上周,一位朋友把2024年9月24日至10月8日的沪深300走势图发给我,问我:“这波行情为什么不早点买?”我一看,沪深300从9月23日的3212.76点涨到10月8日的4256.10点,区间涨幅约32.5%。他不是没看新闻,而是看到消息后既怕追高,又怕踏空,仓位始终在两成到五成之间来回摇摆。
这让我重新意识到,程序化交易策略开发真正解决的,并不是“预测明天涨不涨”,而是把判断变成规则:当什么条件出现时买、买多少、什么情况必须退出。借这次交流,我用Python复盘了几个热门品种,也顺便把一套适合个人投资者的自动交易思路拆开讲讲。
先别急着写代码,策略要先回答三个问题
我的做法是先用AI股票分析查看标的的[内链:技术面分析]、基本面和资金面变化,再把适合量化的部分写进策略。并不是看到“AI芯片”“DeepSeek”之类热门词就直接追,而是观察趋势、波动率和成交活跃度是否同时满足条件。
核心代码并不复杂。假设20日均线代表中期趋势,14日ATR代表波动率,突破20日高点作为入场信号,跌破均线或触发2倍ATR作为退出条件:
import pandas as pd
df['ma20'] = df['close'].rolling(20).mean()
df['atr14'] = df['true_range'].rolling(14).mean()
df['entry'] = (df['close'] > df['ma20']) & (df['close'] > df['close'].rolling(20).max().shift(1))
df['exit'] = (df['close'] < df['ma20'] * 0.95) | (df['close'] < df['entry_price'] - 2 * df['atr14'])
df['position'] = 0.20 / (df['atr14'] / df['close'])这里的0.20代表最多使用20%的可用资金。这样做的好处是,波动大的股票自动买得少,波动小的股票可以适当多买。不过,代码能运行不等于策略能赚钱,我通常还会加入0.1%的双边交易成本、0.05%的滑点,以及A股T+1、涨跌停和停牌限制。
案例一:沪深300突破行情,规则比情绪可靠
再看开头那轮行情。若策略规定“指数突破20日高点后入场,收盘跌破20日均线退出”,2024年9月24日会成为明确的信号日,而不是凭盘中感觉追涨。以3212.76点为前一日基准,指数到10月8日的4256.10点,理论区间收益接近32.5%。
当然,真实程序不会吃完一整段单边上涨。回测中一旦跌破均线,就会减仓;震荡阶段还会设置更高的入场门槛。这里让我印象最深的是:量化并不追求抓住每一次上涨,而是用少数可重复的盈利,覆盖普通交易里不断发生的小亏损。
案例二:寒武纪大涨,止损不能只写一个百分比
再看AI芯片代表寒武纪(688256)。以2024年7月31日至8月5日的公开历史行情复盘,股价从约54.85元升至约91.49元,区间涨幅约67%。这种高波动行情里,固定10%止损很容易被一根正常波动打出去,但完全不设止损又可能把浮盈坐没。
我更倾向于用“20日线趋势过滤+2倍ATR退出”:价格仍在趋势内就继续持有,趋势破坏且波动放大时再离场。需要提醒的是,若某天涨停且买不到,回测不能假设自己按收盘价成交;同样,策略回测收益也不等于实盘收益。
案例三:宁德时代下跌趋势,别把长期持有写成永久不卖
宁德时代(300750)给了我相反的提醒。2022年初其股价约575元,到当年末约220元,全年回撤超过60%。如果策略只有“买入并长期持有”,几乎无法应对这种趋势反转;若看到跌破20日线就频繁退出,又容易在震荡市里反复交易。
后来我采用分批退出:首次跌破均线减半,收盘再低于前一日低点2倍ATR时清仓。效果不能只看一笔交易,更要看最大回撤、换手率、胜率和盈亏比。DeepSeek可以帮我快速生成参数网格、补齐代码注释,但它不会替我承担“未来函数”和数据错误,这部分仍要逐行检查。
几个能立刻用起来的实战技巧
- 先做无未来函数的回测:信号只能使用当日收盘前已经存在的数据,不能用当天最高价判断收盘后再决定按当天开盘买入。
- 先算最坏情况:把手续费、滑点、停牌和一字板买不到全部纳入,再看收益,不要拿“理想成交”安慰自己。
- 把基本面变成过滤器:用AI股票分析检查业绩、估值和资金面,避免在退市风险、业绩暴雷或明显高估的股票上运行机械策略。
- 参数别调过头:20日线、14日ATR并不是神奇数字。我更喜欢做样本外测试和滚动回测,再交给自动化交易的小仓位实盘验证。
我觉得,程序化交易最大的价值不是替人做决定,而是让人少做情绪化的决定。它不能消灭亏损,也无法保证抓住下一只寒武纪;能做的,是把风险边界写清楚,并尽量让每一步都可以复盘。
把策略从代码接到真实交易
如果你也想开发自己的Python策略,可以先用aimoca的AI股票分析验证思路,再体验自动化交易接口、订单管理和风险预警。AI智能分析目前为9.9元/月;本周限时开放新用户首月1元体验,已有2358位个人投资者加入测试。
⏰ 限时提醒:本周预约自动化交易方案演示,页面名额每日更新。
立即预约策略演示 领取1元AI分析体验想了解计费方式,也可以查看价格方案和平台介绍。建议先用模拟盘跑三个月,再逐步增加资金;我对自动化交易比较看好,但对任何“稳赚策略”都保持怀疑。
⚠️ 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