第二章：从零构建你的首个量化交易策略

1. 初识量化交易与MindGo平台第一次接触量化交易时我完全被那些专业术语吓到了。什么阿尔法因子、多因子模型、高频策略听起来就像天书一样。直到后来发现MindGo这个平台才真正体会到量化交易也可以很亲民。MindGo是同花顺旗下的量化交易平台最大的特点就是对新手极其友好完全不需要你懂什么高深的数学理论会用Python写几行代码就能玩转。这个平台最吸引我的地方在于它把量化交易的门槛降到了最低。你不需要自己搭建回测系统不用操心数据来源更不用租服务器跑策略。所有基础设施都给你准备好了就像用手机点外卖一样简单。我刚开始用的时候最惊喜的是它的分钟级回测速度——一个包含5年历史数据的策略不到10秒就能跑完这在我之前用过的其他平台简直不敢想象。MindGo的数据质量也相当靠谱。它提供的Level-2行情数据包含了每笔交易的详细记录从2014年至今的数据都很完整。我对比过其他收费数据源发现MindGo的数据准确度完全不输专业机构。而且每天早上8点前就会更新前一天的完整数据对于需要盘前做决策的策略特别有帮助。2. 搭建你的第一个策略环境2.1 注册与基础设置第一次登录MindGo时建议直接用同花顺账号登录这样后期做模拟交易时会方便很多。进入平台后你会看到左侧菜单栏有策略研究、模拟交易、数据中心等选项。作为新手我们直接点击策略研究→新建策略就会进入代码编辑界面。这里有个小技巧点击编辑器右上角的主题按钮可以切换代码高亮风格。我习惯用深色背景的Monokai主题长时间写代码眼睛不容易疲劳。另一个实用功能是API文档按钮点开后会在右侧显示所有可用函数的详细说明写代码时随时查阅特别方便。2.2 理解策略框架MindGo的策略代码结构非常清晰主要包含两个核心函数def initialize(account): # 这里写初始化代码 pass def handle_data(account, data): # 这里写交易逻辑 passinitialize函数就像策略的出生证明只在回测开始时执行一次。我通常在这里设置交易股票池、手续费率、滑点等参数。而handle_data函数则是策略的大脑会根据你设置的频率每天或每分钟重复执行。举个例子假设我们要交易贵州茅台初始化部分可以这样写def initialize(account): # 设置交易标的为贵州茅台 account.security 600519.SH # 设置佣金为万分之三 account.commission 0.0003 # 设置滑点为0.1% account.slippage 0.0013. 实现双均线策略3.1 策略逻辑解析双均线策略是量化交易中最经典的入门策略之一。它的核心思想很简单当短期均线比如5日上穿长期均线比如20日时买入当下穿时卖出。这种策略虽然简单但在趋势明显的行情中表现相当不错。我第一次实现这个策略时犯了个典型错误——直接在handle_data里计算均线没有考虑停牌日的处理。结果回测时发现策略在股票停牌期间还在交易导致结果严重失真。后来学会使用history函数时加上skip_pausedTrue参数才解决了这个问题。3.2 完整代码实现下面是一个经过实战检验的双均线策略完整代码def initialize(account): # 设置交易标的 account.security 600519.SH # 设置佣金和滑点 account.commission 0.0003 account.slippage 0.001 # 设置基准为沪深300 account.benchmark 000300.SH def handle_data(account, data): # 获取过去20天的收盘价跳过停牌日 close history(account.security, [close], 20, 1d, skip_pausedTrue, fqpre, is_panel1) # 计算5日和20日均线 MA5 close.values[-5:].mean() MA20 close.values.mean() # 获取当前持仓价值 current_position account.positions_value # 金叉买入逻辑 if MA5 MA20 and current_position 0: # 用全部可用资金买入 order_value(account.security, account.cash) log.info(f{data.current_dt} 买入 {account.security}) # 死叉卖出逻辑 elif MA5 MA20 and current_position 0: # 卖出全部持仓 order_target(account.security, 0) log.info(f{data.current_dt} 卖出 {account.security})这段代码有几个关键点值得注意使用skip_pausedTrue自动跳过停牌日数据fqpre表示使用前复权价格避免除权除息影响通过current_position判断当前是否持仓避免重复交易使用log.info记录交易日志方便后期分析4. 策略回测与优化4.1 运行回测写完策略代码后点击右上角的回测按钮会弹出参数设置窗口。这里有几个重要参数需要配置回测时间建议至少包含一轮完整的牛熊周期比如2018-2023年初始资金根据实际情况设置一般10万起步频率选择双均线策略选择日线即可基准指数默认为沪深300也可以改为中证500等我第一次回测这个策略时发现它在2019-2020年的白酒牛市中表现惊人年化收益超过50%。但在2021年的震荡市中却频繁交易导致手续费损耗严重。这说明任何策略都有其适应的市场环境。4.2 分析回测结果回测完成后MindGo会提供详细的绩效报告包括收益曲线直观展示策略与基准的对比风险指标年化收益、最大回撤、夏普比率等交易明细每笔交易的日期、价格、数量每日持仓可以查看任意一天的持仓情况以我的双均线策略为例2018-2023年的回测结果显示年化收益率18.7%最大回撤-24.3%胜率58.2%年化波动率22.1%这些数据中最需要关注的是最大回撤。24.3%的回撤意味着如果你投入10万元最坏情况下账户会缩水到7.57万元。你能承受这样的波动吗如果不能就需要调整策略参数。4.3 常见优化方向发现策略存在问题后可以从以下几个方向进行优化参数优化尝试不同的均线组合比如10日/30日、20日/60日过滤条件增加成交量过滤只在放量突破时交易仓位管理改为分批建仓而不是一次性全仓进出止损机制加入固定比例止损控制单笔亏损我优化后的版本加入了成交量过滤代码如下def handle_data(account, data): # 获取收盘价和成交量 his_data history(account.security, [close, volume], 20, 1d, skip_pausedTrue, fqpre, is_panel1) close his_data[close] volume his_data[volume] # 计算均线和均量 MA5 close.values[-5:].mean() MA20 close.values.mean() VOL5 volume.values[-5:].mean() VOL20 volume.values.mean() # 金叉且放量 if MA5 MA20 and VOL5 VOL20 and account.positions_value 0: order_value(account.security, account.cash) # 死叉 elif MA5 MA20 and account.positions_value 0: order_target(account.security, 0)这个改进版策略在震荡市中的虚假信号明显减少年化收益提升到21.4%最大回撤降至19.8%。5. 模拟交易实战5.1 开启模拟交易回测满意后点击开启模拟交易按钮选择股票型账户设置初始资金建议与回测一致。这里有个细节要注意模拟交易的撮合规则和实盘非常接近包括涨跌停板限制、T1交易制度等比回测环境更真实。我第一次跑模拟交易时就遇到了回测中没出现过的问题——策略在开盘集合竞价阶段下单但由于茅台开盘涨停订单完全无法成交。这提醒我需要在代码中加入对涨跌停的判断。5.2 监控与调整模拟交易开始后可以在交易明细中实时查看成交情况。MindGo的手机APP还会推送交易信号非常方便。我习惯每天收盘后做三件事检查当日交易是否符合预期对比策略表现与大盘走势记录策略运行中的问题如果发现策略持续跑输大盘就要考虑暂停调整。MindGo允许你直接修改代码并热更新不需要停止策略。这个功能对于长期运行的策略特别重要。5.3 常见问题排查在模拟交易中我遇到过几个典型问题订单未成交可能是因为设置了限价单但价格偏离市价太远。解决方法是用市价单或更宽松的限价。资金不足A股是T1制度卖出股票的资金次日才能用。代码中要加入可用资金检查。停牌处理虽然代码中跳过了停牌日数据但实际持仓可能包含停牌股票。需要特别处理这类特殊情况。针对这些问题我优化后的订单处理逻辑如下def handle_data(account, data): # 获取股票当前状态 current_price data.current(account.security, price) paused data.current(account.security, paused) high_limit data.current(account.security, high_limit) low_limit data.current(account.security, low_limit) # 如果停牌或涨跌停不交易 if paused or current_price high_limit or current_price low_limit: return # 原有交易逻辑...这段代码会在交易前检查股票状态避免在异常情况下下单。这种细节处理正是回测和实盘最大的区别所在。