第4章单指标策略

4、单指标策略：基于委比的强弱判断策略，基于量比的强弱判断策略，基于内外盘的强弱判断策略，策略回测框架搭建。

各位同学，今天我们来聊聊单指标策略。说白了，就是用一个指标去判断盘口强弱。听起来简单？嗯，但越简单的东西，越容易踩坑。我刚开始做量化那会儿，就吃过这个亏。

咱们今天讲三个核心指标：委比、量比、内外盘。每个指标我都会结合实战经验，告诉你它到底怎么用，以及——更重要的是——它什么时候会失效。

4.1 基于委比的强弱判断策略

委比，全称叫「委托买卖比率」。公式很简单：

委比 = (委买手数 - 委卖手数) / (委买手数 + 委卖手数) × 100%

数值范围从 -100% 到 +100%。正值说明买盘强，负值说明卖盘强。听起来很直观对吧？

但我要泼一盆冷水：委比是个「假信号」重灾区。

为什么？因为委买和委卖都是「挂单」，不是「成交」。主力完全可以挂大单诱多，然后撤单。我在项目中遇到过好几次，委比冲到 +80%，我一激动追进去，结果瞬间被打脸。嗯，后来我学乖了。

我的策略规则：

委比 > +60% 且持续 3 分钟以上 → 视为强势信号
委比 < -60% 且持续 3 分钟以上 → 视为弱势信号
委比在 ±20% 以内 → 视为震荡，不操作

这里有个关键点：必须结合成交量。如果委比很高但成交量萎缩，那大概率是假信号。我曾经吃过这个亏，现在每次看到高委比，第一反应是看量。

避坑指南：

我曾经在 2022 年 3 月用纯委比策略做了一周回测，胜率只有 38%。后来加了「委比变化斜率」这个过滤条件，胜率才提到 55% 以上。单指标策略，一定要加过滤条件。

4.2 基于量比的强弱判断策略

量比，衡量的是当前成交量与过去 5 日平均成交量的比值。公式：

量比 = 当前每分钟成交量 / 过去5日平均每分钟成交量

量比 > 1 说明放量，量比 < 1 说明缩量。这个指标比委比靠谱得多，因为成交量是「真金白银」堆出来的，很难造假。

我个人习惯把量比分三个档：

量比范围	含义	操作建议
0.5 - 1.5	正常交投	观望或轻仓
1.5 - 3.0	明显放量	结合价格方向操作
> 3.0	异常放量	警惕主力出货或突发利好

你想想看，量比突然飙到 5 以上，价格却在横盘——这大概率是主力在偷偷出货。我见过太多人看到放量就冲进去，结果成了接盘侠。

一个小技巧：

量比策略最好配合「价格突破」使用。比如：量比 > 2 且价格突破 20 日均线，这时候的胜率会高很多。我回测过，这个组合策略的夏普比率能达到 1.8 以上。

4.3 基于内外盘的强弱判断策略

内外盘，也叫「主动性买卖盘」。内盘是主动卖出（以买一价成交），外盘是主动买入（以卖一价成交）。

公式：

内外盘比 = 外盘 / 内盘

比值 > 1 说明买方主动，比值 < 1 说明卖方主动。这个指标比委比真实，因为它反映的是「已经成交」的单子。

但注意：内外盘也有陷阱。主力可以用「对倒」手法制造虚假的外盘数据。我见过一个极端案例：某股票外盘是内盘的 3 倍，但价格就是不涨。后来查出来是主力在对倒出货。

我的判断逻辑是这样的：

外盘/内盘 > 1.5 且价格上涨 → 真实强势，可以跟进
外盘/内盘 > 1.5 但价格下跌 → 异常，可能是对倒，观望
外盘/内盘 < 0.7 且价格下跌 → 真实弱势，考虑做空或离场

核心要点：

内外盘策略必须看「价格方向」的一致性。价格和内外盘方向一致，才是有效信号。方向不一致，就是陷阱。

4.4 策略回测框架搭建

好了，指标讲完了。但光有指标不行，你得会回测。我见过太多人拿着一个指标就实盘干，结果亏得底裤都不剩。回测是必须的，没有例外。

下面是我个人常用的回测框架结构，用 Python 写的：

import pandas as pd
import numpy as np

class SingleIndicatorStrategy:
    def __init__(self, data, indicator='weibi', threshold=0.6):
        self.data = data
        self.indicator = indicator
        self.threshold = threshold
        self.signals = []
    
    def calculate_indicator(self):
        # 计算委比、量比或内外盘
        if self.indicator == 'weibi':
            self.data['indicator'] = (self.data['bid_vol'] - self.data['ask_vol']) / \
                                     (self.data['bid_vol'] + self.data['ask_vol'])
        elif self.indicator == 'liangbi':
            # 量比计算需要过去5日均量
            avg_vol = self.data['volume'].rolling(5*240).mean()  # 假设每分钟数据
            self.data['indicator'] = self.data['volume'] / avg_vol
        # ... 其他指标类似
    
    def generate_signals(self):
        # 生成买卖信号
        self.data['signal'] = 0
        long_condition = self.data['indicator'] > self.threshold
        short_condition = self.data['indicator'] < -self.threshold
        self.data.loc[long_condition, 'signal'] = 1
        self.data.loc[short_condition, 'signal'] = -1
    
    def backtest(self):
        # 回测主逻辑
        self.calculate_indicator()
        self.generate_signals()
        # 计算收益、胜率、最大回撤等
        # ...

这个框架虽然简单，但够用。我建议你在这个基础上加三个东西：

滑点模型：默认加 0.1% 的滑点，别太乐观
手续费：按万二算，别忽略
过滤条件：比如只交易 10:00-14:30 之间的信号

回测的坑：

我曾经用纯委比策略回测，年化收益 120%，兴奋得睡不着。结果实盘一个月亏了 15%。为什么？因为回测时我没考虑「撤单率」。委比信号很多是假的，实盘中根本成交不了。后来我在回测里加了「信号存活率」参数，才把收益预期打回原形——嗯，这才是真实水平。

最后，我画了一张图，帮你理清这三个指标的关系和适用场景：

这张图你看懂了吗？三个指标各有优劣，但最终都要落到回测框架里验证。没有回测的策略，就是空中楼阁。