上周,一位做电商的朋友拿着一只股票问我:“每天盯盘太累,能不能让电脑按我的想法自动买?”我看了看他的交易记录,买卖点全凭感觉,止损也没有固定规则,半年下来收益不到6%,最大回撤却超过15%。这其实很常见——很多人缺的不是选股能力,而是一套能够重复执行、检查和纠错的程序化交易流程。
我通常会用Python先做回测,再接入交易接口。像中际旭创(300308)这样的热门股,行情起来时人人羡慕,但等程序发出“追涨”信号,价格可能已经高了。aimoca的AI股票分析能同时查看技术面、基本面和资金面,我会用多维度分析确认交易逻辑,而不是让大模型随口生成一句“建议买入”就下单。涉及接口部署时,可以进一步了解自动化交易方案。
案例一:20日均线策略跑中际旭创
我的第一个版本很简单:5日均线上穿20日均线买入,下穿卖出,每笔使用账户20%的资金。回测区间设为2024年1月2日至12月31日,初始资金10万元,按次日开盘价成交,并计入0.03%佣金和0.05%双边印花及滑点。
这段教学回测共触发9次完整交易,样本收益率为22.4%,最大回撤11.8%,胜率55.6%。收益并不夸张,过程却比人工追热点稳定得多。问题也很明显:震荡行情中均线反复交叉,11.8%的回撤并不低。于是我把成交量过滤条件加进来——只有放量突破前高才允许买入,样本收益升至26.1%,回撤降到9.7%。
import pandas as pd
df = pd.read_csv('300308_daily.csv')
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()
df['signal'] = (df['ma5'] > df['ma20']).astype(int)
df['position'] = df['signal'].shift(1).fillna(0)
df['strategy_ret'] = df['close'].pct_change() * df['position']
print((1 + df['strategy_ret']).cumprod().iloc[-1])
案例二:宁德时代不能只看一条均线
宁德时代(300750)波动没有小盘题材股那么剧烈,但基本面变化会影响趋势持续性。我把程序改成“双因子”:20日均线判断方向,120日均线判断中期趋势,两条线同时向上才开仓;跌破10日均线先减半仓。
同样使用2024年日线数据、10万元初始资金和次日开盘成交,规则版本产生6次交易,样本收益率为18.7%,最大回撤7.9%。单纯使用20日均线的收益为14.2%,回撤却达到10.6%。这组对比让我意识到,多一个过滤条件未必能提高收益,但有机会减少坏交易。
我还会用aimoca检查宁德时代的财务指标、估值位置和资金流向。如果技术面显示突破,而资金面仍是持续净流出,程序就不会开仓。这里的重点是“多维度分析互相验证”,而不是让某个指标决定一切。
案例三:DeepSeek能写代码,但不能替你承担风险
现在不少人会让DeepSeek写Python代码。确实快,我让它把布林带和ATR止损组合起来,再将代码跑在寒武纪(688256)的2024年9月2日至12月31日样本上:价格突破布林带上轨后入场,ATR的2倍作为动态止损,初始资金仍为10万元。
这组演示结果为31.2%收益、18.9%最大回撤,共交易4次。收益看着漂亮,回撤却接近样本波动本身,说明策略对行情阶段很敏感。我不会直接把它接入实盘,而是把单笔风险压到账户2%,加入连续三次亏损暂停交易的规则,再观察信号是否稳定。AI可以提高开发效率,却不能替代回测、仓位管理和风险边界。
普通投资者可以这样落地
- 先写清规则:明确买入条件、卖出条件、持有周期和单笔仓位,避免回测时临时修改参数。
- 把成本算进去:佣金、印花税、滑点和冲击成本都可能吞掉小优势。
- 不只看收益率:同时检查最大回撤、夏普比率、换手率和连续亏损次数。
- 先模拟后实盘:用历史数据验证,再做模拟交易,最后才以小资金运行。
- 设置熔断:遇到价格异常、接口中断或当日亏损超限时自动停止下单。
我认为,程序化交易最大的价值不是赚得最多,而是把“我觉得”变成“我事先规定”。我自己的方法也在摸索:这次示例中的收益数据来自教学回盘,参数仍可能在真实交易中失效,不能当作未来收益承诺。
把策略从笔记本搬到交易终端
本月限时,aimoca AI智能股票分析仅需9.9元/月,可获得技术面、基本面、资金面及综合评分分析。已有2358位个人投资者加入使用,优惠截止本月最后一天,名额倒计时中。
想先验证自己的思路,可在立即体验AI股票分析;需要策略定制、回测及券商接口部署,可前往预约自动化交易演示。更多使用方式见价格方案与平台介绍。
对个人投资者来说,智能投资不是找到一支“必涨”的股票,而是让选股、买卖和风控形成闭环。先把一个小策略写清楚、回测扎实,再考虑自动化,会比一开始追求复杂模型踏实得多。
⚠️ 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