相信大家都听说了量化交易这样的一个东西了吧！量化交易是一种新兴的系统化金融投资方法公众Ai量投学堂详细介绍

  本文就用一个接地气的股票分析场景 —— 用量化回测来识别技术指标到底能不能赚钱 来和大家伙儿一起来分享一下，普通股民如何去使用量化交易！

  技术指标分析股票走势，由于其简单、直观、便于理解，是小散们最为普遍的使用的炒股方法。行情软件上会提供各种技术指标的走势，各路股评大V也都乐此不疲地拿技术指标来预判行情。

  确实对于中小散户来说，很难解读政策层面是利好还是利空，也无法了解上市企业内部运营的实质状况以及发布的公告对股价的影响有多大。

  由于市场行为会包容消化一切盘面信息，所以最终会体现在了股价的走势上。于是当指标走好时，表明有资金进场，我们只需要跟着主力进场就行。当资金离场时一切指标lai2021888都会走坏，我们也只需要跟着主力离场即可

  下面的内容过于“看不懂”其实也无需看这些“原理，知识”谁买汽车不是来开的，难道是为了全部拆开用来研究搞清楚原理的吗？

  通常的炒股书籍上会介绍某个技术指标的用法，然后配上一幅相匹配的股价走势图，来验证这个用法是可行的。

  由于技术指标关注的点在于股价和成交量的变化，并不会去考虑该股的行业属性。而个股的走势还与所属行业和自身经营业务呈现一定规律。为了排除这部分的干扰，此处个人会使用上证指数进行回测，这样能把重点放在指标的特性上。

  MA指标策略：买入条件是短期MA上穿长期MA形成金叉；卖出条件是短期MA下穿长期MA形成均线死叉。

  KDJ指标策略：当K线由下向上穿过D线时，即所谓“黄金交叉”释放出买入信号；当K线由上向下穿过D线时，出现“死亡交叉”释放出卖出信号。

  (1) 创建一个策略类，这个类要继承自backtrader.Strategy，然后就可以自定义里面的方法。

  (2) 策略类中有一个属性params，用于定义一些在策略中可调参数值。

  (3)内置了许多指标的计算方式，比如移动平均线、MACD、RSI等等，使用时只需要实例化策略中会使用到的技术指标即可。

  (5)创建一个策略决策引擎Cerebro，把定义的策略注入到决策引擎之中，把行情数据注入到决策引擎之中，设置初始资金、手续费等等，然后运行引擎

  接下来先回测下MA指标策略，指标参数为常用的短期MA10，长期MA30。

  图表包含了五个子图，由上往下分别为资金变动图、交易盈亏图、回撤跟踪图、买卖区间图、技术指标图。

  （1）资金变动图：能够正常的看到在策略回测期间，资金的盈利和损失。红色的是现金变动，蓝色是资产变动（包含了现金）

  （2）交易盈亏图。在交易结束时（买入-卖出）显示实际盈利/亏损。蓝色点表示获利，红色点表示亏损，纵坐标表示获利/亏损的幅度。

  （3）买卖区间图。这个图体现了买卖点在行情走势中的位置。绿色和红色箭头分别表示交易策略的进入点和退出点。行情走势图则包含了均线、K线）回撤跟踪图。描述了买入股票后，跟踪策略会亏损多少钱。

  （5）技术指标图。图表上可以扩展一些技术指标的子图，此处扩展了KDJ指标。

  很遗憾，初始资金10000000.00，最终资金9999873.03，此处我还没加上手续费、滑的影响，否则亏损会更多。

  所以，重点是当我们正真看到炒股书上介绍的某个指标有多好用时，不妨用回测的方式来验证下。

  接下来再回测下KDJ指标策略，指标参数为（5，3，3）。回测效果如下所示：

  以上结果只是对于上证指数而言，如果要更加客观地评价指标的效用，需要用更多地标去验证。比如换成深证综指，如下所示：

  所以在制定策略的时候，若选择平稳的策略一定要回测足够长的周期，用足够多的数据样本。十年1000次的交易会比五年500次交易要来的稳定可靠！如果是选择阶段有效的策略，那么主观上要对行情阶段要有大局上的把握，才能因地制宜地选取策略去公众机器人量化

  通过关注公众Ai量投学堂这个简单而又实用的股票量化场景，希望可以给广大朋友对于量化交易有一个直观的感受。然后，我们该升级自己的炒股方式了，把自己以前炒股的那套方法，抽象成策略模型，用量化的方法去全市场回测评估，然后让程序让我们监测行情的走势。