📈 量化交易回测系统
本地环境 · Python + backtrader + akShare · 上证指数 2020-2026
📊 回测结果总览
数据：上证指数（2020-01-02 至 2026-06-30，共 1571 个交易日）
策略：双均线交叉（MA10 × MA30），95%资金入场，万2.5手续费
-0.72%
总收益率
-14.02%
最大回撤
23
买入次数
22
卖出次数
🎯 结论：纯双均线策略（MA10×MA30）在2020-2026年上证指数上，6年半下来 几乎不赚不亏（-0.72%），最大回撤仅14%。跑不过同期买入持有（大盘涨了约33%），但回撤控制得更好。这说明简单均线策略不能创造超额收益，但可以帮你降低波动。
⚠️ 重要提示：回测结果不代表实盘。手续费只算了万2.5，未含印花税（A股卖出收万10）和滑点。真实收益会更低。
📉 收益曲线 & 买卖信号
上图展示了大盘走势（黑色）、短期均线MA10（蓝色）、长期均线MA30（红色），以及策略的买入信号（🟢 绿色箭头）和卖出信号（🔴 红色箭头）。中图为账户净值变化，下图为回撤走势。
📊 MA10 × MA30 回测详细走势
🔬 参数优化对比
5组不同均线参数的回测结果对比。每个参数组合代表不同的交易频率和风险收益特征。
📊 不同参数组合 收益率 vs 最大回撤
| 参数 | 总收益率 | 最大回撤 | 交易次数 | 特点 |
|---|---|---|---|---|
| MA5×MA20 | +6.62% | -32.69% | 55次 | 收益最高，但回撤也大，短期均线更敏感 |
| MA5×MA30 | +8.11% | -20.36% | 42次 | 综合最佳，收益正且回撤可控 |
| MA10×MA30 ← 本次 | -0.72% | -14.02% | 23次 | 回撤最小，但几乎不赚不亏 |
| MA10×MA60 | -0.37% | -19.78% | 12次 | 交易频率低，信号少 |
| MA20×MA60 | -4.76% | -31.27% | 14次 | 长期均线反应太慢，错过行情也躲不开大跌 |
⚠️ 过拟合警告：MA5×MA30 在回测中表现最好（+8.11%），但这是"回头看"选出的最优参数。换了时间段或股票，这个参数可能反而最差。别追最优参数。
📋 交易明细
共 45 笔交易（23次买入，22次卖出），以下为最近部分交易：
📋 交易清单（买卖配对）
💻 策略代码
核心策略不到40行，可以直接在服务器上运行和修改。
class GoldenCrossStrategy(bt.Strategy):
params = (
("short_period", 10), # 短期均线天数
("long_period", 30), # 长期均线天数
("target_pct", 0.95), # 每次用95%资金买入
)
def __init__(self):
self.short_ma = bt.ind.SMA(self.data.close,
period=self.params.short_period)
self.long_ma = bt.ind.SMA(self.data.close,
period=self.params.long_period)
self.crossover = bt.ind.CrossOver(self.short_ma, self.long_ma)
self.order = None
def next(self):
if self.order:
return
if not self.position:
if self.crossover > 0: # 金叉 → 买入
self.order = self.order_target_percent(
target=self.params.target_pct)
else:
if self.crossover < 0: # 死叉 → 清仓
self.order = self.order_target_percent(target=0.0)
📁 项目位置：
激活环境：
运行回测：
/root/quant-tutorial/激活环境：
source /root/quant-tutorial/.venv/bin/activate运行回测：
python /root/quant-tutorial/demo_strategy.py
🧰 推荐工具 & 学习路径
国内量化平台（散户友好）
| 平台 | 特点 | 适合 |
|---|---|---|
| 聚宽 JoinQuant | 在线回测，无需本地安装 | 零基础入门 |
| 掘金量化 MyQuant | 客户端软件，多品种 | 进阶 |
| 米筐 RiceQuant | 数据质量高，社区活跃 | 进阶 |
| QMT / PTrade | 券商自带量化终端 | 有实盘需求 |
从这次回测能学到的
关键认知：
1. 简单策略不赚钱 — 双均线这种烂大街的策略，回测下来基本打平大盘甚至微亏
2. 回撤控制比收益率重要 — 纯均线策略虽然赚不到超额收益，但能把回撤控制在14%（对比买入持有的33%以上）
3. 参数优化是双刃剑 — 找最优参数看似聪明，实际容易过拟合
4. 量化不是印钞机 — 它帮你排除烂策略、管理风险，但不会保证赚钱
1. 简单策略不赚钱 — 双均线这种烂大街的策略，回测下来基本打平大盘甚至微亏
2. 回撤控制比收益率重要 — 纯均线策略虽然赚不到超额收益，但能把回撤控制在14%（对比买入持有的33%以上）
3. 参数优化是双刃剑 — 找最优参数看似聪明，实际容易过拟合
4. 量化不是印钞机 — 它帮你排除烂策略、管理风险，但不会保证赚钱
学习路径
- 第1周： 学Python基础（if/for/列表/字典）→ 廖雪峰教程
- 第2周： 注册聚宽，跑一个均线策略回测
- 第3周： 理解回测指标（收益率/回撤/夏普比率）
- 第4周： 修改参数，观察变化，形成自己的思路
- 第2个月： 尝试编写自己的策略
前3个月的目标是理解量化是怎么回事，不是跑赢市场。