上周我有个朋友,兴冲冲地跑来找我:他的程序化策略刚写好,回测收益接近40%,结果实盘一周就亏了6%。问题出在哪?他当天看到AI芯片拉升,信号一出现就追进去,可A股实行T+1,当天买入根本不能卖。第二天板块回调,他只能眼睁睁看着账户缩水。更麻烦的是,模型每天重复发出买入信号,仓位越滚越大。
这件事让我挺意外。程序化交易不是把买卖规则写进电脑就万事大吉,尤其在A股T+1制度下,“什么时候确认信号、什么时候成交、错了如何退出”,比找到一个漂亮的指标更重要。
先理解T+1:程序化交易真正要优化的是什么
A股普通股票实行T+1,今天买入的股票通常要到下一个交易日才能卖出。这项规则会改变收益结构:当天追涨,即使判断错了也无法立即止损;第二天如果低开,实际卖出价可能远低于模型设定的止损价。因此,我更倾向采用“D日收盘确认信号,D+1开盘附近执行”的方式,不让模型和盘口情绪抢跑。
另一个容易忽略的细节是滑点。回测里成交价总能精确落在某个点位,实盘却可能遇到高开、涨停买不到、尾盘流动性不足等情况。我的简化回测统一按次日开盘附近成交,并计入单边0.05%滑点、买卖各0.01%佣金,结果通常会比“看到信号当天成交”的理想回测低几个百分点。
三个历史行情案例:收益相似,做法却完全不同
案例一:中际旭创(300308)在2024年5月20日至6月20日期间,AI算力和光模块成为市场主线。我的多维度模型在5月20日给出78分综合评分,信号来自趋势保持、成交放量及资金面改善;按次日开盘买入、6月20日附近退出,扣除费用后收益约14.8%,最大回撤约6.3%。这个案例比较顺利,因为板块情绪和个股趋势形成共振。若信号只靠“涨得强”触发,T+1下的追高风险会明显增大。
案例二:寒武纪(688256)在2024年2月5日至2月23日波动非常剧烈。模型一度给出91分的热门评分,但半导体内部轮动加快,次日高开后承接不足。按T+1次日开盘规则执行,这段回测收益约为-8.7%,最大回撤达到12.4%。这说明高分不等于低风险,AI芯片这类高热度方向还需要加入“信号衰减”“板块退潮”和隔夜跳空限制。
案例三:宁德时代(300750)在2023年10月24日至11月17日呈现较稳定的震荡上行。基本面评分、主力资金和技术趋势同时改善,次日开盘执行后的区间收益约6.9%,最大回撤约3.8%。与前两个案例相比,它的优势不是涨得更快,而是信号持续时间更长。对个人投资者来说,减少无效交易,往往比多抓一段热点更有价值。以上数据属于历史行情简化回测,并非实盘承诺,收益也会随复权口径和成交方式变化。
我会怎样优化这套策略
- 把T+1直接写进模型:加入可卖数量、冻结持仓和次日可执行价,禁止生成当天买入、当天卖出的无效指令。
- 用多维度评分代替单一指标:技术面判断趋势,基本面过滤公司质量,资金面观察主力动向,再结合板块热度设置仓位上限。
- 给追高加一道保险:次日高开超过2%不追,模型仓位上限设为20%;单日止损幅度应参考波动率,而不是机械固定为3%。
- 加入信号冷却机制:同一股票连续触发时不能无限加仓,减仓信号优先级也必须高于买入信号。
- 先回测再实盘:测试牛市、震荡市和下跌市,重点观察最大回撤、换手率及滑点,而不是只看年化收益。
个人投资者怎样把工具真正用起来
我自己比较看好的,是让AI负责整理信息、筛选信号,让规则负责控制仓位和执行,而不是让模型替你“猜明天”。在aimoca的AI股票分析中,技术面、基本面和资金面会共同形成0—100分综合评分,适合用来建立初筛名单;接入DeepSeek等模型后,还能对公告、财报和行业信息进行连续追问。
如果策略已经成型,可以进一步使用aimoca的自动化交易方案,通过[内链:交易接口]连接券商,完成自动止损、分批建仓和动态调仓。不同券商接口、运行环境和实盘风控要求存在差异,上线前必须用小资金验证。我个人不太喜欢一开始就高杠杆跑程序化交易,稳定执行比短期暴利更重要。平台标准AI股票分析服务为9.9元/月,也可在价格方案中了解详情。
说到底,T+1不是程序化交易的敌人,它只是把A股的缺点放大了:不能当天纠错,就更要重视信号质量。我现在更愿意用“多维评分确认、次日执行、仓位留余地”的笨办法,虽然少赚一点热门钱,却能明显减少隔夜跳空带来的麻烦。市场始终存在不确定性,没有永远有效的策略,适合自己的规则才有长期价值。
⚠️ 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