100万元策略期末265.80万元买入后一直持有期末254.21万元。策略比买入后一直持有多约11.59万元最大回撤分别为49.66%、61.28%。收益优势是否值得采用还要看下文成本与邻近参数的结果。首图由聚宽完成回测后的真实账户数据重绘采用无损高清图不是平台界面截图。1、收益与回撤对比本篇标的是南方中证500ETF510500聚宽代码510500.XSHG。回测覆盖2013-03-15至2026-09-16共3284个交易日为该ETF上市以来的全部可交易历史。基金成立早于上市成立后尚未上市的日期没有场内成交不能虚构买入。本篇“至今”统一截至2026年9月16日。指标量化策略买入后一直持有期末资产 / 万元265.80254.21累计收益165.80%154.21%年化收益7.73%7.36%最大回撤49.66%61.28%平均实际仓位60.10%93.74%有成交的订单181两组均投入100万元初次入场预算为总资产的90%使用相同费用和撮合限制。“买入后一直持有”就是从首个可成交日起完成建仓此后一直不动不主动卖出也不补仓现金分红留在账户。它不等于100%满仓或分红即时再投资。收益包含现金、持仓、分红及已扣费用。最大回撤是账户从历史高点向后的最大跌幅年化收益沿用聚宽口径订单可分批成交不等于完整买卖轮数。图表根据真实账户数据重绘。本文使用聚宽开发与回测环境准备可参照基础篇。2、量化策略的思路与实现中证500的上涨往往集中在少数阶段。离场后一直等新高可能把最重要的反弹也一起等过去。旧版平均仓位只有约24%跟随突破入场、较早退出未能充分参与后续上涨。新版先参与持有再用慢均线决定是否退出减少反复追赶行情。同区间方案累计收益最大回撤60日突破与ATR退出21.00%49.89%本文修订规则165.80%49.66%买入后一直持有154.21%61.28%规则如何进入代码环节执行规则上市初期从首个可成交日分批建仓累计250个已完成日线后开始择时买入条件MA120 MA250 × 1.01退出条件MA120 MA250 × 0.99缓冲区维持原有状态不重新补足90%仓位MA120和MA250分别刻画约半年与一年的价格重心。两线相差超过1%才行动避免交叉附近的一点波动触发交易。这里保留的是较长趋势不是盘中止损快速下跌仍可能先发生均线随后才转弱。prepare_signal()先读取昨日及更早的已完成行情strategy_rule()输出目标仓位execute_signal()在今天提交限价单close_report()记录实际成交。昨天的信号价不是今天保证能成交的价格。实际交易记录完整历史中有成交的订单共18笔完成清仓的持仓阶段5段累计佣金5958.48元。期末仍持有ETF。完整持仓阶段日期账户变化最好的一段2013-03-15 至 2015-12-30117.07% / 117.07万元最差的一段2023-04-17 至 2023-10-16-10.83% / -24.89万元以上从入场前一日算到完全退出包含期间费用、分红和调仓不是单笔价差。均价来自聚宽逐笔成交的加权汇总佣金来自订单记录。展示对应阶段首尾交易没有完成清仓时展示最早几笔实际成交。成本与参数检验检验累计收益最大回撤本文策略165.80%49.66%佣金与滑点翻倍162.30%49.66%长窗口改为200日171.01%49.66%长窗口改为300日154.28%53.89%双倍成本后累计收益为162.30%两组邻近参数为171.01%、154.28%。三项检验的终值都高于原持有对照。双倍成本将买卖佣金费率各从0.03%提高到0.06%最低佣金仍为5元单边滑点从0.10%提高到0.20%限价偏移同步从0.2%扩大到0.4%。成交路径可能改变这属于执行压力检验。邻近检验只改一个参数没有因为邻近参数赚得更多就把它换成正文主策略。这次属于看过历史后的策略修订。先后研究了34组规则与参数再选定本篇方案到聚宽复核。成本和邻近参数检验能发现脆弱性却不能消除历史选择偏差。下面的后30%也已被研究过程查看不能称为独立样本外。连续账户区间本文策略一直持有2013-03-15 至 2022-08-23129.87%105.05%2022-08-24 至 2026-09-1615.63%23.98%按交易日顺序分前70%与后30%后段继承原持仓和资金未重新起投。两段收益要连乘不能相加。上市初期先持有是本次规则的一部分不能把这段收益归功于均线择时。文章同时给出完整持有账户检验后续退出究竟增加了收益还是只是增加了交易。3、在聚宽复现回测进入策略回测 → 新建策略 → 空白模版粘贴第4节完整代码保存后设置界面设置填写内容起止日期2013-03-15 至 2026-09-16初始资金1000000元回测频率分钟运行环境Python3策略模式mode: strategy上图为对应主策略的聚宽原始回测截图包含回测区间、初始资金、完成状态、收益指标及完整收益曲线未重写平台数字。图中基准线为沪深300正文“买入后一直持有”对照为另行回测的同一ETF账户两者口径不同。程序09:05读昨日日线10:00提交限价单10:05撤销余单15:10记录账户。每天检查一次策略条件。本策略先从上市后的可成交日建仓积累250个完整日线后才启用择时此前的持有收益与风险都计入结果。代码已设定佣金各0.03%、每笔最低5元、基金印花税为0、单边滑点0.10%按当时分钟成交量1%限制撮合。买入按100份整手提交实际部分成交可能不是整手未完成建仓使用原预算续单按真实成交金额和佣金扣减未完成卖出继续处理可卖份额。不要把委托成功当成全部成交。要复现对照再复制一份代码只修改配置中的两项其余资金、区间、费用不变mode: hold, experiment: ETF17D_03_hold_compare,运行完成后核对“收益概述”的累计收益与回撤再查看“交易详情”“每日持仓收益”。代码会同时保存每日账户、订单和逐笔成交三类记录文件名前缀由experiment决定改参数重跑时换一个前缀便于核对每次结果。每日记录的cash是可用现金暂时冻结的资金可能不在其中核对总资产时应使用平台账面现金加持仓市值不能只加可用现金。这是包含费用与成交约束的历史模拟尚未接入券商实盘历史回撤不是未来亏损上限。4、完整策略代码复制到聚宽空白策略即可运行。中文注释覆盖参数、信号、预算、限价和真实成交核对。# -*- coding: utf-8 -*- ETF单品种策略。聚宽Python3分钟频率初始资金100万元。 本代码完整独立回测参数与正文对应。 所有交易信号仅使用前一交易日及更早的数据真实成交由聚宽撮合。 from jqdata import * from builtins import all, any, max, min import csv import io import json import math import numpy as np # 中证500ETF量化策略南方中证500ETF。 # modehold为同ETF买入后一直持有初始资金100万元首次预算90%。 # initial_investedTrue表示上市后先建仓攒足历史再应用退出规则。 # 双倍成本及邻近参数是独立对照不用于自动寻找最高收益。 CONFIG {security: 510500.XSHG, listing: 2013-03-15, mode: strategy, params: {family: invested_dual, fast: 120, slow: 250, band: 0.01, frequency: daily}, warmup: 250, frequency: daily, sizing: entry, initial_invested: True, max_weight: 0.9, commission: 0.0003, slippage: 0.001, limit_offset: 0.002, rebalance_band: 0.05, ablation: False, experiment: ETF17D_03_main} def strategy_rule(h, held, cfg, state): 读取已完成日线。风险退出优先缓冲区内维持已有仓位。 p, c cfg[params], h.close.values family p[family] buy, sell False, False if family in (dual_ma, invested_dual): # fast/slow是日线窗口band避免均线贴近时反复买卖。 fast, slow c[-p[fast]:].mean(), c[-p[slow]:].mean() buy, sell fast slow*(1p[band]), fast slow*(1-p[band]) elif family in (price_band, monthly, invested_trend): # 收盘越过均线上沿才买跌破下沿才卖中间区域不追涨杀跌。 mean c[-p[slow]:].mean() buy, sell c[-1] mean*(1p[band]), c[-1] mean*(1-p[band]) elif family channel: # 历史上/下沿排除昨日自身避免使用包含待判断价格的通道。 buy c[-1] h.high.values[-p[entry]-1:-1].max() sell c[-1] h.low.values[-p[exit]-1:-1].min() elif family momentum: # slow日涨跌需要slow1个收盘价不是slow个价格。 buy, sell c[-1] c[-p[slow]-1], c[-1] c[-p[slow]-1] elif family crash_guard: # 先参与长期持有只有高点回落、价格转弱、均线转弱同时成立才退出。 slow, fast c[-p[slow]:].mean(), c[-p[fast]:].mean() sell (c[-1] c[-p[high_window]:].max()*(1-p[drop]) and c[-1] slow and fast slow) buy c[-1] c[-p[recovery]:].mean() and c[-1] c[-p[recovery]-1] elif family fast_guard: # 高点回落与跌破均线同时出现才退出短均线恢复后才考虑重入。 sell (c[-1] c[-p[high_window]:].max()*(1-p[drop]) and c[-1] c[-p[slow]:].mean()) buy c[-1] c[-p[recovery]:].mean()*1.01 elif family shock_guard: # 用短均线偏离幅度识别急跌恢复线比均线高1%减少立即追入。 sell c[-1] c[-p[slow]:].mean()*(1-p[band]) buy c[-1] c[-p[recovery]:].mean()*1.01 elif family trend_ensemble: votes sum(c[-1] c[-k*p[slow]:].mean() for k in (1,2,3)) buy, sell votes 2, votes 1 else: raise ValueError(未知策略规则: family) # 即使空仓也先判断sell。避免风险与恢复同时成立时隔日反复进出。 if sell: return 0., 风险或趋势退出条件成立 if held or buy: return cfg[max_weight], 继续持有 if held else 入场条件成立 return 0., 等待有效入场信号 def initialize(context): 只初始化一次资金检查、费用、调度和审计文件。 g.cfg dict(CONFIG) assert abs(context.portfolio.starting_cash - 1000000) .01, 初始资金须为1000000 assert g.cfg[mode] in (strategy, hold) g.state {armed: False, held_days: 0} g.observed_days 0 # 已经过的上市后交易日不使用未来价格。 g.target, g.signal_day, g.attempt_day None, None, None g.pending_exit False # 清仓未完成时次日继续卖出剩余可卖份额。 g.entry_remaining None # 首次建仓的剩余预算扣实际成交与佣金不随涨价扩大。 g.reason, g.source_day , g.out g.cfg[experiment] # 该指数仅供平台画参考线正式比较另跑同ETF的hold账户。 set_benchmark(000300.XSHG) set_option(use_real_price, True) set_option(avoid_future_data, True) set_option(order_volume_ratio, .01) # 1%分钟成交量上限不是容量保证。 set_order_cost(OrderCost(open_tax0, close_tax0, open_commissiong.cfg[commission], close_commissiong.cfg[commission], close_today_commission0, min_commission5), typefund, refg.cfg[security]) # 此API参数表示买卖总价差因此单边0.1%需要传0.2%。 set_slippage(PriceRelatedSlippage(2*g.cfg[slippage]),typefund,refg.cfg[security]) run_daily(prepare_signal, time09:05) run_daily(execute_signal, time10:00) run_daily(cancel_remaining, time10:05) run_daily(close_report, time15:10) write_file(g.out_daily.csv, date,total_value,cash,shares,position_value,exposure,target,signal_date,reason\n,appendFalse) write_file(g.out_orders.csv, date,order_id,is_buy,requested,filled,price,commission,status\n,appendFalse) write_file(g.out_trades.csv,time,trade_id,order_id,amount,price\n,appendFalse) log.info(CONFIG json.dumps(g.cfg,ensure_asciiTrue,sort_keysTrue)) def position_of(context): 空仓时返回None不依赖不存在持仓对象的默认值。 security g.cfg[security] return context.portfolio.positions[security] if security in context.portfolio.positions else None def is_new_week(today, previous): 按自然周比较前后两个交易日周一休市时周二仍可执行周频规则。 return today.isocalendar()[:2] ! previous.isocalendar()[:2] def prepare_signal(context): 先清理昨日信号再读取已完成日线失败时不沿用旧的买入指令。 g.target, g.signal_day None, None g.reason, g.source_day , today context.current_dt.date() position position_of(context) held int(position.total_amount) if position else 0 if g.pending_exit and held: # 已触发的清仓不依赖新的行情窗口但实际下单仍检查停牌和可卖份额。 g.target, g.signal_day, g.reason 0., today, 完成尚未成交的清仓 return g.pending_exit False if g.cfg[mode] hold: g.target, g.signal_day, g.reason g.cfg[max_weight], today, 买入后一直持有 return if g.cfg[initial_invested] and g.observed_days g.cfg[warmup]: # 保留上市初期的参与机会。历史不足时只完成最初建仓不凭缺失价格择时。 g.target, g.signal_day, g.reason g.cfg[max_weight], today, 上市初期先参与持有 return nondecision (g.cfg[frequency] weekly and not is_new_week(today, context.previous_date)) nondecision nondecision or (g.cfg[frequency] monthly and (today.year,today.month) (context.previous_date.year,context.previous_date.month)) if nondecision: # 这不是新的周频决策只是继续执行上次已经批准且未完成的初始建仓。 if g.entry_remaining is not None and g.cfg[sizing] entry: g.target, g.signal_day, g.reason g.cfg[max_weight], today, 继续最初建仓 return g.reason 本周期非决策日 return try: h attribute_history(g.cfg[security],g.cfg[warmup],1d, [close,high,low,paused],skip_pausedFalse,dfTrue,fqpre) if h is None or len(h) ! g.cfg[warmup]: g.reason 上市后历史不足保留原仓位 return # 聚宽可能以缺失值补足上市前的日线显式归为预热避免误记为数据故障。 if str(h.index[0].date()) g.cfg[listing]: g.reason 上市后有效历史尚不足预热窗口 return if h.index.has_duplicates or not h.index.is_monotonic_increasing: raise ValueError(日线索引重复或无序) if h.index[-1].date() ! context.previous_date: raise ValueError(日线不是上一交易日) prices h[[close,high,low]].values if not np.isfinite(prices).all() or (prices 0).any(): raise ValueError(价格缺失或非正数) # 窗口中停牌日保留其历史价格仅最近一日停牌时暂停新信号避免长期冻结。 if h.paused.isnull().any() or h.paused.iloc[-1] ! 0: raise ValueError(停牌字段异常或上日停牌) target, reason strategy_rule(h, held 0, g.cfg, g.state) if not math.isfinite(target) or not 0 target g.cfg[max_weight]: raise ValueError(目标仓位越界) g.target, g.signal_day float(target), today g.reason, g.source_day reason, str(h.index[-1].date()) if held and target 0: g.pending_exit True if target 0: g.entry_remaining None # 新退出或空仓条件撤销尚未完成的建仓预算。 except Exception as error: # 数据故障不是卖出信号。异常日志可用于检查是否被静默跳过了大量交易日。 g.reason DATA_ERROR str(error) log.warn(g.reason) def limit_price(price, high, low, buying, offset): 按0.001元报价精度计算限价涨停不追买、跌停不假定能卖出。 if not all(math.isfinite(x) and x 0 for x in (price,high,low)): return None if high low or not low price high: return None if buying: if price high-.001: return None return math.floor((min(price*(1offset),high-.001)1e-9)*1000)/1000 if price low.001: return None return math.ceil((max(price*(1-offset),low.001)-1e-9)*1000)/1000 def affordable_amount(budget, price, commission): 预算包含佣金买入必须是100份的整数倍。 if budget 5 or price 0: return 0 return max(0,int((budget-5)/(price*(1commission))/100)*100) def execute_signal(context): 10:00下限价单一次信号最多尝试一次不把委托成功当成全部成交。 today context.current_dt.date() if g.signal_day ! today or g.target is None or g.attempt_day today: return security g.cfg[security] if any(o.security security for o in get_open_orders().values()): return position position_of(context) held int(position.total_amount) if position else 0 entry_only g.cfg[mode] hold or g.cfg[sizing] entry # 完成最初建仓后不因价格波动或现金分红补仓未完成则按原预算继续。 if entry_only and g.target 0 and held and g.entry_remaining is None: return if g.target 0 and held 0: return quote get_current_data()[security] price float(quote.last_price) if quote.paused or not math.isfinite(price) or price 0: return total float(context.portfolio.total_value) exposure held*price/total # 可变仓位模型仅在仓位偏差至少5个百分点时调整降低小额反复交易。 if not entry_only and g.target 0 and abs(exposure-g.target) g.cfg[rebalance_band]: return buying (entry_only and g.target 0) or g.target exposure lp limit_price(price,float(quote.high_limit),float(quote.low_limit),buying,g.cfg[limit_offset]) if lp is None: return if buying: if entry_only: if g.entry_remaining is None: g.entry_remaining total*g.target # 此轮首次建仓预算只确定一次。 budget min(g.entry_remaining,context.portfolio.available_cash) else: budget min(max(0,total*g.target-held*price),context.portfolio.available_cash) amount affordable_amount(budget,lp,g.cfg[commission]) if entry_only and amount 0: g.entry_remaining None # 剩余预算不足100份及费用确认本轮建仓完成。 else: sellable int(position.closeable_amount) if position else 0 # 全清仓允许卖出最后不足一手的剩余份额减仓则按100份整手计算。 desired held if g.target 0 else int(max(0,held-total*g.target/price)/100)*100 amount -min(desired,sellable) if amount 0: return g.attempt_day today log.info(INTENT json.dumps(dict(datestr(today),targetg.target, sourceg.source_day,amountamount,limitlp,reasong.reason),ensure_asciiTrue)) order(security,amount,styleLimitOrderStyle(lp)) def cancel_remaining(context): 撤销本策略未成交委托次日按新信号或未完成清仓状态重新判断。 for item in get_open_orders().values(): if item.security g.cfg[security]: cancel_order(item) def append_csv(suffix, values): 逐行保存账户、订单和成交供独立复算避免仅凭图中曲线下结论。 buffer io.StringIO() csv.writer(buffer).writerow(values) write_file(g.outsuffix,buffer.getvalue(),appendTrue) def close_report(context): 记录完整资金曲线包括预热期和现金期分红和拆分交由引擎入账。 cancel_remaining(context) # Order.price可能只反映首笔成交分批成交须按Trade逐笔累加金额。 # 同时据此计算成交均价避免用首笔价格扣预算或展示为加权均价。 fills {} for t in get_trades().values(): if t.security g.cfg[security]: amount, turnover fills.get(str(t.order_id), (0, 0.)) fills[str(t.order_id)] (amountt.amount, turnovert.amount*t.price) append_csv(_trades.csv,[str(t.time),str(t.trade_id),str(t.order_id),t.amount,t.price]) for o in get_orders().values(): if o.security g.cfg[security]: amount, turnover fills.get(str(o.order_id), (0, 0.)) assert amount o.filled, 订单成交量与逐笔成交不一致 average_price turnover/amount if amount else 0. append_csv(_orders.csv,[str(context.current_dt.date()),str(o.order_id), bool(o.is_buy),o.amount,o.filled,average_price,o.commission,str(o.status)]) if o.is_buy and o.filled 0 and g.entry_remaining is not None: g.entry_remaining max(0.,g.entry_remaining-turnover-o.commission) g.observed_days 1 p context.portfolio position position_of(context) held int(position.total_amount) if position else 0 value float(position.value) if position else 0. if held: g.state[held_days] 1 g.state[armed] False else: g.state[held_days] 0 record(account_navp.total_value/p.starting_cash,exposurevalue/p.total_value) append_csv(_daily.csv,[str(context.current_dt.date()),p.total_value,p.available_cash, held,value,value/p.total_value,g.target,g.source_day,g.reason])中证500这一篇的关键是参与度。减少无效进出能否值得采用要看留下的趋势收益是否覆盖慢均线退出的滞后。