股票量化交易，每涨10%卖，每跌5%买，实际效果到底怎么样？

来自：斯内克复盘笔记
2023-12-08 09:24:39 已编辑北京

如果我有一笔资金100万，我将会选择十只股票，股票量化交易，每涨10%卖，每跌5%买，严格执行，我就不信能亏！！！

投资有风险，入市需谨慎，此文章不作为任何投资建议！

“我的策略是先以总资金的买入10%。后续根据股价的收盘价，以实时持仓成本价为基础的涨跌比例加仓。跌到5%才加仓持有仓位跌幅相同比例，涨到持仓成本价10%以上就卖出，清仓的股票等价格回落到原持仓价，又重复上面的操作。”

相信类似的方法如半仓法，马丁格尔策略等方法在各位投资者脑海里面早就初具雏形，但因为现实原因总是不能实践，往往克服不了情绪，没有时间专职做等，那么我就用数据算法脚本来演示这样的策略在股票投资中是否有效。

为了模拟这个交易策略，我会创建一个Python脚本，它将执行以下操作：

1. 生成股票数据：模拟10只股票每天的涨跌数据，持续300天。

2. 交易策略：

初始总仓位的10%买入。
根据持仓成本价的涨跌比例调整仓位：跌到5%加仓相同比例，涨到成本价10%以上时清仓。
清仓的股票在价格回落到原持仓价时，重复上述操作。

3. 模拟交易：使用生成的数据进行交易，根据策略调整仓位。

4. 计算收益：在模拟期结束后，计算总收益。

这个模拟将基于随机生成的数据进行，所以结果仅供参考，不代表实际市场表现。接下来，我将编写这个脚本。

想直接看结果的朋友可以直接跳过代码部分

```python
import numpy as np
import pandas as pd

class AdvancedStockTradingSimulator:
    def __init__(self, initial_cash, num_stocks, num_days):
        self.initial_cash = initial_cash
        self.cash = initial_cash
        self.num_stocks = num_stocks
        # 生成二维股价数组
        self.stock_prices = np.random.normal(1, 0.02, (num_days, num_stocks)).cumprod(axis=0)
        self.portfolio = {i: {'position': 0, 'cost_price': 0} for i in range(num_stocks)}

    def initial_buy(self):
        investment_per_stock = self.initial_cash * 0.1 / self.num_stocks
        for i in range(self.num_stocks):
            self.portfolio[i]['position'] = investment_per_stock / self.stock_prices[0, i]
            self.portfolio[i]['cost_price'] = self.stock_prices[0, i]
            self.cash -= investment_per_stock

    def calculate_position_value(self, position, current_price):
        return position * current_price

    def trade(self, day):
        for i in range(self.num_stocks):
            current_price = self.stock_prices[day, i]
            position = self.portfolio[i]['position']
            cost_price = self.portfolio[i]['cost_price']

            if position > 0:
                # 如果仍持有股票
                position_value = self.calculate_position_value(position, current_price)
                cost_value = self.calculate_position_value(position, cost_price)
                price_change_percent = (position_value - cost_value) / cost_value

                if price_change_percent <= -0.05:
                    # 跌到5%，加仓
                    invest_amount = position_value * -price_change_percent
                    if self.cash >= invest_amount:
                        self.portfolio[i]['position'] += invest_amount / current_price
                        self.cash -= invest_amount

                elif price_change_percent >= 0.10:
                    # 涨到10%，清仓
                    self.cash += position_value
                    self.portfolio[i]['position'] = 0
                    self.portfolio[i]['cost_price'] = 0

            elif self.cash > 0 and current_price <= cost_price:
                # 清仓的股票价格回落到原持仓价，重新买入
                investment = self.cash * 0.1
                self.portfolio[i]['position'] = investment / current_price
                self.portfolio[i]['cost_price'] = current_price
                self.cash -= investment

    def calculate_total_value(self, day):
        total_value = self.cash
        for i in range(self.num_stocks):
            total_value += self.calculate_position_value(self.portfolio[i]['position'], self.stock_prices[day, i])
        return total_value

# 设置参数
initial_cash = 1000000  # 初始资金100万
num_stocks = 10         # 股票数量
num_days = 300          # 交易天数

# 初始化模拟器
simulator = AdvancedStockTradingSimulator(initial_cash, num_stocks, num_days)

# 初始买入
simulator.initial_buy()

# 模拟交易
for day in range(num_days):
    simulator.trade(day)

# 计算最终总资产价值
final_portfolio_value = simulator.calculate_total_value(num_days - 1)
```

这段代码包含了交易模拟器的定义、股票数据的生成、初始买入、日常交易逻辑以及最终资产价值的计算。我们可以使用这个脚本来模拟不同的交易策略和市场情况。

最终结果！是。。。。。。

模拟交易完成后，100万的最终的总资产价值约为712,721元。

这意味着在实施我们的交易策略并经过300天的模拟交易后，初始投资100万的资产减少了约30%。这个结果反映了您的策略在模拟的市场条件下的表现。请记住，这是基于随机生成的数据进行的模拟，实际市场表现可能会有很大差异。此外，模拟过程中没有考虑券商交易成本和税费等因素。税费不可避免，我们都是合法纳税的好公民，但减低券商交易成本是必不可少的。

量化交易需要超高频率的交易，随之而来的就是高额手续费，拥有一个超低佣金的股票账户十分有必要。不会开的可以直接问我。

现在我们来复盘一下，为什么我们的策略会有问题，造成30%的亏损呢？

在此之前我们换几组基础参数：

其他条件不变，若涨5%就卖，跌3%就加，在300天的交易模拟后，最终的总资产价值约为901,577.99元。
初始仓位调整为20%,若涨4%就卖，跌2%就加，在300天的交易模拟后，最终的总资产价值约为928,785.90元。
如有自己的想法可以留言评论区。

那么为什么看似严谨的策略却总是亏损？

1. 随机股价波动：模拟中股价的波动是随机生成的，可能并不完全反映真实市场的动态。

2. 买卖点设置：我们的策略是在股价上涨10%时卖出，下跌5%时买入。这种策略可能导致在下跌趋势中过早买入，而在上涨趋势中过早卖出，从而错过更大的利润空间。

3. 交易频率与市场波动性：如果市场波动性很大，频繁的交易可能导致重大亏损。

4. 未考虑交易成本和税费：实际交易中，每次买卖都会产生交易费用和可能的税费。

5. 市场趋势与时间窗口：300天的时间框架可能不足以捕捉到股市的长期趋势。股市可能在某段时间内表现不佳，而我们的策略可能未能适应这种趋势。

6. 策略灵活性：股市是复杂且多变的，单一的策略很难在所有市场条件下都表现良好。策略的灵活性和多样性对于应对不同的市场情况非常重要。

总的来说，这样的策略可能在某些市场条件下有效，但在其他条件下则可能导致亏损。重要的是要有对市场的深入理解，灵活调整策略，并考虑到交易成本和税费。此外，应当注意风险管理，不要过度依赖单一策略。

如果大家还有更好的量化策略，可以在评论区留言讨论~~

投资有风险，入市需谨慎，此文章不作为任何投资建议！

加入小组后即可参加投票

确定

回复转发赞收藏

还没人赞这篇讨论

~穷人版~丧心病狂攒钱小组

253880 人聚集在这个小组

加入小组