05 · 策略代码实战

五个从简单到进阶的完整策略示例：双均线趋势、布林带均值回归、RSI 超买超卖、加密网格交易、统计**套利**雏形。每个都讲清核心逻辑、给代码骨架、标注适用市场与风险，最后聊参数边界、组合思维与个人路线图。

免责声明：本站全部内容仅用于学习与研究，不构成任何投资建议。市场有风险，投资需谨慎。

策略总览

#	策略	类型	适用市场	难度	核心收益来源
①	双均线趋势	趋势跟踪	期货、加密、主流股	★	抓住中长趋势，截断亏损
②	布林带均值回归	震荡反转	股票、ETF、加密现货	★★	价格偏离后回归
③	RSI 超买超卖	震荡反转	波动区间稳定的品种	★★	极端情绪回归
④	网格交易	区间震荡	加密现货（最适合自动化）	★★	反复收割区间波动
⑤	统计套利雏形	配对/中性	相关标的对（同板块股、主流币对）	★★★	价差偏离后收敛

一、双均线趋势（经典入门）

核心逻辑：快线（短均线）上穿慢线（长均线）做多，下穿平仓/做空。吃趋势、忍受震荡期磨损。

Python 片段（完整回测见 03-第一个回测，示例代码仅教学用，实盘风险自负）：

python

import pandas as pd

def dual_ma_signal(df, fast=5, slow=20):
    df = df.copy()
    df["ma_fast"] = df["close"].rolling(fast).mean()
    df["ma_slow"] = df["close"].rolling(slow).mean()
    df["signal"] = (df["ma_fast"] > df["ma_slow"]).astype(int)
    df["position"] = df["signal"].shift(1)   # 次日生效，防未来函数
    return df

适用市场：有明确趋势周期的市场（商品期货、主流加密、大盘股）。
风险：震荡市连续打脸（假突破），回撤期长、体验差；胜率天然只有 30-40%，靠盈亏比取胜，拿不住就做不成。

二、布林带均值回归（震荡）

核心逻辑：价格跌破下轨认为超卖、买入；涨破上轨认为超买、卖出/做空；回归中轨是止盈目标。

Python 片段：

python

def boll_revert_signal(df, n=20, k=2.0):
    df = df.copy()
    df["mid"] = df["close"].rolling(n).mean()
    std = df["close"].rolling(n).std()
    df["upper"], df["lower"] = df["mid"] + k * std, df["mid"] - k * std
    df["signal"] = 0
    df.loc[df["close"] < df["lower"], "signal"] = 1    # 下轨买
    df.loc[df["close"] > df["upper"], "signal"] = -1   # 上轨卖
    return df

适用市场：区间震荡的品种（波动稳定的股票、横盘的加密现货）。
风险：单边行情里是接飞刀——价格持续跌破下轨时，均值回归会越买越套。必须配硬止损（如价格再偏离中轨 X% 即离场），并确认品种处于区间状态（可先检测历史波动率是否收敛）。

三、RSI 超买超卖（震荡变体）

核心逻辑：RSI（相对强弱指数）衡量涨跌动能比例，>70 超买、<30 超卖，反向交易。

Python 片段：

python

def rsi(close, n=14):
    diff = close.diff()
    up = diff.clip(lower=0).rolling(n).mean()
    down = (-diff.clip(upper=0)).rolling(n).mean()
    rs = up / down
    return 100 - 100 / (1 + rs)

def rsi_signal(df, over=70, under=30):
    df = df.copy()
    df["rsi"] = rsi(df["close"])
    df["signal"] = 0
    df.loc[df["rsi"] < under, "signal"] = 1      # 超卖买入
    df.loc[df["rsi"] > over, "signal"] = -1      # 超买卖出
    return df

适用市场：与布林带类似，偏好震荡区间稳定的标的；加密高波动品种上需放大阈值（如 25/75）并小心「RSI 钝化」。
风险：强趋势中 RSI 长期停留在超买区（牛市）或超卖区（熊市），反向做单会被趋势碾过。与策略②本质同类，别同时重仓两个同构的震荡策略。

四、网格交易（加密现货自动化）

核心逻辑：在价格区间内预设多个挂单价位，跌到某档买入、涨到某档卖出，反复收割震荡利润。天然适合程序化：全程挂单、无需预测方向。

下单循环思路（示例代码仅教学用，实盘风险自负）：

python

import time
from binance.spot import Spot

GRID_LO, GRID_HI = 55000, 75000   # 网格区间（按行情重设）
GRID_STEP = 500                   # 网格间距
BASE_QTY = "0.01"                 # 每格数量（先校验最小下单量与步长）

def build_grid():
    """生成区间内所有网格价格"""
    prices = []
    p = GRID_LO
    while p <= GRID_HI:
        prices.append(round(p, 2))
        p += GRID_STEP
    return prices

def run_grid(client, symbol="BTCUSDT"):
    grid = build_grid()
    while True:
        # 1. 查询现有挂单，与理论网格比对，缺哪档补哪档
        open_orders = client.get_open_orders(symbol=symbol)
        price_set = {float(o["price"]) for o in open_orders}
        # 2. 理论网格中尚未挂单的价位 → 补挂限价单
        for price in grid:
            if price in price_set:
                continue
            client.new_order(symbol=symbol, side="BUY", type="LIMIT",
                             timeInForce="GTC", price=str(price),
                             quantity=BASE_QTY)
        # 3. 成交回报由 WebSocket/轮询捕获，触发「卖出该档」再挂回
        time.sleep(5)   # 限频内轮询间隔

if __name__ == "__main__":
    client = Spot(api_key=os.environ["BINANCE_API_KEY"],
                  api_secret=os.environ["BINANCE_API_SECRET"])
    run_grid(client)

适用市场：加密现货（7×24 + 无涨跌停 + 免费 API）是网格的天堂；期货/带**资金费率**的合约别用现货思路硬套。
风险：① 单边暴跌时网格全数买套、占用资金无限加大 → 必须设网格区间与资金上限；② 单边暴涨时只吃到一格就跑、踏空 → 设顶部清仓线；③ 网格是「区间震荡提取器」，区间破了策略就失效，要持续监测价格是否仍在区间内。

五、统计套利雏形（配对交易）

核心逻辑：找两个长期同向的标的（同板块股票、BTC 与主流币），价差偏离历史均值时做空高者、做多低者，价差回归后平仓，赚相对运动的钱（市场中性）。

📖 协整概念

配对的核心不是「价格相关」，而是「协整」——价差序列是否围绕稳定均值波动。可用 statsmodels 做协整检验（示例代码仅教学用）：

python

import numpy as np
from statsmodels.tsa.stattools import coint

# a、b 为两个标的价格序列（需对齐）
def zscore(s):
    return (s - s.mean()) / s.std()

def pair_spread(a, b):
    s = a - b                                  # 简单价差（也可用回归残差）
    z = zscore(s)
    return z

# 协整检验：p 值 < 0.05 认为存在协整关系，可配对
_, pvalue, _ = coint(a, b)
print("协整 p 值:", pvalue)

# 交易规则：z > 1.5 做空价差（卖 a 买 b）；z < -1.5 反向；|z| < 0.5 平仓

适用市场：同板块/同主题股票对、强相关加密对（BTC/ETH）、ETF 与成分股。
风险：① 价差关系会失效（基本面变化后不再收敛）——必须动态监控 zscore 的统计特征，失效就停；② 做空 A 股有门槛（融券），个人起步用加密现货对或仅做多腿模拟；③ 容量与配对数量受限，别过度加码。

六、每个策略的「参数与边界」

策略	常用参数起点	不适用行情	失效特征
双均线	fast=5~~20, slow=20~~60	长期横盘	连续小亏、回撤长期贴着止损线
布林带	n=20, k=2.0	单边趋势	止损频繁触发、亏损集中在趋势段
RSI	n=14, 30/70	强趋势（钝化）	RSI 长期 70 以上/30 以下
网格	区间取近期高低点	突破区间的趋势	价格冲出区间、资金被套比例超限
配对	z 阈值 1.5/0.5	相关性崩塌期	价差持续不回归、协整 p 值显著升高

⚠️ 通用边界纪律

任何策略的参数都应在**样本外**验证（见 03-第一个回测第七节），参数灵敏度高 = 不可靠；
为每个策略预写「停止条件」：回撤到 X% 停用、失效特征出现即复盘，而不是死扛；
策略说明书（适用行情、失效特征、停止条件）与研究代码同等重要。

七、策略组合思维

单一策略的收益曲线都有「牛市不赚、熊市亏」的缺陷，组合的核心是**低相关**：

组合方式	效果	例子
多市场	不同市场趋势/震荡周期错开	加密趋势 + 商品趋势
多类型	趋势与均值回归天然互补（一个在趋势期赚、一个在震荡期赚）	双均线 + 布林带
多标的	单一标的事件风险摊薄	3-5 个主流币分别跑同一策略

验证方式：把各策略的日收益序列画在一起，看相关性矩阵；两两相关性 > 0.7 的组合没有分散意义；
组合后的总回撤小于最差单策略是目标——但注意：组合也不会让期望收益叠加，它是降低波动，不是放大收益。

💡 真正值钱的是检测、维护、迭代流程

写出策略代码只需要几天，让它长期活下去却需要持续的投入。真正值钱的是你围绕策略建立起来的检测、维护、迭代流程——也是个人量化长期做下去的核心能力。一次回测的漂亮曲线是研究起点，不是资产。

八、「策略是 20% 代码 80% 维护」的现实

写出策略代码只需要几天，让它长期活下去却需要持续的投入：

维护项	频率	内容
数据修正	不定期	接口源变更、历史数据错误重拉，数据要版本化
接口变动	随交易所更新	Binance/OKX API 改字段、改限频，脚本要跟上
市场风格切换	持续	策略适用的市场环境会变，失效检测要一直跑
平台条款	随时	加密平台服务条款、地区限制变化
参数复审	月度	用滚动窗口重估参数是否仍在有效区间

💡 认知修正

一次回测的「漂亮曲线」是研究起点，不是资产。真正值钱的是你围绕策略建立起来的**检测、维护、迭代流程**——这也是「个人量化」长期做下去的核心能力。

九、个人量化路线图

text

第 1 周   跑通回测：工具链 + 取数 + 第一个双均线回测（本篇 01-03）
   ↓
第 1 个月 做出一致性策略：2-3 个策略完成样本外验证、实验留档
   ↓
第 3 个月 模拟盘：策略全流程跑模拟（或信号推送 + 记录），累计至少 100 笔信号
   ↓
小资金实盘：只放「亏光也不影响生活」的钱，跑 3 个月以上
   ↓
持续迭代：月度复盘 → 失效检测 → 新策略研究 → 仓位渐进

每个阶段都有明确的「通关条件」：模拟盘阶段「信号记录完整、执行无 bug」才允许进入小资金；小资金阶段「回撤可控、无重大操作事故」才允许加仓。跳阶段的人，最后都会在下一个阶段补交学费。

⚠️ 风险提示

本文五个策略均为教学示例：参数是起点不是答案，历史收益不代表未来表现，任何策略都可能失效并造成亏损。网格与配对交易在极端行情下风险会被快速放大（单边破区间、价差不回归）；自动化执行策略时，限频、断线、接口变动同样会制造真实损失。请务必完成样本外验证、设置停止条件、以模拟盘与小资金长期验证后再考虑加仓。本文内容仅用于学习与研究，不构成任何投资建议；涉及实盘与合规的执行细节，以最新监管规定与各平台官方文档为准。

五个从简单到进阶的完整策略示例：双均线趋势、布林带均值回归、RSI 超买超卖、加密网格交易、统计**套利**雏形。每个都讲清核心逻辑、给代码骨架、标注适用市场与风险，最后聊参数边界、组合思维与个人路线图。

免责声明：本站全部内容仅用于学习与研究，不构成任何投资建议。市场有风险，投资需谨慎。

策略总览

#	策略	类型	适用市场	难度	核心收益来源
①	双均线趋势	趋势跟踪	期货、加密、主流股	★	抓住中长趋势，截断亏损
②	布林带均值回归	震荡反转	股票、ETF、加密现货	★★	价格偏离后回归
③	RSI 超买超卖	震荡反转	波动区间稳定的品种	★★	极端情绪回归
④	网格交易	区间震荡	加密现货（最适合自动化）	★★	反复收割区间波动
⑤	统计套利雏形	配对/中性	相关标的对（同板块股、主流币对）	★★★	价差偏离后收敛

一、双均线趋势（经典入门）

核心逻辑：快线（短均线）上穿慢线（长均线）做多，下穿平仓/做空。吃趋势、忍受震荡期磨损。

Python 片段（完整回测见 03-第一个回测，示例代码仅教学用，实盘风险自负）：

python

import pandas as pd

def dual_ma_signal(df, fast=5, slow=20):
    df = df.copy()
    df["ma_fast"] = df["close"].rolling(fast).mean()
    df["ma_slow"] = df["close"].rolling(slow).mean()
    df["signal"] = (df["ma_fast"] > df["ma_slow"]).astype(int)
    df["position"] = df["signal"].shift(1)   # 次日生效，防未来函数
    return df

适用市场：有明确趋势周期的市场（商品期货、主流加密、大盘股）。
风险：震荡市连续打脸（假突破），回撤期长、体验差；胜率天然只有 30-40%，靠盈亏比取胜，拿不住就做不成。

二、布林带均值回归（震荡）

核心逻辑：价格跌破下轨认为超卖、买入；涨破上轨认为超买、卖出/做空；回归中轨是止盈目标。

Python 片段：

python

def boll_revert_signal(df, n=20, k=2.0):
    df = df.copy()
    df["mid"] = df["close"].rolling(n).mean()
    std = df["close"].rolling(n).std()
    df["upper"], df["lower"] = df["mid"] + k * std, df["mid"] - k * std
    df["signal"] = 0
    df.loc[df["close"] < df["lower"], "signal"] = 1    # 下轨买
    df.loc[df["close"] > df["upper"], "signal"] = -1   # 上轨卖
    return df

适用市场：区间震荡的品种（波动稳定的股票、横盘的加密现货）。
风险：单边行情里是接飞刀——价格持续跌破下轨时，均值回归会越买越套。必须配硬止损（如价格再偏离中轨 X% 即离场），并确认品种处于区间状态（可先检测历史波动率是否收敛）。

三、RSI 超买超卖（震荡变体）

核心逻辑：RSI（相对强弱指数）衡量涨跌动能比例，>70 超买、<30 超卖，反向交易。

Python 片段：

python

def rsi(close, n=14):
    diff = close.diff()
    up = diff.clip(lower=0).rolling(n).mean()
    down = (-diff.clip(upper=0)).rolling(n).mean()
    rs = up / down
    return 100 - 100 / (1 + rs)

def rsi_signal(df, over=70, under=30):
    df = df.copy()
    df["rsi"] = rsi(df["close"])
    df["signal"] = 0
    df.loc[df["rsi"] < under, "signal"] = 1      # 超卖买入
    df.loc[df["rsi"] > over, "signal"] = -1      # 超买卖出
    return df

适用市场：与布林带类似，偏好震荡区间稳定的标的；加密高波动品种上需放大阈值（如 25/75）并小心「RSI 钝化」。
风险：强趋势中 RSI 长期停留在超买区（牛市）或超卖区（熊市），反向做单会被趋势碾过。与策略②本质同类，别同时重仓两个同构的震荡策略。

四、网格交易（加密现货自动化）

核心逻辑：在价格区间内预设多个挂单价位，跌到某档买入、涨到某档卖出，反复收割震荡利润。天然适合程序化：全程挂单、无需预测方向。

下单循环思路（示例代码仅教学用，实盘风险自负）：

python

import time
from binance.spot import Spot

GRID_LO, GRID_HI = 55000, 75000   # 网格区间（按行情重设）
GRID_STEP = 500                   # 网格间距
BASE_QTY = "0.01"                 # 每格数量（先校验最小下单量与步长）

def build_grid():
    """生成区间内所有网格价格"""
    prices = []
    p = GRID_LO
    while p <= GRID_HI:
        prices.append(round(p, 2))
        p += GRID_STEP
    return prices

def run_grid(client, symbol="BTCUSDT"):
    grid = build_grid()
    while True:
        # 1. 查询现有挂单，与理论网格比对，缺哪档补哪档
        open_orders = client.get_open_orders(symbol=symbol)
        price_set = {float(o["price"]) for o in open_orders}
        # 2. 理论网格中尚未挂单的价位 → 补挂限价单
        for price in grid:
            if price in price_set:
                continue
            client.new_order(symbol=symbol, side="BUY", type="LIMIT",
                             timeInForce="GTC", price=str(price),
                             quantity=BASE_QTY)
        # 3. 成交回报由 WebSocket/轮询捕获，触发「卖出该档」再挂回
        time.sleep(5)   # 限频内轮询间隔

if __name__ == "__main__":
    client = Spot(api_key=os.environ["BINANCE_API_KEY"],
                  api_secret=os.environ["BINANCE_API_SECRET"])
    run_grid(client)

适用市场：加密现货（7×24 + 无涨跌停 + 免费 API）是网格的天堂；期货/带**资金费率**的合约别用现货思路硬套。
风险：① 单边暴跌时网格全数买套、占用资金无限加大 → 必须设网格区间与资金上限；② 单边暴涨时只吃到一格就跑、踏空 → 设顶部清仓线；③ 网格是「区间震荡提取器」，区间破了策略就失效，要持续监测价格是否仍在区间内。

五、统计套利雏形（配对交易）

📖 协整概念

配对的核心不是「价格相关」，而是「协整」——价差序列是否围绕稳定均值波动。可用 statsmodels 做协整检验（示例代码仅教学用）：

python

import numpy as np
from statsmodels.tsa.stattools import coint

# a、b 为两个标的价格序列（需对齐）
def zscore(s):
    return (s - s.mean()) / s.std()

def pair_spread(a, b):
    s = a - b                                  # 简单价差（也可用回归残差）
    z = zscore(s)
    return z

# 协整检验：p 值 < 0.05 认为存在协整关系，可配对
_, pvalue, _ = coint(a, b)
print("协整 p 值:", pvalue)

# 交易规则：z > 1.5 做空价差（卖 a 买 b）；z < -1.5 反向；|z| < 0.5 平仓

适用市场：同板块/同主题股票对、强相关加密对（BTC/ETH）、ETF 与成分股。
风险：① 价差关系会失效（基本面变化后不再收敛）——必须动态监控 zscore 的统计特征，失效就停；② 做空 A 股有门槛（融券），个人起步用加密现货对或仅做多腿模拟；③ 容量与配对数量受限，别过度加码。

六、每个策略的「参数与边界」

策略	常用参数起点	不适用行情	失效特征
双均线	fast=5~~20, slow=20~~60	长期横盘	连续小亏、回撤长期贴着止损线
布林带	n=20, k=2.0	单边趋势	止损频繁触发、亏损集中在趋势段
RSI	n=14, 30/70	强趋势（钝化）	RSI 长期 70 以上/30 以下
网格	区间取近期高低点	突破区间的趋势	价格冲出区间、资金被套比例超限
配对	z 阈值 1.5/0.5	相关性崩塌期	价差持续不回归、协整 p 值显著升高

⚠️ 通用边界纪律

任何策略的参数都应在**样本外**验证（见 03-第一个回测第七节），参数灵敏度高 = 不可靠；
为每个策略预写「停止条件」：回撤到 X% 停用、失效特征出现即复盘，而不是死扛；
策略说明书（适用行情、失效特征、停止条件）与研究代码同等重要。

七、策略组合思维

单一策略的收益曲线都有「牛市不赚、熊市亏」的缺陷，组合的核心是**低相关**：

组合方式	效果	例子
多市场	不同市场趋势/震荡周期错开	加密趋势 + 商品趋势
多类型	趋势与均值回归天然互补（一个在趋势期赚、一个在震荡期赚）	双均线 + 布林带
多标的	单一标的事件风险摊薄	3-5 个主流币分别跑同一策略

验证方式：把各策略的日收益序列画在一起，看相关性矩阵；两两相关性 > 0.7 的组合没有分散意义；
组合后的总回撤小于最差单策略是目标——但注意：组合也不会让期望收益叠加，它是降低波动，不是放大收益。

💡 真正值钱的是检测、维护、迭代流程

八、「策略是 20% 代码 80% 维护」的现实

写出策略代码只需要几天，让它长期活下去却需要持续的投入：

维护项	频率	内容
数据修正	不定期	接口源变更、历史数据错误重拉，数据要版本化
接口变动	随交易所更新	Binance/OKX API 改字段、改限频，脚本要跟上
市场风格切换	持续	策略适用的市场环境会变，失效检测要一直跑
平台条款	随时	加密平台服务条款、地区限制变化
参数复审	月度	用滚动窗口重估参数是否仍在有效区间

💡 认知修正

九、个人量化路线图

text

第 1 周   跑通回测：工具链 + 取数 + 第一个双均线回测（本篇 01-03）
   ↓
第 1 个月 做出一致性策略：2-3 个策略完成样本外验证、实验留档
   ↓
第 3 个月 模拟盘：策略全流程跑模拟（或信号推送 + 记录），累计至少 100 笔信号
   ↓
小资金实盘：只放「亏光也不影响生活」的钱，跑 3 个月以上
   ↓
持续迭代：月度复盘 → 失效检测 → 新策略研究 → 仓位渐进

⚠️ 风险提示