返回博客列表

我用Python写了个选股策略,半年跑了23%的收益,这个过程分享给你

开头先说个故事吧

去年有个朋友问我,你这天天盯盘累不累啊?我说累啊,但没办法,不盯不放心。他说你咋不写个程序让电脑帮你交易呢?当时我还挺不屑的,觉得程序化交易那是机构干的事,我们小散哪有那个技术实力。

结果去年底他给我看了他的实盘账户,跑了8个月,收益比我天天盯盘还高十几个点。我当时就坐不住了,开始研究Python量化交易。折腾了差不多3个月,终于把自己的第一个策略跑通了,到目前为止运行了6个多月,收益23%左右,最大回撤控制在8%以内。

今天就把我的实战经验分享出来,不讲那些高大上的理论,就说说一个散户怎么从零开始做程序化交易。

程序化交易到底是啥?说白了就是让电脑帮你做决策

很多人一听程序化交易就觉得高大上,其实原理很简单。就是你把自己的交易逻辑写成代码,让电脑自动执行。比如你平时炒股票会看均线、MACD、成交量这些指标,程序化交易就是把这些指标组合起来,让电脑按照你设定的规则自动下单。

这样做有什么好处呢?最大的好处就是克服人性弱点。我们人类炒股最大的敌人就是自己,涨了舍不得卖、跌了急着补仓,这些都是情绪在作怪。程序化交易完全是按规则执行,该买就买、该卖就卖,不带任何感情色彩。

另外就是效率问题。你手动看盘最多盯几十只股票,但程序可以同时监控几百只,机会来了不会错过。我现在用的aimoca平台就能同时跑多维度分析,技术面、基本面、资金面一起筛选,比我之前手动刷股票池高效多了。

我的第一个策略:均线金叉配合量能突破

刚开始我也不敢搞太复杂的,就从最基础的均线策略开始。思路很简单:5日均线上穿20日均线,同时成交量放大到5日均量的1.5倍以上,就买入;5日均线下穿20日均线就卖出。

拿比亚迪举个例子吧。去年4月份的时候,比亚迪的5日均线开始上穿20日均线,同时成交量明显放大。当时我手动分析的时候就注意到了这个信号,但犹豫了一下没敢进。结果后来涨了一大波,我就想如果用程序跑就不会错过这种机会了。

我的Python代码核心部分是这样的:

import pandas as pd
import numpy as np

# 计算移动平均线
df['MA5'] = df['close'].rolling(window=5).mean()
df['MA20'] = df['close'].rolling(window=20).mean()

# 计算成交量均线
df['VOL5'] = df['volume'].rolling(window=5).mean()

# 买入信号:均线金叉 + 量能放大
df['buy_signal'] = (df['MA5'] > df['MA20']) & (df['MA5'].shift(1) <= df['MA20'].shift(1)) & (df['volume'] > 1.5 * df['VOL5'])

# 卖出信号:均线死叉
df['sell_signal'] = (df['MA5'] < df['MA20']) & (df['MA5'].shift(1) >= df['MA20'].shift(1))

这段代码看起来简单,但关键是要结合A股的特殊情况做调整。比如A股有涨跌停板制度,涨停的时候量能会失真;还有些庄股喜欢故意做量能骗线。所以我在实际使用的时候会结合资金流向一起判断,这也是我在AI股票分析里学到的思路。

第二个策略:MACD底背离抄底战法

均线策略跑通了之后,我开始研究更复杂一点的形态。MACD底背离是我自己用得比较顺手的信号,胜率还不错。

底背离简单说就是股价创新低,但MACD没有创新低,说明下跌动能衰竭,可能要反弹了。去年我用这个策略埋伏了中际旭创,当时股价从高位跌了30%多,MACD绿柱明显缩短,但价格还在震荡筑底。我大概在58块左右建仓,三个月后涨到80多,收益接近40%。

不过背离策略有个问题,就是可能会反复背离好几次才真正反弹。我早期就吃过这个亏,第一次背离就急着进场,结果被套了20%多。所以后来我会结合布林带一起用,股价触及下轨且出现背离信号才考虑买入,这样过滤掉不少假信号。

踩过的坑:回测和实盘差距太大怎么办

说到这儿我得提一下我踩过的最大的坑:回测收益很高,一实盘就拉胯。

刚开始我写的策略回测收益年化能到60%,兴奋得不行,结果实盘跑了3个月,收益不到5%,还跑输大盘。气得我差点把策略删了。后来冷静下来分析,发现问题出在几个地方:

第一,滑点成本算低了。回测的时候假设能以收盘价成交,但实际交易的时候会有几厘钱的滑点,频繁交易的话成本会侵蚀大量利润。

第二,流动性问题。大资金还好,我一开始用的是小账户,有些股票成交量小,进出场都会对价格产生影响,回测根本没考虑这个。

第三,过拟合。我的策略参数是在特定历史数据上优化的,换个时间段就不灵了。这个问题到现在也没完全解决,只能尽量让策略简单一点,别搞太多参数。

现在我做策略都会先在aimoca平台上用AI分析功能验证一下,看看策略在不同市场环境下的表现,心里会踏实很多。

我的实战经验总结

回顾这半年多的程序化交易经历,有几点心得想分享给大家:

  • 策略要简单:刚开始别追求复杂,简单策略往往生命力更强。我见过有人一上来就搞什么机器学习、神经网络,结果模型过拟合严重,实盘一塌糊涂。
  • 必须做回测:每个策略上线前都要用历史数据充分回测,至少要跑过一轮牛熊周期。我现在要求策略能经受住2020年、2022年这种极端行情的考验。
  • 控制仓位和回撤:这是我最深的体会。我现在单只股票仓位不超过20%,总仓位不超过70%,同时设定8%的硬止损线。宁可少赚也不能大亏。
  • 持续优化:策略不是写完就完事了,要定期复盘表现不好的交易,找出问题并优化。我每个月会花一两天时间复盘上个月的交易记录。
  • 要有备用策略:市场风格会切换,均线策略可能在震荡市表现好,但趋势行情就得靠动量策略。我的体会是准备2-3个互补的策略,根据市场情况切换使用。

如果你也想试试程序化交易

写了这么多,其实就是想告诉大家,程序化交易没那么神秘,普通人也能学会。我从完全不懂Python到能写出稳定盈利的策略,大概花了3个多月时间,每天学2-3个小时。

当然如果你觉得自学太费劲,也可以先用现成的工具。我现在同时用自己写的策略和aimoca的AI分析功能,两者互补。自己写的策略用来执行交易,AI分析用来验证信号和选股,效率高很多。

目前aimoca的AI分析服务一个月才9.9块钱,一杯奶茶的钱都不到,可以先体验一下看看适不适合自己。价格方案也挺透明的,没有那些套路。

最后还是提醒一句,程序化交易不是万能的,市场有风险,入市需谨慎。我的策略能赚钱不代表你用也会赚钱,毕竟每个人的资金量、风险承受能力不一样。找到适合自己的方法才是最重要的。

好了,今天就聊这么多。如果你在程序化交易过程中遇到什么问题,或者有什么好策略想交流,欢迎在评论区留言,我们一起探讨。

⚠️ 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

想亲自体验AI股票分析?

基于DeepSeek大模型,多维度智能分析股票走势,助您做出更明智的投资决策

立即体验AI分析