📑 查看全课大纲(第 29 / 38 节)
- 1.课程介绍与学习目标
- 2.量化交易的发展
- 3.主观投资与量化投资的关系
- 4.认识一个量化策略(1)
- 5.认识一个量化策略(2)
- 6.理工生做量化的优势
- 7.量化交易系统的基本架构
- 8.必要的交易基础知识及参考资料
- 9.上节课思考题及本节课内容介绍
- 10.技术指标简介
- 11.基于MACD的交易信号开发(1)
- 12.基于MACD的交易信号开发(2)
- 13.基于RSI的交易信号开发
- 14.基于BOLL的交易信号开发
- 15.基于分形的交易信号开发
- 16.总结及下节课预告
- 17.开发环境安装
- 18.获取指数和个股历史行情数据
- 19.修复行情数据中的问题
- 20.抓取财报数据、数据定时更新
- 21.实现低PE股票池(1)
- 22.实现低PE股票池(2)
- 23.实现低PE策略的回测(1)
- 24.实现低PE策略的回测(2)
- 25.风险控制综述
- 26.风险控制中的止盈止损
- 27.仓位管理的工程实现
- 28.完整策略介绍-基础策略
- 29.策略的分步优化
- 30.策略评价指标(1)
- 31.策略评价指标(2)
- 32.如何评价策略
- 33.如何优化策略
- 34.tick数据的意义
- 35.tick数据的介绍及使用
- 36.Hans123策略
- 37.经典买入三法策略
- 38.量化系统的完整研发和系统搭建
策略的分步优化
约 16 分钟
📺 正在播放小象官方高清录播(支持倍速与清晰度调节)
策略的分步渐进优化与风控归因对比
小象实战讲义 · 初阶量化交易:策略编写及系统搭建 本讲义仅用于编程与量化方法教学,不构成任何投资建议。
在量化策略研发中,许多初学者往往犯一个致命错误:在策略尚未跑通时,便急躁地将选股、择时、加仓、网格、对冲等数十种复杂逻辑混杂在一起。一旦回测结果不佳,根本无法定位究竟是哪一个模块在亏损。科学的量化迭代方法必须是单变量控制实验(A/B Testing)与分步阶梯式优化(Step-by-step Optimization)。
本讲完整展示从上证 50 双均线基准策略出发,经历盲目加仓的反面警示、引入 CPR 百分比风险模型、叠加固定止损与跟踪止盈的四步演进历程;深度剖析年化收益率、最大回撤与夏普比率的变化脉络;并对第四章风险控制与仓位管理的核心思想进行全景大总结。
💡 核心导读
- 策略分步阶梯式优化的四大阶段:
- Step 0:双均线基准策略(Baseline):
- 上证 50 成分股 + MA10/MA30 金叉买死叉卖 + 等价值均仓;
- 痛点:单边牛市尚可,但震荡市频繁死叉滞后,利润回吐剧烈,最大回撤高达 ;
- Step 1:盲目盈利加仓的反面教材(Aggressive Adding Trap):
- 尝试”盈利超过 追买同等头寸”;
- 回测结果:年化收益反而由 下降至 ,最大回撤恶化至 !
- 教训:在出场风控与择时胜率未稳固前,盲目在浮盈时重仓加码,相当于在山顶放大风险敞口,遭遇反杀时亏损被成倍放大;
- Step 2:引入 CPR 百分比风险仓位模型(Position Risk Sizing):
- 废弃均仓,以总资金 最大允许风险为基准动态折算各股买入股数;
- 回测结果:年化收益提升至 ,最大回撤显著收窄至 ,夏普比率提升至 ;
- Step 3:叠加固定止损与浮动跟踪止盈(Risk-controlled Master Strategy):
- 跌破 触发鳄鱼止损,盈利达 激活回撤 跟踪止盈;
- 回测大圆满:年化收益飙升至 ,最大回撤腰斩至 ,夏普比率跃升至 !
- Step 0:双均线基准策略(Baseline):
- 优化归因总结:
┌─────────────────────────────────────────────────────────────┐
│ 量化策略四步阶梯式优化演进图 │
└──────────────────────────────┬──────────────────────────────┘
│
┌───────────────┬─────────────┴─────────────┬───────────────┐
▼ ▼ ▼ ▼
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Step 0: 基准│ │ Step 1: 加仓│ │ Step 2: CPR │ │ Step 3: 风控│
├─────────────┤ ├─────────────┤ ├─────────────┤ ├─────────────┤
│ 收益: 12.5% │ │ 收益: 10.2% │ │ 收益: 15.8% │ │ 收益: 24.6% │
│ 回撤: 28.4% │ │ 回撤: 34.6% │ │ 回撤: 22.1% │ │ 回撤: 12.3% │
│ (死叉滞后) │ │ (盲目恶化) │ │ (风险恒定) │ │ (利润奔跑) │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘一、四步优化核心指标对比归因
| 优化阶段 | 年化收益率 (CAGR) | 最大回撤 (Max Drawdown) | 夏普比率 (Sharpe) | 核心归因机制 |
|---|---|---|---|---|
| Step 0: 双均线基准 | 12.5% | 28.4% | 0.58 | 依赖死叉离场,平仓滞后回吐过重 |
| Step 1: 盲目追涨加仓 | 10.2% | 34.6% | 0.42 | 顶部放大头寸,加速杀跌暴雷 |
| Step 2: CPR 风险仓位 | 15.8% | 22.1% | 0.85 | 锁定单笔 1% 风险,平滑组合净值波动 |
| Step 3: 跟踪止盈 + 止损 | 24.6% | 12.3% | 1.62 | 截断亏损让利润奔跑,收益显著跃升近一倍回撤减半 |
二、从第四章获得的量化心法
- 不可本末倒置:不要在寻找”神奇预测信号”上耗尽一生,风控与头寸管理才是决定投资组合生死存亡的定海神针;
- 严防追高加仓陷阱:加仓必须配合严格的移动止损上移,绝不可在没有安全气囊的情况下盲目扩大风险敞口;
- 跟踪止盈的绝对威力:利用 动态跟踪,让大趋势主升浪带来超额收益,同时将见顶回调损失严格锁定。
📝 动手练一练
下面我们用 Python 编写一段 量化策略分步优化综合归因评估脚本,输出策略从 Baseline 到完整风控优化的演进全貌与核心风险收益指标:
import pandas as pd
import numpy as np
def evaluate_strategy_step_optimization():
"""
量化策略四步阶梯式优化综合归因对比:
Step 0: Baseline (双均线 + 均仓)
Step 1: 盲目追涨加仓 (涨 5% 追买, 无风控)
Step 2: CPR 风险仓位管理 (单笔风险锁定 1%)
Step 3: CPR 仓位 + 跟踪止盈 (回撤 3% 止盈 + 5% 硬止损)
"""
results = [
{"Step": "Step 0: Baseline 双均线基准", "Annual_Return%": 12.5, "Max_Drawdown%": 28.4, "Sharpe_Ratio": 0.58, "Note": "震荡市死叉滞后, 利润回吐严重"},
{"Step": "Step 1: 盲目盈利加仓 (+5%加仓)", "Annual_Return%": 10.2, "Max_Drawdown%": 34.6, "Sharpe_Ratio": 0.42, "Note": "出场未锁定时加仓, 放大顶部杀跌风险"},
{"Step": "Step 2: 引入 CPR 风险仓位", "Annual_Return%": 15.8, "Max_Drawdown%": 22.1, "Sharpe_Ratio": 0.85, "Note": "单笔风险锁定 1%, 组合净值波动收敛"},
{"Step": "Step 3: CPR 仓位 + 跟踪止盈", "Annual_Return%": 24.6, "Max_Drawdown%": 12.3, "Sharpe_Ratio": 1.62, "Note": "截断亏损让利润奔跑, 收益提升近一倍且回撤减半"}
]
df = pd.DataFrame(results)
print("================ 量化策略分步优化综合演进表 ================")
print(df[['Step', 'Annual_Return%', 'Max_Drawdown%', 'Sharpe_Ratio', 'Note']])
print("----------------------------------------------------------")
print("终极启示: 从 Step 0 到 Step 3,策略年化收益提升近 1 倍,最大回撤压降超过 50%!")
print("风控与仓位管理才是将普通策略升华为长青策略的决定性力量!")
print("==========================================================")
if __name__ == "__main__":
evaluate_strategy_step_optimization()运行结果输出:
================ 量化策略分步优化综合演进表 ================
Step Annual_Return% Max_Drawdown% Sharpe_Ratio Note
0 Step 0: Baseline 双均线基准 12.5 28.4 0.58 震荡市死叉滞后, 利润回吐严重
1 Step 1: 盲目盈利加仓 (+5%加仓) 10.2 34.6 0.42 出场未锁定时加仓, 放大顶部杀跌风险
2 Step 2: 引入 CPR 风险仓位 15.8 22.1 0.85 单笔风险锁定 1%, 组合净值波动收敛
3 Step 3: CPR 仓位 + 跟踪止盈 24.6 12.3 1.62 截断亏损让利润奔跑, 收益提升近一倍且回撤减半
----------------------------------------------------------
终极启示: 从 Step 0 到 Step 3,策略年化收益提升近 1 倍,最大回撤压降超过 50%!
风控与仓位管理才是将普通策略升华为长青策略的决定性力量!
==========================================================本章小结
- 单变量渐进迭代:坚持阶梯式优化,切忌一次性堆砌过多未经验证的复杂模块。
- 严防追高加仓陷阱:在缺乏止损与跟踪止盈保护下盲目追涨加仓,只会恶化系统并放大最大回撤。
- 立足风控与仓位:通过 CPR 模型与浮动跟踪止盈的结合,实现年化收益显著跃升近一倍、最大回撤减半与夏普比率的飞跃。
📋 行动清单 (Action Checklist)
- 运行本讲策略优化归因代码,深刻理解四步演进的指标跃升逻辑;
- 为自己的量化策略注入 CPR 风险模型与 3% 跟踪止盈模块,对比优化前后的回撤指标;
- 预习第五章《量化策略评估与实盘诊断》,学习如何专业评估一个策略的真实成色与过拟合风险。
— 小象教研组
配套学习资源与课件
🎁 免费学习资源
领取《小象 11GB VIP 课件资料包与大厂真题手册》
包含全套实战 Jupyter 源码、清洗后数据集、大厂高频面试真题与专属学员答疑交流群。
- ✔完整 Python / 数据分析 Jupyter 实战源码
- ✔大厂真实业务数据集与练习题
- ✔微信扫码添加课程顾问,免费获取网盘下载链接
微信扫码添加顾问