上周我的一位朋友找我做策略咨询。他盯了中际旭创(300308)好几天,看到股价连续上涨便追了进去,结果买在阶段高点,几天后浮亏超过12%。我让他先把交易逻辑写成Python:什么条件下买入、跌破多少卖出、最多承担多少风险。规则跑出来以后,他才发现那次追高根本不符合自己的趋势策略。
这件事让我很直观地感受到,程序化交易的核心并不是“让电脑替你下单”,而是先把“我感觉会涨”变成可以检验的规则。aimoca的AI股票分析可以从技术面、基本面和资金面同时给股票打分,帮我们缩小观察范围;后面再通过自动化交易连接券商执行,回测和实盘之间的衔接会更顺畅。
案例一:中际旭创的AI芯片行情
我们使用5日、20日均线,辅以成交量过滤:5日均线上穿20日均线,并且当日成交量达到20日均量的1.2倍,才产生买入信号;退出采用20日均线或两倍ATR止损。按公开前复权日线粗略复算,2024年9月25日中际旭创收盘价约110.80元,10月8日约151.48元,区间涨幅约36.72%。考虑双边交易成本及约0.2%的滑点后,理论收益约36.4%。
这个案例最吸引人的地方,是它抓住了AI算力需求推动光模块板块上涨的行情。但我必须坦白,这是一段事后挑选的强势样本,不能证明策略未来还能赚36%。不同数据源的复权口径、成交时点不同,结果也会有小幅差异。
案例二:比亚迪与案例三:寒武纪
比亚迪(002594)代表新能源车方向。相同趋势规则下,2024年2月5日收盘价约180.10元,5月20日约242.11元,区间收益约34.43%,扣除估算费用后约34.1%。寒武纪(688256)则属于半导体和国产算力热点:2024年9月25日收盘价约359.70元,10月8日约794.63元,区间收益约120.91%,扣除费用后约120.6%。
寒武纪的波动非常大,策略如果没有ATR止损,一次普通回撤就可能吃掉大量利润。这也是为什么我不喜欢只写“均线金叉就买”的简单教程。DeepSeek这类大模型可以用来解释公告、总结逻辑和辅助代码编写,但“AI分析”不能替代历史回测,更不能承诺收益。真正能落地的策略,必须同时考虑仓位和退出规则。
一个能读懂的基础Python框架
import akshare as ak
df = ak.stock_zh_a_hist(
symbol='300308', period='daily',
start_date='20240101', end_date='20241231',
adjust='qfq')
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()
df['vol20'] = df['volume'].rolling(20).mean()
df['signal'] = ((df['ma5'] > df['ma20']) &
(df['ma5'].shift(1) <= df['ma20'].shift(1)) &
(df['volume'] > df['vol20'] * 1.2))
# 信号至少延迟一天,避免使用未来数据
position = df['signal'].shift(1).fillna(0)
df['strategy_return'] = df['close'].pct_change() * position
print(df['strategy_return'].cumsum().tail())
这段代码只是骨架,没有包含完整止损、手续费和异常行情处理。aimoca的策略回测平台可以进一步验证不同参数,并支持把成熟策略部署到交易接口;需要个性化条件时,也可以使用平台介绍了解策略定制服务。
我总结了4个实盘技巧
- 先防未来函数。当天收盘后产生的信号,只能按下一交易日价格成交,不能偷偷用当天收盘价回测。
- 单只股票仓位别太重。我更倾向先用总资金的20%试跑趋势策略,再根据回撤逐步调整。
- 止损必须量化。可以用ATR、近期波动区间或固定百分比,不要亏损后才临时决定。
- 别只看收益率。同时观察最大回撤、胜率、换手率和交易成本。一个月赚5%但最大回撤20%,未必比稳定的小策略更适合个人。
我觉得,程序化交易最迷人的地方不是“躺赚”,而是让情绪退出决策过程。策略不一定马上赚钱,甚至会连续几次小亏,但只要规则清楚、风险可控,我们就有机会稳定复盘,而不是每天追涨杀跌。
⚠️ 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