第一个策略：双均线趋势跟踪

本课目标：亲手实现一个最简单的双均线策略，走通”信号→持仓→收益”的完整回测流程，并理解它的局限。

很多人学量化的第一步是找”厉害的策略”，但更有价值的第一步，是把一个朴素到近乎简陋的策略完整做一遍。双均线趋势跟踪就是这样一个教学策略：规则简单、逻辑透明，几十行代码就能实现，却足以暴露回测流程里的所有关键环节——信息时点、交易成本、参数选择，一个都躲不掉。本文不构成投资建议，只用于演示研究方法。

策略假设：趋势会延续#

任何策略背后都应该有一个可以被检验的假设。双均线策略的假设是：价格趋势一旦形成，会在一段时间内延续。如果最近的价格系统性地高于更早的价格，说明可能处于上升趋势中，顺着趋势持有比逆着趋势操作更有利。

注意，这只是一个假设，不是真理。趋势在某些市场、某些阶段明显，在另一些阶段则完全失效（比如长期横盘震荡时）。写下假设的好处是：回测结果不好时，你知道自己在检验什么、否定的是什么，而不是笼统地感叹”策略不行”。

为什么趋势可能延续？常见的解释有两类：一是信息扩散需要时间，重大变化不会在一天内被所有人消化，价格会分几步走到位；二是投资者的追涨行为会自我强化。反过来，趋势策略的天敌也很明确——横盘震荡时价格反复穿越均线，策略会不断地”高买低卖”，这种来回挨打俗称被震荡”磨损”。理解了这一点，你对后面的回测结果就不会感到意外。

交易规则：金叉买入，死叉卖出#

我们用两条简单移动平均线（MA）来刻画”最近”和”更早”的价格水平：

名称	常见参数	含义
短均线	20 日	最近约一个月的平均价格
长均线	60 日	最近约一个季度的平均价格

规则只有两条：

短均线上穿长均线（俗称金叉）：次日开盘买入并持有；
短均线下穿长均线（俗称死叉）：次日开盘卖出，空仓等待。

标的建议先用一只宽基 ETF 来做实验，避免个股停牌、退市等复杂情况干扰你对流程本身的理解。也不建议一开始就加入止损、加仓等花样——先把最朴素的版本跑通，每一次改动才有清晰的对照基准。

回测流程：信号 → 持仓 → 收益#

这是本课最重要的部分。回测的骨架永远是三步：

信号（signal）：根据规则，在每一天算出”想要的状态”（持有=1，空仓=0）；
持仓（position）：信号要延迟生效。今天收盘才能算出的信号，最快明天才能变成持仓，所以要把信号整体后移一天；
收益（returns）：策略每日收益 = 当日持仓 × 标的当日涨跌幅，再累乘得到净值曲线。

用 pandas 表达大致如下（示意代码，省略了数据读取和成本处理）：

1
import pandas as pd
2

3
# close 是一个以日期为索引的收盘价 Series
4
ma_short = close.rolling(20).mean()
5
ma_long = close.rolling(60).mean()
6

7
signal = (ma_short > ma_long).astype(int)   # 1=想持有, 0=想空仓
8
position = signal.shift(1).fillna(0)        # 信号次日才生效，避免用到当日信息
9

10
daily_ret = close.pct_change().fillna(0)
11
strategy_ret = position * daily_ret
12
equity = (1 + strategy_ret).cumprod()       # 策略净值曲线

其中 shift(1) 是新手最容易漏掉的一行。漏掉它，等于让你”今天收盘时穿越回今天开盘”下单，回测结果会漂亮得毫无意义。这类错误我们下一课会专门讲。

拿到净值曲线后，至少看三个指标：年化收益衡量赚钱速度，最大回撤衡量最惨时刻从高点跌下来多少，交易次数帮你估算成本的影响。别忘了同时画一条”买入并一直持有”的基准曲线——如果策略费了半天劲还不如躺着不动，那它就没有存在价值。另外要在收益里扣掉交易成本：每次买卖按一个固定费率从当日收益中减去，双均线策略交易不频繁，但成本处理的习惯要从第一个策略就养成。

参数敏感性：20/60 是不是”最优”#

把参数从 (20, 60) 换成 (10, 50)、(30, 90)，结果往往差别很大。这时新手容易走向两个极端：要么随手选一组，要么写循环把几百组参数全跑一遍、挑最好的那组。后者尤其危险——你挑出的很可能只是”最适合这段历史”的参数，换一段时间就失效。

务实的做法是：

只测少数几组有先验含义的参数（周/月/季度级别）；
观察结果对参数是否平滑：好的策略在相邻参数下表现相近，而不是只有某一组特别好；
把”最优参数”看作警报而不是奖品——如果 (20, 60) 很好而 (19, 58) 很差，大概率你找到的是这段历史的巧合，而不是规律。

一个直观的检查方法是画”参数热力图”：横轴短均线周期、纵轴长均线周期、颜色代表回测收益。如果高收益区域连成一片平缓的高原，说明策略对参数不敏感，可信度更高；如果只有零星几个孤立的亮点，基本可以断定是运气。

这个策略教会我们什么#

双均线策略在 A 股宽基指数上的历史表现，通常是”牛市能跟上、熊市能躲开一部分、震荡市反复挨打”。它未必能让你赚钱，但它教会你的东西是通用的：

策略 = 假设 + 规则 + 执行细节，三者缺一不可；
回测的本质是模拟”当时的你”只用”当时可得的信息”做决策；
参数不是越优越好，稳健比极致重要；
任何策略都有失效场景，知道它什么时候会难受，和知道它什么时候赚钱同样重要。

后面课程里的更复杂策略，骨架都和这三行 pandas 一样。把这个最小闭环做扎实，比囤十个看不懂的”高级策略”更有用。

本课小结#

双均线策略的假设是趋势延续，规则是金叉持有、死叉空仓。
回测三步：信号、持仓（记得 shift）、收益，缺一不可。
shift(1) 保证信号次日生效，是避免未来函数的第一道防线。
参数扫描挑出的”最优参数”往往是过拟合，关注参数的平滑性更有意义。
教学策略的价值在于走通流程，而不是直接拿去实盘。

动手练习：选一只宽基 ETF 的日线数据，实现上面的双均线回测，分别跑 (10, 50)、(20, 60)、(30, 90) 三组参数，画出三条净值曲线，并回答：三组结果差异大吗？这说明了什么？