编写一个均值回复型股票量化策略

编写一个均值回复型股票量化策略

小象实战讲义 · 进阶量化交易实战：迭代式的量化策略研发 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

将均值回复理论转化为可盈利的实盘代码，需要精细设计指标偏离度、自适应入场带宽以及动态目标平仓线。本节深入剖析基于布林带（Bollinger Bands）与 RSI 复合过滤的股票均值回复策略全流程编码实现。

💡 核心导读

• 股票均值回复策略三大核心逻辑：
  • 布林带动态通道（Bollinger Bands）：$Mid = MA_{20}, Upper = Mid + 2\sigma, Lower = Mid - 2\sigma$；
  • RSI 超卖复合确认（Oversold Filter）：$RSI_{14} < 25$ 时确认市场处于非理性恐慌状态；
  • 动态均值中轴出场（Mean Target Exit）：价格回归触碰布林带中轨（MA20）时果断平仓。

┌─────────────────────────────────────────────────────────────┐
│                    股票均值回复策略执行拓扑图                   │
└──────────────────────────────┬──────────────────────────────┘
                               │
 ┌─────────────────────────────┼─────────────────────────────┐
 ▼                             ▼                             ▼
┌─────────────────────────┐   ┌─────────────────────────┐   ┌─────────────────────────┐
│ 跌破布林下轨 (Lower)    │   │ RSI < 25 确认恐慌超卖   │   │ 回归中轨平仓 (MA20)     │
├─────────────────────────┤   ├─────────────────────────┤   ├─────────────────────────┤
│ • <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>P</mi><mo>&lt;</mo><mi>M</mi><mi>A</mi><mn>20</mn><mo>−</mo><mn>2</mn><mi>s</mi><mi>i</mi><mi>g</mi><mi>m</mi><mi>a</mi></mrow><annotation encoding="application/x-tex">P &lt; MA20 - 2sigma</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.7224em;vertical-align:-0.0391em;"></span><span class="mord mathnormal" style="margin-right:0.1389em;">P</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">&lt;</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.7667em;vertical-align:-0.0833em;"></span><span class="mord mathnormal" style="margin-right:0.109em;">M</span><span class="mord mathnormal">A</span><span class="mord">20</span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">−</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.854em;vertical-align:-0.1944em;"></span><span class="mord">2</span><span class="mord mathnormal">s</span><span class="mord mathnormal">i</span><span class="mord mathnormal" style="margin-right:0.0359em;">g</span><span class="mord mathnormal">ma</span></span></span></span>  │──►│ • 双重指标确认，防假阴跌│──►│ • <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>P</mi><mi>g</mi><mi>e</mi><mi>M</mi><mi>A</mi><mn>20</mn></mrow><annotation encoding="application/x-tex">P ge MA20</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.8778em;vertical-align:-0.1944em;"></span><span class="mord mathnormal" style="margin-right:0.1389em;">P</span><span class="mord mathnormal" style="margin-right:0.0359em;">g</span><span class="mord mathnormal">e</span><span class="mord mathnormal" style="margin-right:0.109em;">M</span><span class="mord mathnormal">A</span><span class="mord">20</span></span></span></span> 止盈离场 │
│ • 偏离度达到统计极值    │   │ • 触发次日开盘买入      │   │ • 跌破 Lower - 1ATR 止损│
└─────────────────────────┘   └─────────────────────────┘   └─────────────────────────┘

一、布林带与 RSI 复合择时数学模型

买入条件必须同时满足价格跌穿布林下轨与震荡指标超卖：

$$\text{BuyCondition}$$t = (P{t-1} < \text{BollLower}{t-1}) \land (RSI{t-1} < 25)

平仓条件为价格重返均线或触及硬止损：

$$\text{ExitCondition}$$t = (P{t-1} \ge \text{BollMid}{t-1}) \lor (P{t-1} < \text{EntryPrice} - 2 \times ATR)

import pandas as pd
import numpy as np

def generate_bollinger_mean_reversion_signals(df: pd.DataFrame, window: int = 20, num_std: float = 2.0) -> pd.DataFrame:
    """
    布林带 + RSI 复合均值回复策略信号生成
    """
    res = df.copy()
    res['mid'] = res['close'].rolling(window).mean().shift(1)
    res['std'] = res['close'].rolling(window).std().shift(1)
    res['lower'] = res['mid'] - num_std * res['std']
    res['upper'] = res['mid'] + num_std * res['std']
    
    # 计算 RSI
    delta = res['close'].diff()
    gain = (delta.where(delta > 0, 0)).rolling(14).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(14).mean()
    rs = gain / (loss + 1e-8)
    res['rsi'] = 100.0 - (100.0 / (1.0 + rs))
    res['rsi_valid'] = res['rsi'].shift(1)

    # 计算 ATR（收盘价近似的 TR：|close - prev_close|）
    tr = res['close'].diff().abs()
    res['atr'] = tr.rolling(14).mean()

    # 信号生成
    res['buy_signal'] = (res['close'].shift(1) < res['lower']) & (res['rsi_valid'] < 25)
    res['exit_signal'] = res['close'].shift(1) >= res['mid']
    return res

二、事件驱动状态机回测实现

处理开仓、持仓中轴平仓与止损状态流转。

def run_mean_reversion_state_machine(df_signals: pd.DataFrame) -> dict:
    """
    均值回复事件驱动状态机（含 Entry - 2*ATR 动态止损）
    """
    position = 0
    trades = []
    entry_price = 0.0
    stop_price = 0.0

    for i in range(25, len(df_signals)):
        row = df_signals.iloc[i]
        price = row['close']

        if position == 0 and row['buy_signal']:
            position = 1
            entry_price = price
            stop_price = entry_price - 2.0 * row['atr']
            trades.append({'bar': i, 'type': 'BUY', 'price': price})
        elif position == 1 and price < stop_price:
            position = 0
            trades.append({'bar': i, 'type': 'STOP', 'price': price, 'pnl': (price - entry_price) / entry_price})
        elif position == 1 and row['exit_signal']:
            position = 0
            trades.append({'bar': i, 'type': 'SELL', 'price': price, 'pnl': (price - entry_price) / entry_price})

    return {'trades': trades, 'total_trades': len(trades)}

📝 动手练一练

编写 Python 测试脚本，在模拟震荡洗盘走势中运行股票均值回复策略：

import pandas as pd
import numpy as np

def run_mean_reversion_strategy_test():
    np.random.seed(42)
    # 模拟包含均值回归特性的 150 根价格走势
    t = np.linspace(0, 8*np.pi, 150)
    prices = 100.0 + 8.0 * np.sin(t) + np.random.normal(0, 0.8, 150)
    df = pd.DataFrame({'close': prices})
    
    sig_df = generate_bollinger_mean_reversion_signals(df)
    res = run_mean_reversion_state_machine(sig_df)
    
    print("================ 股票均值回复量化策略测试 ================")
    print(f"总回测 Bar 数  : {len(df)}")
    print(f"策略触发交易总数: {res['total_trades']} 笔")
    if res['total_trades'] > 0:
        first_t = res['trades'][0]
        print(f"首笔交易详情: Bar {first_t['bar']} | 类型: {first_t['type']} | 价格: {first_t['price']:.2f}")
    assert res['total_trades'] > 0, "均值回复策略未产生交易！"
    print("✅ 股票均值回复策略全流程编码验证 PASS")
    print("========================================================")

if __name__ == '__main__':
    run_mean_reversion_strategy_test()

运行结果输出：

================ 股票均值回复量化策略测试 ================
总回测 Bar 数  : 150
策略触发交易总数: 8 笔
首笔交易详情: Bar 58 | 类型: BUY | 价格: 97.46
✅ 股票均值回复策略全流程编码验证 PASS
========================================================

本章小结

1. 双指标复合过滤假信号：以布林带下轨确定空间超跌，以 RSI 确定动力超卖，大幅提高胜率。
2. 中轴平仓兑现利润：价格重返均线中轨即为均值回归完成，坚决止盈平仓，不追求反转成单边大牛市。
3. 防范基本面破位断崖：对持续跌破下轨超过预设限额的极端个股执行无条件风控止损。

📋 行动清单 (Action Checklist)

• 运行均值回复策略代码，统计全部交易的平均持仓周期天数；
• 统计回测中 SELL（止盈）与 STOP（ATR 止损）的触发次数占比；
• 预习下一节，掌握用多空组合对冲市场系统性风险的进阶技巧。

— 小象教研组