我用Python写了个自动交易策略，三个月跑了17%收益

缘起：一个亏损朋友的求助

上周我一个大学同学老王来找我，说他今年在A股亏了快30%。他是做价值投资的，拿着贵州茅台（600519）从2400块一直补到1600块，补了三层仓位，现在账户已经很难看了。

老王问我：你搞程序化交易这么多年，能不能帮我看看我的问题出在哪？

说实话，那天晚上我看了他的交割单，发现他的问题不是选股，而是择时。他买贵州茅台的时候根本没看市场情绪和资金流向，全凭感觉。后来我用Python把他的持仓数据和当时的资金面指标做了个回测，发现如果他在买入前加一个简单的北向资金筛选条件，亏损至少能减少一半。

这事儿让我挺感慨的。很多散户投资者其实不缺乏好股票的眼光，但缺乏一套程序化交易策略来约束自己的交易行为。所以今天我想分享一下我这些年用Python开发量化策略的一些实战经验，希望能帮到类似老王这样的朋友。

先说一个我今年年初跑得不错的策略。我用Python写了一个双均线策略，逻辑很简单：5日均线上穿20日均线买入，下穿卖出。

我在宁德时代（300750）上做了回测，时间范围是2023年10月到2024年3月。初始资金10万，手续费按万三计算。结果让我挺惊喜的：

当然，这个策略也不是万能的。2月份有一波假突破，5日均线虽然上穿了20日均线，但没过两天就又跌回来了，那次交易亏了4个多点。所以我后来加了一个过滤条件：当RSI指标低于40的时候，不做买入操作。加入这个过滤后，策略的收益稳定性明显提高了。

这里我要特别提一下，我平时做技术面分析的时候会用到AI股票分析的功能，它可以自动识别K线形态和技术指标信号，比我之前手动算要方便多了。

再说一个偏基本面的策略。我有个朋友专门喜欢抄底，说白了就是喜欢在股票跌到历史估值低位的时候买入。他问我能不能用程序化方式来实现这个思路。

我帮他设计了一个PE-Band策略，核心逻辑是：当股票的滚动市盈率（PE-TTM）处于历史分位的20%以下时买入，处于80%以上时卖出。

我们在比亚迪（002594）上做了测试，时间是2022年1月到2024年3月。结果很有意思：

当然，这个策略也有问题。它的持仓周期很长，2022年买入后一直持有到2023年底才触发卖出信号，中间经历了巨大的心理考验。而且比亚迪在2022年下半年的时候，PE分位在10%以下磨了好几个月，如果你没有足够的信心，很可能早就割肉了。

这个案例告诉我，量化策略最大的敌人不是市场，而是投资者的心理。这也是为什么我现在更倾向于用程序化交易来执行策略，让机器帮我克服人性的弱点。

最后分享一个我目前在实盘跑的策略。这个策略的核心逻辑是跟踪主力资金流向：当一只股票的主力净流入连续3天超过流通市值的0.5%时，次日开盘买入；主力净流出超过0.5%时，次日开盘卖出。

我用这个策略跑了两个月，目前为止的表现是这样的：

目前总体收益大概8%左右，最大单次回撤5.5%（科大讯飞那笔）。我觉得还可以接受，毕竟这个策略的目的是捕捉短期资金推动的行情，不是长期持有的思路。

不过我必须承认，资金流策略有一个很大的问题：数据滞后。我们看到的资金流向数据往往是收盘后才统计的，但主力的动作可能在盘中和盘后完全不一样。这也是我目前在优化的地方。

说了这么多实战案例，我再聊聊新手最容易踩的几个坑：

第一，过度拟合。很多人回测的时候效果特别好，一实盘就亏钱。问题在于你可能把策略参数调得太贴合历史数据了。我建议大家在开发策略的时候，留出2022年之前的数据作为样本内测试，2022年之后的数据作为样本外测试。只有两边都表现不错的策略，才值得信任。

第二，忽视交易成本。很多人算收益的时候只算股票涨跌，忘了算手续费、滑点这些成本。如果你是一个短线策略，10万本金一年交易100次，光手续费就要花掉好几千。所以我建议在回测的时候，手续费至少按万三计算，最好能加上0.01%的滑点。

第三，不做风险控制。这个是我见过最多的错误。我建议每个策略都要设置硬止损，比如单笔亏损超过5%就无条件止损。我目前用的自动化交易系统可以自动帮我执行止损指令，省心多了。

如果你也想尝试程序化交易，我的建议是先从小资金开始。我一般用1-2万块钱跑新策略，等策略稳定运行3个月以上再考虑加大仓位。

另外，我自己也一直在用AI股票分析的功能来做辅助决策。它可以帮我快速筛选出技术面、基本面和资金面都比较健康的股票，比我一个一个翻K线图要高效得多。尤其是最近AI芯片板块波动比较大，有一个工具帮我做多维度分析，心里会踏实很多。

程序化交易不是万能的，它不能保证赚钱，但它至少能帮你克服人性弱点，让你的交易决策更加理性和系统化。如果你也想像我一样，用代码来辅助自己的投资决策，不妨试试看。

⚠️ 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