4、单策略开发：趋势跟踪策略设计、均值回归策略设计、突破策略设计、策略参数优化

好，咱们进入正题。单策略开发，说白了就是搭建交易系统的「积木」。你想想看，一个完整的策略组合，本质上就是把这些基础策略模块拼装起来。我个人习惯把策略分成三大类：趋势跟踪、均值回归、突破策略。今天咱们就把这三块讲透，顺带聊聊参数优化这个「磨人的小妖精」。

4.1 趋势跟踪策略设计

趋势跟踪，最经典的策略类型。它的核心逻辑就一句话：涨了买，跌了卖，跟着趋势走。我在项目中遇到过不少新手，总想抄底逃顶，结果被市场反复打脸。趋势跟踪的好处就是——不预测，只跟随。

4.1.1 双均线交叉策略

最简单的趋势跟踪，就是双均线交叉。短周期均线上穿长周期均线，做多；下穿，做空。嗯，这里要注意，均线周期怎么选？

参数	常见取值	特点
短周期	5、10、20	越短越敏感，噪音多
长周期	50、100、200	越长越平滑，滞后大

我建议你从(10, 50)开始试。为什么？因为10和50在日线级别上，刚好对应两周和两个半月的交易周期，逻辑上说得通。

# 双均线交叉策略骨架
class DualMAStrategy(bt.Strategy):
    params = (('short', 10), ('long', 50))

    def __init__(self):
        self.ma_short = bt.indicators.SMA(self.data.close, period=self.params.short)
        self.ma_long = bt.indicators.SMA(self.data.close, period=self.params.long)
        self.crossover = bt.indicators.CrossOver(self.ma_short, self.ma_long)

    def next(self):
        if self.crossover > 0:  # 金叉
            self.buy()
        elif self.crossover < 0:  # 死叉
            self.sell()

4.1.2 趋势强度过滤

光有交叉还不够。你想想看，如果两根均线反复缠绕，交叉信号会频繁出现，这就是「假突破」。我曾经吃过这个亏，一天交易十几次，手续费都亏麻了。

解决办法：加一个趋势强度过滤器。比如用ADX指标，ADX > 25才开仓。ADX低于20，说明市场在震荡，别碰。

4.2 均值回归策略设计

趋势跟踪的反面，就是均值回归。核心逻辑：价格偏离均值太远，就会拉回来。说白了，就是赌「物极必反」。

4.2.1 布林带策略

布林带是最常用的均值回归工具。中轨是均线，上下轨是均线±2倍标准差。价格碰到上轨做空，碰到下轨做多。

但这里有个坑：强势趋势中，价格会沿着上轨一直走。如果你在上轨做空，会被打爆。怎么办？

• 加一个趋势判断：如果ADX > 30，放弃均值回归，改用趋势策略
• 或者用「百分比布林带」：价格超出上轨2%才做空，留点缓冲

4.2.2 配对交易

配对交易是均值回归的进阶版。找两个相关性高的币种，比如BTC和ETH。当价差偏离均值时，做多弱的，做空强的，等价差回归。

嗯，这里要注意，配对交易需要做协整检验。不是所有看起来相关的币种都适合。我一般用Engle-Granger两步法检验，p值小于0.05才用。

4.3 突破策略设计

突破策略，说白了就是「等行情启动再上车」。它和趋势跟踪有点像，但更强调「关键价位」的突破。

4.3.1 唐奇安通道突破

经典的海龟交易法则用的就是唐奇安通道。取过去N天的最高价和最低价，形成通道。价格突破上轨做多，跌破下轨做空。

我个人习惯用20天通道。为什么？因为海龟交易法则原版就是20天。虽然老，但有效。

# 唐奇安通道突破
class DonchianBreakout(bt.Strategy):
    params = (('period', 20),)

    def __init__(self):
        self.high = bt.indicators.Highest(self.data.high, period=self.params.period)
        self.low = bt.indicators.Lowest(self.data.low, period=self.params.period)

    def next(self):
        if self.data.close[0] > self.high[-1]:  # 突破上轨
            self.buy()
        elif self.data.close[0] < self.low[-1]:  # 跌破下轨
            self.sell()

4.3.2 突破过滤技巧

突破策略最大的问题是「假突破」。价格刚突破就掉头，你追进去就被套。我建议你加两个过滤：

1. 成交量确认：突破时成交量放大，说明是真突破
2. 时间过滤：突破后等1根K线确认，不急着进场

4.4 策略参数优化

参数优化，是量化交易里最容易被误解的环节。很多人以为「找到最优参数就稳了」，其实不然。你想想看，参数优化本质上是「过拟合」——你是在历史数据上找最佳参数，但未来不一定重复。

4.4.1 优化方法

方法	说明	风险
网格搜索	遍历所有参数组合	计算量大，容易过拟合
随机搜索	随机采样参数空间	可能错过最优解
贝叶斯优化	基于概率模型搜索	实现复杂，但效果好

我个人习惯用随机搜索。为什么？因为网格搜索太死板，贝叶斯优化又太复杂。随机搜索在80%的情况下能接近最优解，而且快。

4.4.2 避免过拟合

这是参数优化的核心。我曾经见过一个策略，参数优化后夏普比率3.5，结果实盘直接亏成狗。为什么？过拟合了。

怎么避免？

• 样本外测试：把数据分成训练集和测试集，7:3比例
• 参数稳定性：最优参数附近的参数表现也应该好。如果参数稍微一变就亏钱，说明不稳定
• 多周期验证：在日线、4小时、1小时上都跑一遍，如果都有效，才是真有效

4.4.3 优化目标

别只看收益率。收益率可以靠加杠杆堆出来，但风险也会放大。我建议你关注这几个指标：

1. 夏普比率： 至少大于1.5
2. 最大回撤： 不超过20%
3. 胜率： 40%-60%之间，太高或太低都不好
4. 盈亏比： 至少2:1

嗯，这里要注意，不同策略的指标侧重点不同。趋势跟踪胜率低但盈亏比高，均值回归胜率高但盈亏比低。别拿一个标准去套所有策略。

4.5 本章知识体系

下面这张图，是我梳理的本章核心逻辑。你可以把它当作「策略开发地图」来用。

这张图把三大策略和参数优化串起来了。你写代码的时候，可以对照着看，缺了哪块补哪块。

---

好了，单策略开发就讲到这里。记住，策略没有绝对的好坏，关键是适合当前市场环境。趋势跟踪在牛市中吃大肉，均值回归在震荡市中稳如狗，突破策略在行情启动时赚快钱。你得多试试，找到自己的「本命策略」。