
我认为,A股程序化交易最值得优化的地方,不是把收益曲线做得更漂亮,而是让策略经得起T+1、跳空和无法成交的现实。市场永远有意外,我也不敢保证哪套规则永远有效。先小仓位回测,再纸上模拟,最后才接入实盘,这条路慢一点,却踏实得多。
⏳ [预约演示] 本周自动化交易体验仅开放100个名额
已有2358位用户加入aimoca。限时倒计时结束前,新用户可先以1元体验AI股票分析(原价9.9元/月),也能预约策略回测与交易接口演示。
相关阅读:AI股票分析 · 自动化交易 · 价格方案 · 博客首页
⚠️ 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