第四讲：单指标信号策略——从金叉死叉到布林带突破

各位同学，欢迎来到第四讲。

今天我们要聊的，是量化交易里最基础、也最实用的东西——单指标信号策略。说白了，就是只用一个技术指标，来生成买卖信号。

你可能会想：“一个指标够用吗？” 嗯，我刚开始做量化的时候也这么问过。但后来发现，单指标策略虽然简单，却是理解整个信号生成逻辑的基石。你想想看，如果连一个指标都玩不转，那组合多个指标只会更乱。

4.1 基于SMA的金叉死叉策略

先说说SMA，简单移动平均线。金叉死叉，应该是每个交易者入门时都会接触到的概念。

金叉：短期均线上穿长期均线，看涨信号。
死叉：短期均线下穿长期均线，看跌信号。

我个人习惯用5日均线和20日均线做组合。为什么？因为5日代表一周的交易情绪，20日差不多是一个月。这个组合在日线级别上，反应速度适中，不会太敏感也不会太迟钝。

来看代码实现：

import pandas as pd
import numpy as np

def sma_cross_strategy(df, short_window=5, long_window=20):
    """
    基于SMA金叉死叉的策略
    df: 包含'close'列的DataFrame
    """
    df = df.copy()
    
    # 计算短期和长期SMA
    df['sma_short'] = df['close'].rolling(window=short_window).mean()
    df['sma_long'] = df['close'].rolling(window=long_window).mean()
    
    # 生成信号
    df['signal'] = 0
    # 金叉：短期上穿长期
    df.loc[(df['sma_short'] > df['sma_long']) & 
           (df['sma_short'].shift(1) <= df['sma_long'].shift(1)), 'signal'] = 1
    # 死叉：短期下穿长期
    df.loc[(df['sma_short'] < df['sma_long']) & 
           (df['sma_short'].shift(1) >= df['sma_long'].shift(1)), 'signal'] = -1
    
    return df

这里有个细节要注意：shift(1) 是用来比较当前值和前一个值的。如果不加这个，你可能会在均线持续处于交叉状态时反复触发信号。

4.2 基于RSI的超买超卖策略

接下来是RSI，相对强弱指标。这个指标用来衡量价格变动的速度和幅度。

RSI的取值范围是0到100。通常，RSI高于70被认为是超买，可能回调；RSI低于30被认为是超卖，可能反弹。

但说实话，我在项目中遇到过很多次，RSI到了80还在涨，到了20还在跌。为什么会这样？因为趋势行情里，RSI会长时间停留在极端区域。

代码实现如下：

def rsi_strategy(df, period=14, overbought=70, oversold=30):
    """
    RSI超买超卖策略
    """
    df = df.copy()
    
    # 计算价格变化
    delta = df['close'].diff()
    
    # 分别计算上涨和下跌的均值
    gain = delta.where(delta > 0, 0)
    loss = -delta.where(delta < 0, 0)
    
    avg_gain = gain.rolling(window=period).mean()
    avg_loss = loss.rolling(window=period).mean()
    
    # 计算RSI
    rs = avg_gain / avg_loss
    df['rsi'] = 100 - (100 / (1 + rs))
    
    # 生成信号
    df['signal'] = 0
    # 超卖反弹：RSI从下方上穿30
    df.loc[(df['rsi'] > oversold) & 
           (df['rsi'].shift(1) <= oversold), 'signal'] = 1
    # 超买回调：RSI从上方下穿70
    df.loc[(df['rsi'] < overbought) & 
           (df['rsi'].shift(1) >= overbought), 'signal'] = -1
    
    return df

嗯，这里要注意RSI的计算方式。很多新手直接用现成的库，但我觉得理解原理更重要。你看，RSI本质上就是衡量上涨力度和下跌力度的比值。

4.3 基于布林带的突破策略

最后一个是布林带。这个指标由三条线组成：中轨（通常是20日均线）、上轨和下轨（中轨加减两倍标准差）。

布林带的核心思想是：价格突破上轨时，可能继续上涨；跌破下轨时，可能继续下跌。但这里有个反直觉的地方——很多人以为突破上轨就该卖，其实不是。

来看代码：

def bollinger_breakout_strategy(df, window=20, num_std=2):
    """
    布林带突破策略
    """
    df = df.copy()
    
    # 计算中轨、标准差
    df['middle'] = df['close'].rolling(window=window).mean()
    df['std'] = df['close'].rolling(window=window).std()
    
    # 计算上下轨
    df['upper'] = df['middle'] + num_std * df['std']
    df['lower'] = df['middle'] - num_std * df['std']
    
    # 生成信号
    df['signal'] = 0
    # 向上突破：收盘价突破上轨
    df.loc[df['close'] > df['upper'], 'signal'] = 1
    # 向下突破：收盘价跌破下轨
    df.loc[df['close'] < df['lower'], 'signal'] = -1
    
    return df

三种策略对比

为了方便你理解，我把三种策略的核心特点整理成了表格：

策略	核心逻辑	适用行情	常见问题
SMA金叉死叉	短期均线上穿/下穿长期均线	趋势行情	震荡行情频繁假信号
RSI超买超卖	RSI进入极端区域后反转	震荡行情	趋势行情中逆势亏损
布林带突破	价格突破轨道后延续趋势	趋势行情	假突破较多

你看，没有哪个策略是万能的。每种策略都有自己的脾气，你得知道它在什么环境下好用，什么环境下会翻车。

小结

这一讲我们聊了三个最经典的单指标策略。说实话，这些策略单独使用效果有限，但它们是构建复杂策略的基石。你想想看，如果连金叉死叉都写不对，那后面多因子模型、机器学习模型就更别谈了。

下一讲，我们会把这些单指标组合起来，看看多指标共振策略怎么做。到时候你会发现，原来单指标的那些坑，组合起来反而能互相弥补。

好了，今天的课就到这里。代码部分建议你亲自跑一遍，看看不同参数下信号的变化。有什么问题，我们课程群里聊。