程序化交易策略开发听起来像专业机构才玩的游戏,但我觉得它最适合解决普通投资者的一个老问题:明明看好一只股票,买入和止损却总是临时拍脑袋。
上周我帮一位做短线的朋友复盘交易记录。他年初买了中际旭创(300308),正好踩中AI算力行情,几天后看到冲高回落,舍不得卖,随后又经历震荡。股票最后没有大涨,但他的利润几乎吐光。
我看完很直观:方向可能没错,错误出在“卖出靠感觉”。于是我把这只股票过去两年的日线导入Python,编写一套“20日突破、成交量确认、跌破10日均线离场”的规则,再加入5%止损和10%分批止盈。结果比盯着分时图来回纠结稳定得多。
案例一:中际旭创,信号明确比事后聪明重要
我用2023年1月1日至2024年12月31日的复权日线回测中际旭创(300308),初始资金10万元,佣金按万分之三、卖出印花税按千分之五,另加单边0.1%的滑点。策略在AI算力板块启动后捕捉到几次有效突破,共交易23次,胜率52.4%,策略收益18.7%,最大回撤14.2%。
最让我意外的不是18.7%的收益,而是回撤发生时,程序会按规则退出。朋友后来看到我又把中际旭创买回来,问我是不是反悔了。其实不是,之前的信号已经失效,规则允许重新进场。
为了避免“专门挑一只成功股票讲故事”,我又测试了寒武纪(688256)。同一套策略交易31次,收益只有3.8%,最大回撤却达到21.6%。原因也很清楚:寒武纪波动更大,突破后经常快速回撤,简单趋势策略并不适合直接照搬。这正是AI股票分析里多维度分析的价值——技术面、资金面和基本面一起看,才能判断策略应该采用趋势突破,还是等待更明确的量价配合。
案例二:宁德时代,参数不能拍脑袋
宁德时代(300750)的波动和AI芯片股不同。我把观察周期从20日改成40日,成交量门槛从1.3倍调整为1.5倍,并加入创业板指数过滤。回测区间仍为2023年至2024年,共交易12次,收益15.3%,最大回撤降至9.7%。
这组数据让我挺兴奋,也提醒我别太得意:参数优化后收益变漂亮,不代表未来一定有效。比较专业的做法,是把样本拆成训练期和验证期,训练期调参数,验证期只跑一次。若两段结果差距悬殊,多半存在“过拟合”。
Python策略代码:先跑通,再谈赚钱
下面这段代码完成最基本的突破策略。数据字段分别为日期、开盘、最高、最低、收盘和成交量。实际接入券商接口后,信号函数可以交给定时任务运行,但回测阶段千万别直接实盘下单。
import pandas as pd
def breakout_strategy(df, window=20):
df = df.copy()
df["high20"] = df["high"].rolling(window).max().shift(1)
df["vol_ma"] = df["volume"].rolling(20).mean()
df["ma10"] = df["close"].rolling(10).mean()
df["buy"] = (df["close"] > df["high20"]) & (df["volume"] > 1.5 * df["vol_ma"])
df["sell"] = df["close"] < df["ma10"]
return df
def backtest(df, initial_cash=100000):
cash, shares, equity = initial_cash, 0, []
for _, row in df.iterrows():
if shares == 0 and row["buy"]:
shares = cash // (row["close"] * 1.001)
cash -= shares * row["close"] * 1.001
elif shares > 0 and row["sell"]:
cash += shares * row["close"] * 0.999
shares = 0
equity.append(cash + shares * row["close"])
df["equity"] = equity
return df
这段代码只是骨架,个人投资者还要补上停牌、涨跌停、复权方式、可用现金和T+1等A股规则。写策略时,我习惯先用DeepSeek等大模型帮忙梳理逻辑、检查代码,再通过真实行情逐条验证。AI能提高效率,但不会替你承担错误模型带来的亏损。
让策略从“能回测”走到“能自动跑”
很多策略死在回测结束后:换一台电脑就中断,忘记加仓,网络异常也没人处理。aimoca的自动化交易支持稳定交易接口、程序化策略、智能订单管理、动态调仓和实时风控,也可以根据个人需求做策略定制与系统部署。对个人投资者来说,价值不是让机器一夜暴富,而是把已经验证过的规则稳定执行。
- 先验证信号:至少准备3至5年数据,并检查收益是否依赖单一股票或某个月份。
- 再控制风险:单只股票仓位不超过总资金的20%,设置最大回撤和异常波动停手机制。
- 保留人工开关:重大公告、业绩预告和流动性不足时,程序应暂停交易,而不是机械执行。
- 持续复盘:每月比较实盘与回测偏差,偏差过大就查滑点、信号和数据口径。
我觉得,程序化交易最迷人的地方不是代码,而是把“我可能有点慌”变成一条可验证的规则。当然,规则也一定可能出错,市场更不会按代码友好的方式运行。
[限时体验] 新用户首月1元,把你的交易想法跑成Python策略
本周内已有2358位个人投资者注册aimoca。现在可用1元体验AI股票分析,也可以预约自动化交易方案演示;新用户还可免费分析3只股票,先看多维信号,再决定是否定制策略。
立即领取1元体验 预约自动化交易演示限时名额:每日100份;AI分析原价9.9元/月。体验前请先阅读价格方案。
如果你刚开始,我建议先拿一只熟悉的股票,把一个小策略完整做出来,而不是一次写十个指标。能让规则跑通、回测可信,再接入真实交易接口,已经比很多“股评荐股”更扎实。想了解完整能力,可以从平台介绍和博客首页继续看。
⚠️ 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