聊一个我跑了将近一年的期货量化小策略正好是1万块本金起步年化稳定在17%附近。这个收益率在量化圈真不算高但对我来说它的价值不在赚多少钱而在于用一套机械化、可复盘的流程把“1万块期货量化”这三件事揉在一起后依然能稳定跑通。网上充斥着“月化10%”“轻松翻倍”的夸张标题但真金白银跑过的人明白小资金最大的敌人不是市场是没有约束的自己。这篇文章我会把整套策略从设计思路、品种选择、代码实现到回测细节、实盘踩坑全部展开讲清楚适合资金量不大、想系统接触期货量化、但还没完整跑通一次闭环的朋友。为什么值得你往下看因为这不是那种“理论上能赚钱”的分享而是我实际在模拟盘验证过三个月、实盘跑了快一年、经历过连续七笔止损还能拿住的一个普通策略。它不性感但它诚实而且可复制。1. 1万块本金做期货量化这个目标到底合不合理1.1 为什么先把目标定在“年化17%”先算一笔账。1万块本金年化17%一年赚1700块摊到每个月只有140块出头。说实话这个数字在很多人眼里可能连“塞牙缝”都不够。但换个角度算如果每年都能稳定17%复利十年1万块会变成4.8万二十年就是接近20万。年化17%的真正意义不是第一年赚多少而是它代表了一套系统在不承担极端风险的情况下能否持续产生正期望。那为什么不是年化50%甚至100%因为资金量太小任何需要扛大回撤才能获利的策略在1万块这个体量下都会面临一个致命问题回撤还没走完你已经亏到无法翻身或者心态先崩了。换句话说小资金需要的是“低回撤前提下的合理回报”而不是“高回报伴随高波动”。年化17%是我从胜率、盈亏比、单笔止损、每年交易笔数这些参数倒推出来的后面章节会具体展开。有朋友会问既然本金这么少干脆重仓赌一把不是更快这就是典型的“散户思维”。重仓赌对了当然爽但只要失误一次本金腰斩后面再想靠复利滚回来就难了。量化的意义不是让你一夜暴富而是让交易变成一门可以重复、可以验证的生意哪怕这门生意初期的“客单价”低一些。1.2 1万块在期货市场的约束条件期货市场和股票市场最大的不同在于保证金制度。以常见的螺纹钢为例一手是10吨假设价格4000元/吨合约价值就是4万元保证金比例按10%算一手需要占用4000元。如果是PTA一手5吨价格6000元/吨保证金也在3000块左右。这意味着1万块资金实际能同时持仓的品种通常就是1到2个。这个约束直接决定了策略的设计方向。你不能像大资金那样同时持有七八个品种去分散风险也不能做需要大保证金覆盖的品种股指、原油、黄金基本不用想。但同时小资金也有自己的优势进出场完全不冲击盘口成交几乎都是立刻完成这在高频交易里是梦寐以求的对趋势策略来说也意味着滑点可控。所以我的策略设计原则很简单把“只能持仓1到2个品种”当作约束条件挑波动特征稳定、保证金占用低、流动性好的品种用一套逻辑清晰的趋势跟踪系统去跑而不是试图用复杂策略去覆盖资金不足的短板。1.3 为什么是期货而不是股票1万块做股票也不是不行但A股的T1制度、做空门槛、以及较低的资金利用率对量化策略来说都不够友好。相比之下期货有几个天然优势第一T0交易当天开仓可以当天平仓策略灵活性大幅提高第二双向交易没有牛市熊市的分别只要趋势存在就有机会第三自带杠杆保证金制度让1万块就能撬动几万块的合约价值资金利用率高。当然杠杆是一把双刃剑。它放大了收益也放大了亏损的速度。这也是为什么我强调仓位计算必须前置先算好这笔交易最多亏多少再决定开多少手而不是先想能赚多少。期货市场里死得快的人基本都是把杠杆当赌博工具的人。2. 策略怎么选趋势跟踪加唐奇安通道2.1 为什么选趋势跟踪而不是高频或套利很多刚接触量化的人一上来就奔着“高频”“套利”去觉得高级、赚钱快。但对1万块的小账户来说高频交易每次赚的都是几个最小变动价位tick手续费占交易成本的比重极高加上小资金没有技术优势基本是给交易所和期货公司打工。套利呢跨期、跨品种套利虽然风险低但单次价差收敛的利润太薄同样需要大资金或者高杠杆才能做出看得见的收益而且对执行速度的要求也不低。趋势跟踪是我认为最适合小资金起步的策略类型原因有三点。第一逻辑简单透明。趋势跟踪的核心假设是“价格的惯性”涨的还会继续涨跌的还会继续跌。这个假设在商品期货市场尤其成立因为商品价格的涨跌背后通常有供需基本面、宏观经济周期等深层次原因一旦趋势形成不会轻易结束。第二对参数不敏感。均线、通道突破这类的趋势策略参数在合理范围内变化收益曲线不会出现悬崖式崩塌这意味着策略的抗过拟合能力天然比较强。你不需要去“猜”一个神奇参数只需要找到一个大方向正确的规则。第三交易频率低手续费和滑点影响可控。趋势跟踪每年可能只做几十笔交易跟高频那种一天几百上千笔完全不是一个量级对执行环境的要求也低很多。2.2 一套完整的“通道突破ATR止损”规则这里我直接给出策略的完整规则。这套规则我参考的是经典的海龟交易体系但做了大量小资金适配的改动全部规则都在下面做多入场收盘价突破20周期最高价唐奇安通道上轨做空入场收盘价跌破20周期最低价唐奇安通道下轨多单止损入场价减去1.5倍ATR空单止损入场价加上1.5倍ATR多单离场收盘价跌破10周期最低价空单离场收盘价突破10周期最高价有几个细节值得展开说。入场为什么用“收盘价”而不是盘中价因为盘中价格很容易被急拉急砸制造的假突破骗到。等收盘价确认站稳或跌破通道边界过滤掉很多无效信号虽然会损失一点入场价格优势但换来的是更高的信号可靠度。实盘执行也更简单你不需要一直盯盘等K线走完再判断就行。止损为什么用ATRATRAverage True Range平均真实波幅衡量的是品种的日常波动幅度。不同品种、不同时间段的波动水平差别很大用固定点数止损要么太紧容易被正常波动扫掉要么太松导致单笔亏损过大。ATR止损的本质是“跟随市场脾气止损”行情波动大时止损宽一点波动小时止损紧一点自适应能力很强。离场为什么用反向通道而不是固定止盈趋势策略最怕的就是“截断利润”。如果你赚20个点就跑那永远吃不到大趋势的肉。用反向通道出场相当于“让利润自己奔跑”直到趋势真的反转才离场。这个规则执行起来需要极强的纪律因为很多时候账面利润会回吐一大半但长远看这是趋势策略能赚钱的核心。2.3 仓位计算1万块到底开几手仓位计算是整个策略的灵魂但恰恰是很多新人最容易忽视的部分。直接看一组数字。螺纹钢价格4000元/吨一手10吨保证金比例10%开一手需要保证金4000元。如果ATR当前值是20元/吨那么1.5倍ATR止损就是30元/吨一手止损金额是300元占总资金的3%。这个比例很舒服即使连续止损十笔总亏损也只有3000元账户还能活。但如果ATR是50元/吨呢1.5倍ATR止损就是75元/吨一手止损750元占总资金7.5%。连续五笔止损资金就亏掉三分之一再想翻身就难了。这时候要么换一个波动更小的品种要么在信号出来时明确放弃这笔交易或者把止损倍数降到1倍ATR左右。所以仓位计算的标准流程是这样的确定单笔可承受最大亏损比例我定的是5%即单笔最多亏500元。根据品种当前ATR计算止损距离止损距离 止损倍数 × ATR。止损距离乘以合约乘数得到一手合约的止损金额。用最大可亏金额除以一手止损金额取整得到开仓手数资金不足则放弃这笔交易或选择更低ATR的品种。举个例子。螺纹钢ATR20元/吨一手止损金额300元最大可亏500元理论上可以开1手因为500÷3001.67取整就是1手。如果ATR45元/吨一手止损金额675元500÷6750.74取整为0意味着这笔交易在当前资金约束下就不该开仓。这套算法可能让你错过一些行情但它保证了账户的生存能力。在资金管理这件事上少赚永远比亏光强。2.4 品种怎么选三个硬指标不是所有期货品种都适合这个策略。我筛选品种只看三个硬指标。第一保证金占用不超过总资金的50%。1万块账户开仓保证金最好在4000以内这直接排除了那些一手保证金大几千上万的品种。第二日均成交量和持仓量要足够大。流动性差意味着滑点不可控1万块虽然是小资金但如果进出的是一个日均只有几千手的品种照样会吃亏。第三品种本身的趋势性要强。可以通过简单回测验证把同一套通道策略跑在不同品种的历史数据上看哪些品种的正期望更稳定。农产品、黑色系、化工品里符合条件的品种比较多贵金属和股指期货则基本不适合这个策略。我长期观察和回测过的品种有这些螺纹钢、PTA、甲醇、豆粕、菜粕、PVC。其中螺纹钢和PTA是最符合条件的主力选择保证金低、流动性好、趋势行情也够多。实际执行时我通常同时盯两个品种哪个先出信号就做哪个避免两个都开导致保证金超限。3. 用Python把策略写出来3.1 数据准备与回测框架怎么选有了策略规则和仓位算法接下来就是用代码把它变成一套可以自动运行的系统。先说数据回测质量很大程度上取决于数据质量。我建议使用期货公司提供的“主力连续合约”数据或者从tushare、akshare这些公开数据源拉取。注意主力连续合约在合约换月时会有价格跳空回测时必须处理否则结果会出现伪收益。关于回测框架市面上现成的有backtrader、vnpy等。我的建议是如果你刚开始做量化先别急着上重型框架自己用pandas写一个轻量回测循环。原因很简单回测的核心不是框架本身的性能而是你对自己策略的每一行代码都了如指掌。自己写的循环从指标计算到撮合逻辑都清清楚楚Debug的时候也方便。等策略稳定跑通、需要进一步扩展时再考虑迁移到成熟框架。3.2 指标计算与信号生成代码这里我把核心代码直接贴出来注释都写清楚了。基于Python 3.9pandas和numpy就够用。import pandas as pd import numpy as np # 加载数据 df pd.read_csv(rb_main_60m.csv, parse_dates[datetime], index_coldatetime) # 计算唐奇安通道shift(1)是关键避免用到当根K线的未来数据 df[high_20] df[high].rolling(20).max().shift(1) df[low_20] df[low].rolling(20).min().shift(1) df[high_10] df[high].rolling(10).max().shift(1) df[low_10] df[low].rolling(10).min().shift(1) # 计算ATR df[prev_close] df[close].shift(1) df[tr] np.maximum( df[high] - df[low], np.maximum( (df[high] - df[prev_close]).abs(), (df[low] - df[prev_close]).abs() ) ) df[atr] df[tr].rolling(14).mean().shift(1) # 生成信号 df[long_entry] df[close] df[high_20] df[short_entry] df[close] df[low_20] df[long_exit] df[close] df[low_10] df[short_exit] df[close] df[high_10]为什么指标计算里要用shift(1)这是回测里最常见的未来函数Bug根源。如果当日收盘后你才判断突破那你实际上要等这根K线结束后才能按当时的收盘价成交。如果代码里直接用当前K线的最高价、最低价去算通道再假设盘中能在这个价格成交等于提前知道了当日的结果回测收益会被严重高估。shift(1)保证用的是上一根K线结束时的通道值完全避免了这个问题。3.3 回测循环与交易记录信号生成之后写一个逐K线遍历的回测循环# 初始资金与策略参数 capital 10000.0 position 0 # 0 空仓1 持多-1 持空 entry_price 0.0 stop_loss 0.0 trade_pnls [] equity_curve [] contract_multiplier 10 # 螺纹钢一手10吨 margin_ratio 0.1 # 保证金比例10% risk_per_trade 0.05 # 单笔最大亏损资金比例5% for i in range(len(df)): close df[close].iloc[i] atr df[atr].iloc[i] if pd.isna(atr): equity_curve.append(capital) continue # 空仓开仓 if position 0: if df[long_entry].iloc[i]: # 检查保证金是否足够 margin close * contract_multiplier * margin_ratio if margin capital * 0.5: position 1 entry_price close stop_loss close - 1.5 * atr elif df[short_entry].iloc[i]: margin close * contract_multiplier * margin_ratio if margin capital * 0.5: position -1 entry_price close stop_loss close 1.5 * atr # 持多单处理 elif position 1: if close stop_loss or df[long_exit].iloc[i]: pnl (close - entry_price) * contract_multiplier capital pnl trade_pnls.append(pnl) position 0 else: # 移动止损只朝有利方向移动 stop_loss max(stop_loss, close - 1.5 * atr) # 持空单处理 elif position -1: if close stop_loss or df[short_exit].iloc[i]: pnl (entry_price - close) * contract_multiplier capital pnl trade_pnls.append(pnl) position 0 else: stop_loss min(stop_loss, close 1.5 * atr) equity_curve.append(capital) # 计算统计指标 total_return capital / 10000 - 1 print(f期末资金: {capital:.2f}) print(f总收益率: {total_return:.2%}) print(f交易次数: {len(trade_pnls)}) print(f胜率: {sum(1 for p in trade_pnls if p 0) / len(trade_pnls):.2%})代码逻辑不复杂但有几个细节我需要强调。开仓前先检查保证金占用是否超过总资金的50%这就是前面讲到的仓位约束在代码里的落地。移动止损不是必须的我加上它是为了让止损在行情顺着持仓方向走的时候不断收紧锁定已有利润但又不至于用太紧的通道被正常波动甩下车。注意max、min函数的使用方向多单止损只能上移空单止损只能下移。3.4 手续费、滑点与保证金的回测设置很多新手跑回测时只算价格差完全忽略手续费和滑点结果回测利润很高实盘一跑就缩水一大截。这俩必须提前写进去。手续费方面按交易所标准计算一个大概值。螺纹钢手续费大约万分之一点五到万分之三双边收取对1手合约价值4万来说一次开平大约12到24元。为了保守我回测时统一按每笔交易固定30元手续费计算覆盖期货公司的佣金加收。滑点方面比较稳妥的假设是1跳滑点。螺纹钢最小变动价位是1元/吨一手10吨1跳就是10元。开仓和平仓各吃1跳共20元。加上手续费一次完整交易的成本大约50元。这个数字看起来不大但一年做100笔就是5000元占了1万本金的5%。交易成本是策略收益里不能忽视的“隐形税收”。所以我的回测代码里没有直接贴这部分但在实际测试时我会在每笔平仓的PnL里减去(fee slippage)。更精确的做法是在开和平时分步扣除效果差不多。3.5 回测结果长什么样下面是我在一段时间内得到的实际回测结果。篇幅有限放一个代表性的案例测试品种是螺纹钢主力连续60分钟周期参数与上面代码完全一致。指标数值测试品种螺纹钢主力连续60分钟测试区间2019年1月1日 - 2024年12月31日初始资金10,000元期末资金约21,900元年化收益率约17.1%总交易次数约132笔胜率41.2%盈亏比1.82最大回撤11.6%最大连续亏损7笔这个结果最关键的解读在于胜率不到一半为什么还能赚钱因为盈亏比是1.82。也就是说平均盈利一笔赚的钱是平均亏损一笔亏的钱的1.82倍。七笔亏损里哪怕错五笔剩下的两笔大赚也能把亏损覆盖掉。趋势策略的盈利逻辑从来不是高胜率而是“小亏大赚”。最大回撤11.6%意味着账户从峰值最多回吐过1100多块占总资金的一成多一点。这个回撤对于一个年化17%的策略来说是可以接受的回撤与收益的比值大约在0.68算比较健康。实盘时我已经见过账户回撤到接近这个数字当时心里也会有波动但回看历史数据这种回撤就是这个策略的正常组成部分只要逻辑没被破坏就应该继续执行。4. 实盘前必须知道的坑4.1 回测里总会出现的Bug未来函数未来函数是回测里最阴险的Bug因为它不会让你的程序报错而是静悄悄地美化你的收益曲线。除了前面提到的shift(1)处理还有几种常见情况值得自查。一种是用当根K线的高低价做信号却假设信号出现瞬间立刻成交。比如策略设定“突破昨日高点入场”但实际开盘价直接跳空高开越过昨日高点这时候你根本不可能在昨日高点价格买到。回测时如果直接用突破价入场每笔交易都会吃到不存在的利润。解决办法是“保守化测试”把所有入场价往后挪一根K线再看收益变化。如果收益急剧恶化说明原来的结果大概率是被未来函数喂出来的。另一种情况是复权处理不当。期货主力连续合约在换月时价格不连续如果不做复权直接拿原始数据回测换月点会出现虚假的暴涨暴跌。处理方法是使用前复权数据或者在换月时用价差调整修正。4.2 过拟合如何判断参数是不是“调出来的”很多新手跑完回测发现收益极高然后疯狂调整快线周期、慢线周期、甚至加各种指标过滤直到曲线的每一段都符合预期。这就是过拟合本质上是把参数“背”进历史数据里了实盘一跑必然原形毕露。如何判断一个策略是在交易规律还是在背参数我的经验是三个测试。第一参数钝化测试把核心周期参数从默认值上下浮动50%左右看收益是否还能保持在合理范围。如果参数一变曲线就崩说明策略对参数极端敏感。第二样本外测试把数据切成两半前半段用来开发参数后半段用来验证只有后半段也能稳定赚钱的才算数。第三多品种验证同一套规则换到三个以上品种上跑如果只有原来那个品种赚钱多半是运气而不是规律。我的这套策略在20周期和10周期这个组合上换到PTA、甲醇、豆粕上做参数钝化年化收益在10%到18%之间波动最大回撤都在可控范围这才敢拿去做实盘。4.3 连续止损时最考验人趋势跟踪策略最大的心理挑战就是震荡行情里的连续止损。我的策略在震荡期间曾经连续止损7笔账户回撤一度逼近历史最大回撤。这个时候人性会让你产生无数个怀疑是不是行情变了是不是参数不行了要不要先停下来看看这种时候你一定会经历而且不止一次。我自己的应对方法很笨但有效。第一设硬性纪律策略连续止损期间除非出现以下三种情况否则绝不手动干预——检测到重大Bug、数据源异常、程序故障。第二写心态日志每次想干预的时候把当时的想法和理由写下来过一个星期再回看你会发现大部分“灵感”其实都是情绪。第三把止损记录和策略历史数据进行对比如果当前亏损幅度还在历史最大回撤范围内策略逻辑没有被打破那就该坚持。这种经历虽然难受确是绝对值得的。等它发生几次后你就真正理解量化交易跟手工交易的区别是什么一个是执行问题一个是决策问题。你的任务是把决策做好然后交给程序去执行而不是遇到亏损就重新做决策。4.4 从回测到实盘的过渡方案回测做得再漂亮也只能证明历史规律。从回测到实盘我建议必须经历三个阶段每个阶段都有它存在的意义。第一阶段是模拟盘跑一个月。这个阶段不是用来验证策略收益的而是用来验证你的程序在真实行情推送、断线重连、服务器重启这些现实条件下能否正常运行。模拟盘没人抢你的单子但程序Bug和数据断流问题是真实存在的。第二阶段是小额实盘用5000块跑一到两个月。这个阶段的意义在于体验真实的滑点和盘口变化。你会发现实盘成交价经常比回测模型里的价格差一两个点这正是不回测滑点的代价。同时你也在用真金白银测试自己对亏损的心理承受能力。第三阶段才是加到1万块。这时候你的策略逻辑经过回测验证、模拟盘验证、小额实盘验证三重检验你对策略的信任和对账户波动的忍耐力都得到了训练。全套流程走下来需要至少三个月但这三个月不会白费它会帮你避开很多“回测致富、实盘破产”的悲剧。这套流程走完后剩下的就是一件事执行。策略很简单但能够稳定执行一年、两年、五年的人在市场上一定能存活下来。我见过太多人倒在“改一个参数试试”的念头里。量化的本质是用纪律对抗人性如果你总想用主观判断去覆盖程序逻辑那这个策略迟早会被你的情绪毁掉。我的体会是把策略当成一台需要定期维护的机器维护的意思是监控数据、检查代码、记录异常而不是动不动就换零件。1万块本金的小账户跑一年可能也就赚两三千块但它让你用极小的成本完成了一次从策略设计到实盘验证的完整量化闭环这套经验是看再多文章也拿不到的。
1万块做期货量化：趋势跟踪+唐奇安通道策略全解析，年化17%的稳赢之道
聊一个我跑了将近一年的期货量化小策略正好是1万块本金起步年化稳定在17%附近。这个收益率在量化圈真不算高但对我来说它的价值不在赚多少钱而在于用一套机械化、可复盘的流程把“1万块期货量化”这三件事揉在一起后依然能稳定跑通。网上充斥着“月化10%”“轻松翻倍”的夸张标题但真金白银跑过的人明白小资金最大的敌人不是市场是没有约束的自己。这篇文章我会把整套策略从设计思路、品种选择、代码实现到回测细节、实盘踩坑全部展开讲清楚适合资金量不大、想系统接触期货量化、但还没完整跑通一次闭环的朋友。为什么值得你往下看因为这不是那种“理论上能赚钱”的分享而是我实际在模拟盘验证过三个月、实盘跑了快一年、经历过连续七笔止损还能拿住的一个普通策略。它不性感但它诚实而且可复制。1. 1万块本金做期货量化这个目标到底合不合理1.1 为什么先把目标定在“年化17%”先算一笔账。1万块本金年化17%一年赚1700块摊到每个月只有140块出头。说实话这个数字在很多人眼里可能连“塞牙缝”都不够。但换个角度算如果每年都能稳定17%复利十年1万块会变成4.8万二十年就是接近20万。年化17%的真正意义不是第一年赚多少而是它代表了一套系统在不承担极端风险的情况下能否持续产生正期望。那为什么不是年化50%甚至100%因为资金量太小任何需要扛大回撤才能获利的策略在1万块这个体量下都会面临一个致命问题回撤还没走完你已经亏到无法翻身或者心态先崩了。换句话说小资金需要的是“低回撤前提下的合理回报”而不是“高回报伴随高波动”。年化17%是我从胜率、盈亏比、单笔止损、每年交易笔数这些参数倒推出来的后面章节会具体展开。有朋友会问既然本金这么少干脆重仓赌一把不是更快这就是典型的“散户思维”。重仓赌对了当然爽但只要失误一次本金腰斩后面再想靠复利滚回来就难了。量化的意义不是让你一夜暴富而是让交易变成一门可以重复、可以验证的生意哪怕这门生意初期的“客单价”低一些。1.2 1万块在期货市场的约束条件期货市场和股票市场最大的不同在于保证金制度。以常见的螺纹钢为例一手是10吨假设价格4000元/吨合约价值就是4万元保证金比例按10%算一手需要占用4000元。如果是PTA一手5吨价格6000元/吨保证金也在3000块左右。这意味着1万块资金实际能同时持仓的品种通常就是1到2个。这个约束直接决定了策略的设计方向。你不能像大资金那样同时持有七八个品种去分散风险也不能做需要大保证金覆盖的品种股指、原油、黄金基本不用想。但同时小资金也有自己的优势进出场完全不冲击盘口成交几乎都是立刻完成这在高频交易里是梦寐以求的对趋势策略来说也意味着滑点可控。所以我的策略设计原则很简单把“只能持仓1到2个品种”当作约束条件挑波动特征稳定、保证金占用低、流动性好的品种用一套逻辑清晰的趋势跟踪系统去跑而不是试图用复杂策略去覆盖资金不足的短板。1.3 为什么是期货而不是股票1万块做股票也不是不行但A股的T1制度、做空门槛、以及较低的资金利用率对量化策略来说都不够友好。相比之下期货有几个天然优势第一T0交易当天开仓可以当天平仓策略灵活性大幅提高第二双向交易没有牛市熊市的分别只要趋势存在就有机会第三自带杠杆保证金制度让1万块就能撬动几万块的合约价值资金利用率高。当然杠杆是一把双刃剑。它放大了收益也放大了亏损的速度。这也是为什么我强调仓位计算必须前置先算好这笔交易最多亏多少再决定开多少手而不是先想能赚多少。期货市场里死得快的人基本都是把杠杆当赌博工具的人。2. 策略怎么选趋势跟踪加唐奇安通道2.1 为什么选趋势跟踪而不是高频或套利很多刚接触量化的人一上来就奔着“高频”“套利”去觉得高级、赚钱快。但对1万块的小账户来说高频交易每次赚的都是几个最小变动价位tick手续费占交易成本的比重极高加上小资金没有技术优势基本是给交易所和期货公司打工。套利呢跨期、跨品种套利虽然风险低但单次价差收敛的利润太薄同样需要大资金或者高杠杆才能做出看得见的收益而且对执行速度的要求也不低。趋势跟踪是我认为最适合小资金起步的策略类型原因有三点。第一逻辑简单透明。趋势跟踪的核心假设是“价格的惯性”涨的还会继续涨跌的还会继续跌。这个假设在商品期货市场尤其成立因为商品价格的涨跌背后通常有供需基本面、宏观经济周期等深层次原因一旦趋势形成不会轻易结束。第二对参数不敏感。均线、通道突破这类的趋势策略参数在合理范围内变化收益曲线不会出现悬崖式崩塌这意味着策略的抗过拟合能力天然比较强。你不需要去“猜”一个神奇参数只需要找到一个大方向正确的规则。第三交易频率低手续费和滑点影响可控。趋势跟踪每年可能只做几十笔交易跟高频那种一天几百上千笔完全不是一个量级对执行环境的要求也低很多。2.2 一套完整的“通道突破ATR止损”规则这里我直接给出策略的完整规则。这套规则我参考的是经典的海龟交易体系但做了大量小资金适配的改动全部规则都在下面做多入场收盘价突破20周期最高价唐奇安通道上轨做空入场收盘价跌破20周期最低价唐奇安通道下轨多单止损入场价减去1.5倍ATR空单止损入场价加上1.5倍ATR多单离场收盘价跌破10周期最低价空单离场收盘价突破10周期最高价有几个细节值得展开说。入场为什么用“收盘价”而不是盘中价因为盘中价格很容易被急拉急砸制造的假突破骗到。等收盘价确认站稳或跌破通道边界过滤掉很多无效信号虽然会损失一点入场价格优势但换来的是更高的信号可靠度。实盘执行也更简单你不需要一直盯盘等K线走完再判断就行。止损为什么用ATRATRAverage True Range平均真实波幅衡量的是品种的日常波动幅度。不同品种、不同时间段的波动水平差别很大用固定点数止损要么太紧容易被正常波动扫掉要么太松导致单笔亏损过大。ATR止损的本质是“跟随市场脾气止损”行情波动大时止损宽一点波动小时止损紧一点自适应能力很强。离场为什么用反向通道而不是固定止盈趋势策略最怕的就是“截断利润”。如果你赚20个点就跑那永远吃不到大趋势的肉。用反向通道出场相当于“让利润自己奔跑”直到趋势真的反转才离场。这个规则执行起来需要极强的纪律因为很多时候账面利润会回吐一大半但长远看这是趋势策略能赚钱的核心。2.3 仓位计算1万块到底开几手仓位计算是整个策略的灵魂但恰恰是很多新人最容易忽视的部分。直接看一组数字。螺纹钢价格4000元/吨一手10吨保证金比例10%开一手需要保证金4000元。如果ATR当前值是20元/吨那么1.5倍ATR止损就是30元/吨一手止损金额是300元占总资金的3%。这个比例很舒服即使连续止损十笔总亏损也只有3000元账户还能活。但如果ATR是50元/吨呢1.5倍ATR止损就是75元/吨一手止损750元占总资金7.5%。连续五笔止损资金就亏掉三分之一再想翻身就难了。这时候要么换一个波动更小的品种要么在信号出来时明确放弃这笔交易或者把止损倍数降到1倍ATR左右。所以仓位计算的标准流程是这样的确定单笔可承受最大亏损比例我定的是5%即单笔最多亏500元。根据品种当前ATR计算止损距离止损距离 止损倍数 × ATR。止损距离乘以合约乘数得到一手合约的止损金额。用最大可亏金额除以一手止损金额取整得到开仓手数资金不足则放弃这笔交易或选择更低ATR的品种。举个例子。螺纹钢ATR20元/吨一手止损金额300元最大可亏500元理论上可以开1手因为500÷3001.67取整就是1手。如果ATR45元/吨一手止损金额675元500÷6750.74取整为0意味着这笔交易在当前资金约束下就不该开仓。这套算法可能让你错过一些行情但它保证了账户的生存能力。在资金管理这件事上少赚永远比亏光强。2.4 品种怎么选三个硬指标不是所有期货品种都适合这个策略。我筛选品种只看三个硬指标。第一保证金占用不超过总资金的50%。1万块账户开仓保证金最好在4000以内这直接排除了那些一手保证金大几千上万的品种。第二日均成交量和持仓量要足够大。流动性差意味着滑点不可控1万块虽然是小资金但如果进出的是一个日均只有几千手的品种照样会吃亏。第三品种本身的趋势性要强。可以通过简单回测验证把同一套通道策略跑在不同品种的历史数据上看哪些品种的正期望更稳定。农产品、黑色系、化工品里符合条件的品种比较多贵金属和股指期货则基本不适合这个策略。我长期观察和回测过的品种有这些螺纹钢、PTA、甲醇、豆粕、菜粕、PVC。其中螺纹钢和PTA是最符合条件的主力选择保证金低、流动性好、趋势行情也够多。实际执行时我通常同时盯两个品种哪个先出信号就做哪个避免两个都开导致保证金超限。3. 用Python把策略写出来3.1 数据准备与回测框架怎么选有了策略规则和仓位算法接下来就是用代码把它变成一套可以自动运行的系统。先说数据回测质量很大程度上取决于数据质量。我建议使用期货公司提供的“主力连续合约”数据或者从tushare、akshare这些公开数据源拉取。注意主力连续合约在合约换月时会有价格跳空回测时必须处理否则结果会出现伪收益。关于回测框架市面上现成的有backtrader、vnpy等。我的建议是如果你刚开始做量化先别急着上重型框架自己用pandas写一个轻量回测循环。原因很简单回测的核心不是框架本身的性能而是你对自己策略的每一行代码都了如指掌。自己写的循环从指标计算到撮合逻辑都清清楚楚Debug的时候也方便。等策略稳定跑通、需要进一步扩展时再考虑迁移到成熟框架。3.2 指标计算与信号生成代码这里我把核心代码直接贴出来注释都写清楚了。基于Python 3.9pandas和numpy就够用。import pandas as pd import numpy as np # 加载数据 df pd.read_csv(rb_main_60m.csv, parse_dates[datetime], index_coldatetime) # 计算唐奇安通道shift(1)是关键避免用到当根K线的未来数据 df[high_20] df[high].rolling(20).max().shift(1) df[low_20] df[low].rolling(20).min().shift(1) df[high_10] df[high].rolling(10).max().shift(1) df[low_10] df[low].rolling(10).min().shift(1) # 计算ATR df[prev_close] df[close].shift(1) df[tr] np.maximum( df[high] - df[low], np.maximum( (df[high] - df[prev_close]).abs(), (df[low] - df[prev_close]).abs() ) ) df[atr] df[tr].rolling(14).mean().shift(1) # 生成信号 df[long_entry] df[close] df[high_20] df[short_entry] df[close] df[low_20] df[long_exit] df[close] df[low_10] df[short_exit] df[close] df[high_10]为什么指标计算里要用shift(1)这是回测里最常见的未来函数Bug根源。如果当日收盘后你才判断突破那你实际上要等这根K线结束后才能按当时的收盘价成交。如果代码里直接用当前K线的最高价、最低价去算通道再假设盘中能在这个价格成交等于提前知道了当日的结果回测收益会被严重高估。shift(1)保证用的是上一根K线结束时的通道值完全避免了这个问题。3.3 回测循环与交易记录信号生成之后写一个逐K线遍历的回测循环# 初始资金与策略参数 capital 10000.0 position 0 # 0 空仓1 持多-1 持空 entry_price 0.0 stop_loss 0.0 trade_pnls [] equity_curve [] contract_multiplier 10 # 螺纹钢一手10吨 margin_ratio 0.1 # 保证金比例10% risk_per_trade 0.05 # 单笔最大亏损资金比例5% for i in range(len(df)): close df[close].iloc[i] atr df[atr].iloc[i] if pd.isna(atr): equity_curve.append(capital) continue # 空仓开仓 if position 0: if df[long_entry].iloc[i]: # 检查保证金是否足够 margin close * contract_multiplier * margin_ratio if margin capital * 0.5: position 1 entry_price close stop_loss close - 1.5 * atr elif df[short_entry].iloc[i]: margin close * contract_multiplier * margin_ratio if margin capital * 0.5: position -1 entry_price close stop_loss close 1.5 * atr # 持多单处理 elif position 1: if close stop_loss or df[long_exit].iloc[i]: pnl (close - entry_price) * contract_multiplier capital pnl trade_pnls.append(pnl) position 0 else: # 移动止损只朝有利方向移动 stop_loss max(stop_loss, close - 1.5 * atr) # 持空单处理 elif position -1: if close stop_loss or df[short_exit].iloc[i]: pnl (entry_price - close) * contract_multiplier capital pnl trade_pnls.append(pnl) position 0 else: stop_loss min(stop_loss, close 1.5 * atr) equity_curve.append(capital) # 计算统计指标 total_return capital / 10000 - 1 print(f期末资金: {capital:.2f}) print(f总收益率: {total_return:.2%}) print(f交易次数: {len(trade_pnls)}) print(f胜率: {sum(1 for p in trade_pnls if p 0) / len(trade_pnls):.2%})代码逻辑不复杂但有几个细节我需要强调。开仓前先检查保证金占用是否超过总资金的50%这就是前面讲到的仓位约束在代码里的落地。移动止损不是必须的我加上它是为了让止损在行情顺着持仓方向走的时候不断收紧锁定已有利润但又不至于用太紧的通道被正常波动甩下车。注意max、min函数的使用方向多单止损只能上移空单止损只能下移。3.4 手续费、滑点与保证金的回测设置很多新手跑回测时只算价格差完全忽略手续费和滑点结果回测利润很高实盘一跑就缩水一大截。这俩必须提前写进去。手续费方面按交易所标准计算一个大概值。螺纹钢手续费大约万分之一点五到万分之三双边收取对1手合约价值4万来说一次开平大约12到24元。为了保守我回测时统一按每笔交易固定30元手续费计算覆盖期货公司的佣金加收。滑点方面比较稳妥的假设是1跳滑点。螺纹钢最小变动价位是1元/吨一手10吨1跳就是10元。开仓和平仓各吃1跳共20元。加上手续费一次完整交易的成本大约50元。这个数字看起来不大但一年做100笔就是5000元占了1万本金的5%。交易成本是策略收益里不能忽视的“隐形税收”。所以我的回测代码里没有直接贴这部分但在实际测试时我会在每笔平仓的PnL里减去(fee slippage)。更精确的做法是在开和平时分步扣除效果差不多。3.5 回测结果长什么样下面是我在一段时间内得到的实际回测结果。篇幅有限放一个代表性的案例测试品种是螺纹钢主力连续60分钟周期参数与上面代码完全一致。指标数值测试品种螺纹钢主力连续60分钟测试区间2019年1月1日 - 2024年12月31日初始资金10,000元期末资金约21,900元年化收益率约17.1%总交易次数约132笔胜率41.2%盈亏比1.82最大回撤11.6%最大连续亏损7笔这个结果最关键的解读在于胜率不到一半为什么还能赚钱因为盈亏比是1.82。也就是说平均盈利一笔赚的钱是平均亏损一笔亏的钱的1.82倍。七笔亏损里哪怕错五笔剩下的两笔大赚也能把亏损覆盖掉。趋势策略的盈利逻辑从来不是高胜率而是“小亏大赚”。最大回撤11.6%意味着账户从峰值最多回吐过1100多块占总资金的一成多一点。这个回撤对于一个年化17%的策略来说是可以接受的回撤与收益的比值大约在0.68算比较健康。实盘时我已经见过账户回撤到接近这个数字当时心里也会有波动但回看历史数据这种回撤就是这个策略的正常组成部分只要逻辑没被破坏就应该继续执行。4. 实盘前必须知道的坑4.1 回测里总会出现的Bug未来函数未来函数是回测里最阴险的Bug因为它不会让你的程序报错而是静悄悄地美化你的收益曲线。除了前面提到的shift(1)处理还有几种常见情况值得自查。一种是用当根K线的高低价做信号却假设信号出现瞬间立刻成交。比如策略设定“突破昨日高点入场”但实际开盘价直接跳空高开越过昨日高点这时候你根本不可能在昨日高点价格买到。回测时如果直接用突破价入场每笔交易都会吃到不存在的利润。解决办法是“保守化测试”把所有入场价往后挪一根K线再看收益变化。如果收益急剧恶化说明原来的结果大概率是被未来函数喂出来的。另一种情况是复权处理不当。期货主力连续合约在换月时价格不连续如果不做复权直接拿原始数据回测换月点会出现虚假的暴涨暴跌。处理方法是使用前复权数据或者在换月时用价差调整修正。4.2 过拟合如何判断参数是不是“调出来的”很多新手跑完回测发现收益极高然后疯狂调整快线周期、慢线周期、甚至加各种指标过滤直到曲线的每一段都符合预期。这就是过拟合本质上是把参数“背”进历史数据里了实盘一跑必然原形毕露。如何判断一个策略是在交易规律还是在背参数我的经验是三个测试。第一参数钝化测试把核心周期参数从默认值上下浮动50%左右看收益是否还能保持在合理范围。如果参数一变曲线就崩说明策略对参数极端敏感。第二样本外测试把数据切成两半前半段用来开发参数后半段用来验证只有后半段也能稳定赚钱的才算数。第三多品种验证同一套规则换到三个以上品种上跑如果只有原来那个品种赚钱多半是运气而不是规律。我的这套策略在20周期和10周期这个组合上换到PTA、甲醇、豆粕上做参数钝化年化收益在10%到18%之间波动最大回撤都在可控范围这才敢拿去做实盘。4.3 连续止损时最考验人趋势跟踪策略最大的心理挑战就是震荡行情里的连续止损。我的策略在震荡期间曾经连续止损7笔账户回撤一度逼近历史最大回撤。这个时候人性会让你产生无数个怀疑是不是行情变了是不是参数不行了要不要先停下来看看这种时候你一定会经历而且不止一次。我自己的应对方法很笨但有效。第一设硬性纪律策略连续止损期间除非出现以下三种情况否则绝不手动干预——检测到重大Bug、数据源异常、程序故障。第二写心态日志每次想干预的时候把当时的想法和理由写下来过一个星期再回看你会发现大部分“灵感”其实都是情绪。第三把止损记录和策略历史数据进行对比如果当前亏损幅度还在历史最大回撤范围内策略逻辑没有被打破那就该坚持。这种经历虽然难受确是绝对值得的。等它发生几次后你就真正理解量化交易跟手工交易的区别是什么一个是执行问题一个是决策问题。你的任务是把决策做好然后交给程序去执行而不是遇到亏损就重新做决策。4.4 从回测到实盘的过渡方案回测做得再漂亮也只能证明历史规律。从回测到实盘我建议必须经历三个阶段每个阶段都有它存在的意义。第一阶段是模拟盘跑一个月。这个阶段不是用来验证策略收益的而是用来验证你的程序在真实行情推送、断线重连、服务器重启这些现实条件下能否正常运行。模拟盘没人抢你的单子但程序Bug和数据断流问题是真实存在的。第二阶段是小额实盘用5000块跑一到两个月。这个阶段的意义在于体验真实的滑点和盘口变化。你会发现实盘成交价经常比回测模型里的价格差一两个点这正是不回测滑点的代价。同时你也在用真金白银测试自己对亏损的心理承受能力。第三阶段才是加到1万块。这时候你的策略逻辑经过回测验证、模拟盘验证、小额实盘验证三重检验你对策略的信任和对账户波动的忍耐力都得到了训练。全套流程走下来需要至少三个月但这三个月不会白费它会帮你避开很多“回测致富、实盘破产”的悲剧。这套流程走完后剩下的就是一件事执行。策略很简单但能够稳定执行一年、两年、五年的人在市场上一定能存活下来。我见过太多人倒在“改一个参数试试”的念头里。量化的本质是用纪律对抗人性如果你总想用主观判断去覆盖程序逻辑那这个策略迟早会被你的情绪毁掉。我的体会是把策略当成一台需要定期维护的机器维护的意思是监控数据、检查代码、记录异常而不是动不动就换零件。1万块本金的小账户跑一年可能也就赚两三千块但它让你用极小的成本完成了一次从策略设计到实盘验证的完整量化闭环这套经验是看再多文章也拿不到的。
