首先完成“课程第5课:风险管理 — 头寸规模、止损与风险回报”即可解锁本课程。转到上一课

简介

没有回测的交易计划只是一个猜测。在本课中,你将把技术分析工具(蜡烛图形态、支撑/阻力、RSI、MACD、移动均线)与前几课介绍的风险管理规则(仓位大小、止损设置、风险回报比)整合成一个个人、书面的计划。然后你将使用历史数据对该计划进行回测,以在真正投入资金前查看策略是否确实成立。

展示构建和验证交易计划的5个阶段的流程图:定义规则、编码规则、运行回测、分析结果、优化规则

步骤1 — 用简明语言撰写你的交易规则

在编写任何代码之前,用有序列表写出你的进出场和风险规则。一个 BTC/USDT 波段交易的示例规则集:

规则1 — 进场:当 RSI(14) 低于 35、收盘价收于 50 周期 EMA 上方、且 MACD 柱状图转为正值时,建立多头头寸。

规则2 — 止损:将止损设在入场蜡烛线低点下方 2% 处。

规则3 — 止盈:以 1:2 的风险回报比平仓一半,移动止损到保本点,剩余部分以 1:4 的比率平仓。

规则4 — 仓位规模:每笔交易风险不超过账户总权益的 1%。

保持列表简短。如果一个规则不能用一句话写成,那么它过于模糊,无法编码。

步骤 2 — 将规则转化为可测试的代码

将每条规则编码为一个返回布尔值(入口信号)或数值(停止水平、仓位大小)的函数。使用 Python 和回测库:

python
from backtesting import Strategy, Backtest
from backtesting.lib import crossover
import pandas as pd
def ema(series, period):
return series.ewm(span=period, adjust=False).mean()
def rsi(series, period=14):
delta = series.diff()
gain = delta.where(delta > 0, 0).rolling(period).mean()
loss = -delta.where(delta < 0, 0).rolling(period).mean()
rs = gain / loss
return 100 - (100 / (1 + rs))
class SwingPlan(Strategy):
rsi_period = 14
risk_pct = 0.01
rr_ratio = 2.0
def init(self):
close = pd.Series(self.data.Close)
self.ema50 = self.I(ema, close, 50)
self.rsi14 = self.I(rsi, close, self.rsi_period)
def next(self):
price = self.data.Close[-1]
if not self.position and self.rsi14[-1] < 35 and price > self.ema50[-1]:
sl = self.data.Low[-1] * 0.98
tp = price + (price - sl) * self.rr_ratio
size = self.equity * self.risk_pct / (price - sl)
self.buy(size=size, sl=sl, tp=tp)

函数 next() 在每根蜡烛图上被调用,表示一个完整的决策周期。如果你能够把步骤1的每条规则映射到这个函数中的一行代码,那么你的计划就是可测试的。

步骤 3 — 运行回测并读取输出

加载历史 OHLCV 数据并运行:

python
bt = Backtest(data, SwingPlan, cash=10000, commission=0.001)
stats = bt.run()
print(stats)
bt.plot()

输出包含关键指标:总回报、最大回撤、夏普比率、胜率以及交易次数。不要只追逐高回报数字。以40%回报、最大回撤12%要比200%回报、最大回撤60%更现实。

步骤 4 — 常见错误避免

向前看偏差:用明天的收盘价来决定今天的交易。在与当前价格比较之前,总是将指标平移一个交易棒。

过度拟合:在回测中调参直到盈利。如果你的策略只在 BTC 4 小时数据自 2022 年起且 EMA 长度为 47 时才有效,那就属于曲线拟合。

忽略费用和滑点:加密货币交易所对每一边收取 0.05–0.10%。一个平均盈利为 0.3% 的策略也无法长期生存。

交易次数太少:一年内只有 8 次交易的回测在统计上毫无意义。至少追求 50–100 次交易再信任结果。

Summary

一个完整的交易计划是一个编号的规则集合,而不是情感。将这些规则编码到代码中可以强制获得清晰度。回测揭示该计划是否盈利、是否稳健、是否值得实际交易——或者是否需要回到步骤1进行调整。

下节课将介绍纸面交易:在测试账户上实时执行经过验证的计划以在投入资金之前进行测试。

课后练习

课程检查点

巩固所学知识,获取作业反馈。

0/1
已回答 · 0/1