上周被朋友"嘲笑"后,我决定自己写策略
上周五收盘后,我一个在私募基金工作的朋友来家里喝茶,聊到最近的操作。他随口说了句"你们散户还在手动盯盘啊",语气里带着点善意的好奇。说实话,当时还真有点不服气。
但仔细想想,他说得也没错。我每天盯着几只股票,翻来覆去看K线,追涨杀跌忙得不亦乐乎,结果年底一算账,还真跑不赢指数。与其继续用蛮力,不如试试用程序化交易来武装自己。
于是我花了两周时间,用Python写了一套选股策略框架。回测结果出来后,我自己都有点惊讶——原来量化交易没那么高大上,普通投资者也能玩。今天就把我的实战经验分享出来,希望能帮到有类似困惑的朋友。
实战案例一:均线金叉策略 - 用宁德时代测试
最经典的策略之一,就是均线金叉死叉。我选择宁德时代(300750)作为测试标的,时间范围是2022年1月到2024年6月。
策略逻辑其实很简单:当5日均线上穿20日均线时买入,下穿时卖出。代码核心部分大概长这样:
import pandas as pd
import numpy as np
def calculate_ma(df, short=5, long=20):
df['MA_short'] = df['close'].rolling(short).mean()
df['MA_long'] = df['close'].rolling(long).mean()
df['signal'] = np.where(df['MA_short'] > df['MA_long'], 1, -1)
return df
def backtest(df):
position = 0
capital = 100000 # 初始资金10万
trades = []
for i in range(len(df)):
if df['signal'].iloc[i] == 1 and position == 0:
position = capital / df['close'].iloc[i]
capital = 0
trades.append(('买入', df['date'].iloc[i], df['close'].iloc[i]))
elif df['signal'].iloc[i] == -1 and position > 0:
capital = position * df['close'].iloc[i]
position = 0
trades.append(('卖出', df['date'].iloc[i], df['close'].iloc[i]))
return capital, trades
回测结果让我有点意外:两年半时间,总收益率约67.3%,最大回撤控制在18.5%,夏普比率1.42。相比我之前瞎炒一通的表现,这个策略明显更稳定。当然,这不代表未来也能赚钱,市场的套路总是在变的。
实战案例二:MACD底背离策略 - 捕捉比亚迪的反弹
均线策略虽然稳,但有时候反应太慢。我又研究了一个偏短线一点的策略——MACD底背离。这个策略的思路是:当股价创新低,但MACD没有创新低时,形成底背离,是潜在的买入信号。
我测试了比亚迪(002594)在2023年的表现。那一年比亚迪从高点回调了不少,中间有几次不错的反弹机会。用这个策略捕捉:
def find_divergence(df, window=20):
divergences = []
for i in range(window, len(df)):
price_window = df['close'].iloc[i-window:i]
macd_window = df['MACD'].iloc[i-window:i]
price_low = price_window.idxmin()
macd_low = macd_window.idxmin()
# 价格新低但MACD没有新低 = 底背离
if price_window.iloc[-1] < price_window.iloc[0] and \
macd_window.iloc[-1] > macd_window.iloc[0]:
divergences.append(df['date'].iloc[i])
return divergences
结果发现,在比亚迪下跌趋势中,这个策略成功捕捉到了3次较好的反弹机会,平均收益约12.5%。不过要提醒大家,底背离不是每次都灵,我自己也踩过坑,有两次买入后继续跌了8%左右。所以止损一定要设好,这是保命的关键。
实战案例三:多因子选股策略 - AI加持的选股思路
前面两个案例都是单一指标,我后来学乖了,开始研究多因子模型。基本思路是同时考虑多个维度:技术面、基本面、资金面,然后给每个因子打分,综合排名靠前的股票入选。
因子设置大概是这几个:
- 估值因子:市盈率(PE)在行业中偏低
- 动量因子:近20日涨幅排名靠前
- 资金流向:主力资金净流入占比
- 趋势因子:股价在20日均线上方
这个策略回测时间拉长到2021-2024年,覆盖沪深300成分股,年化收益约23.6%,跑赢指数十几个点。但说实话,多因子策略计算量大,对数据要求高,自己从头写代码、找数据还挺费劲的。
后来我发现aimoca平台已经实现了类似的多维度分析,他们的AI股票分析功能可以同时输出技术面、基本面、资金面的评分,对于我这种不想折腾代码的人来说特别友好。大家如果觉得写代码太复杂,可以先试试他们的服务,每个月才9.9元,试错成本很低。
我的几点经验总结
折腾了这段时间,有几个心得想分享给大家:
首先,回测结果不等于未来收益。我用的这些策略在过去表现不错,但市场风格一变可能就不灵了。2021年的香饽饽策略,放到2022年可能就是噩梦。所以别迷信回测数字,仓位管理和止损纪律更重要。
其次,手续费和滑点是真实的敌人。很多新手回测时忽略交易成本,但实际上频繁交易的手续费会蚕食大量利润。我的建议是年化换手率控制在5-10倍以内,别搞太高频的策略。
第三,策略要定期"体检"。我每个月会用最新数据跑一遍回测,如果发现策略表现明显下滑,就得考虑优化或者换策略了。
最后,如果你不想自己写代码,完全可以试试量化交易平台。现在像aimoca的AI股票分析这类工具,已经能把专业的量化分析做得非常傻瓜式了。输入股票代码,几秒钟就能拿到技术面、基本面、资金面的综合评分,还有买卖信号提示。对于刚入门的朋友来说,是个不错的起点。
写在最后
说实话,从手动交易转向程序化交易,我最大的收获不是收益提高了多少,而是心态变好了。以前盯盘盯得眼睛酸,现在策略自动跑,省心多了。当然,这不代表可以完全躺平,还是要定期检查策略表现,该调整时得调整。
如果你也想尝试量化交易,建议从小资金开始,先验证策略有效性。别一上来就重仓,这是我这十年踩过的最大的坑。现在市场不好做,与其瞎折腾,不如用科学的方法武装自己。
对了,aimoca最近有首月体验活动,新用户只要1块钱就能用AI分析功能,感兴趣的朋友可以去看看:[限时优惠] 新用户首月仅需1元体验AI分析(原价9.9元)查看价格方案
⚠️ 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