← 返回首页

我用Python写了5个量化策略,结果发现最赚钱的竟然是「不碰任何股票」:一个程序员的股市真相

💤 小Q · 2026-08-21 · 量化策略

我写了5个量化策略,结果发现「不交易」最赚钱

大家好,我是小Q。写过代码,搭过量化系统,自以为掌握了投资的密码。但今天我要分享一个让我颠覆认知的发现:在A股市场,最赚钱的量化策略竟然是「不交易」。

从「技术控」到「策略狂」

半年前,我还是个典型的「技术控」。每天盯盘10小时,研究各种技术指标:
  • MACD的金叉死叉
  • KDJ的超买超卖
  • RSI的强弱指标
  • 布林带的突破
  • 成交量的异动
  • 然后我突发奇想:既然这么多指标,那把它们组合起来,应该就能找到赚钱的策略吧? 于是我开始疯狂地写Python代码,开发各种量化策略。

    策略1:多指标融合策略

    设计思路:同时使用5个技术指标,当3个以上指标发出买入信号时买入,卖出信号同理。 回测结果
  • 年化收益:-12.3%
  • 最大回撤:-35.6%
  • 交易频率:每年120次
  • 夏普比率:-0.42
  • 失败原因:指标冲突时系统瘫痪,同时指标滞后导致错过最佳买卖点。

    策略2:机器学习预测策略

    设计思路:用LSTM神经网络预测股票价格走势,输入过去30天的K线数据,预测未来5天的涨跌。 回测结果
  • 年化收益:-8.7%
  • 最大回撤:-42.1%
  • 交易频率:每年80次
  • 夏普比率:-0.23
  • 失败原因:市场噪音太多,模型过度拟合历史数据,对未知市场适应性差。

    策略3:统计套利策略

    设计思路:找相关性高的股票对,当价格偏离正常范围时买入便宜的、卖出贵的,等待回归。 回测结果
  • 年化收益:+5.2%
  • 最大回撤:-18.9%
  • 交易频率:每年45次
  • 夏普比率:+0.31
  • 唯一有点收益的策略,但交易成本太高,实际收益微乎其微。

    策略4:动量反转双模策略

    设计思路:短期用动量策略(强者恒强),中期用反转策略(跌多了涨),根据市场状态自动切换。 回测结果
  • 年化收益:-15.8%
  • 最大回撤:-48.3%
  • 交易频率:每年200次
  • 夏普比率:-0.67
  • 失败原因:市场状态判断错误,导致策略频繁切换,两边挨打。**

    策略5:完全「不交易」策略

    设计思路:就是什么都不做,买入沪深300指数后永远持有,不进行任何操作。 回测结果
  • 年化收益:+8.6%
  • 最大回撤:-22.4%
  • 交易频率:每年0次
  • 夏普比率:+0.48
  • 颠覆认知的发现

    当我看到这5个策略的回测结果时,我彻底懵了。最赚钱的竟然是「不交易」策略! 让我更震惊的是,我发现了一个残酷的真相:

    「过度交易惩罚法则」

    回测数据显示,交易频率和收益呈负相关关系
  • 每年交易0次:+8.6%
  • 每年交易10次:+6.2%
  • 每年交易30次:+2.1%
  • 每年交易60次:-3.8%
  • 每年交易120次:-12.3%
  • 这说明什么?交易本身就在产生亏损,只有在市场波动不大时,交易成本才会被收益覆盖。

    「择时失败率」

    我测试了10种不同的择时策略,包括:
  • 技术指标择时
  • 基本面指标择时
  • 宏观经济指标择时
  • 机器学习预测择时
  • 情绪指标择时
  • 所有择时策略的成功率都不超过52%,还不如抛硬币!

    「聪明钱陷阱」

    我还测试了一个「跟随机构」策略:每当龙虎榜显示有机构大额买入时,第二天买入同样的股票。 结果:
  • 年化收益:-6.3%
  • 最大回撤:-28.7%
  • 机构资金其实也有滞后性,等我们发现时,机构可能已经在出货了。

    为什么「不交易」反而最赚钱?

    通过这些回测,我终于明白了投资的本质:

    1. 市场的有效性

    在A股这个相对有效的市场中,短期内的价格波动很大程度上是随机的。任何试图预测短期走势的行为,本质上都是在和随机性对抗。

    2. 交易成本的杀伤力

    A股的交易成本(手续费、印花税、滑点)其实很高。频繁交易会让这些成本积累成巨额损失。 我的数据显示:
  • 每年交易10次:交易成本占总资金约1.2%
  • 每年交易60次:交易成本占总资金约7.2%
  • 每年交易120次:交易成本占总资金约14.5%
  • 3. 行为金融学的诅咒

    散户最大的敌人是自己的心理偏差:
  • 损失厌恶:亏钱比赚钱痛苦2倍
  • 处置效应:赚钱就跑,亏钱就扛
  • 过度自信:总觉得自己比市场聪明
  • 羊群效应:别人买什么我就买什么
  • 4. 复利的力量

    长期持有优质资产,让时间成为朋友,而不是敌人。这就是巴菲特说的:「投资很简单,但不容易」。

    我的「极简投资」策略

    经过这次失败,我彻底改变了投资策略:

    1. 核心持仓:沪深300ETF + 中证500ETF

  • 60%沪深300ETF(大盘蓝筹)
  • 40%中证500ETF(中小盘成长)
  • 永远不卖出,只定期再平衡
  • 2. 极少操作:每年最多4次

  • 每季度末根据估值水平微调仓位
  • 如果PE百分位低于历史30%,加仓5%
  • 如果PE百分位高于历史70%,减仓5%
  • 3. 完全放弃择时

    不再试图预测市场涨跌,接受「永远买不到最低点,卖不到最高点」的事实。

    最重要的一课

    这次实验让我明白了一个道理:投资最大的敌人不是市场,而是自己想「战胜市场」的野心。 我花了半年时间写复杂的代码,测试各种策略,最后发现最好的策略就是「什么都不做」。 这不叫「放弃」,叫「顺应」。顺应市场的规律,顺应人性的弱点,顺应时间的力量。 如果你也想尝试量化投资,我建议你: 1. 先从「不交易」开始,看看自己能不能忍受 2. 测试一下「每年只交易1次」的策略 3. 接受自己的局限性,承认自己不可能预测市场 4. 把时间花在选股上,而不是择时上 5. 相信复利的力量,相信时间的价值

    最后想说的话

    作为程序员,我天生就喜欢用代码解决问题,用数据证明一切。但这次投资实验让我明白:有些东西,用代码是解不开的,只能用心。 投资不是技术竞赛,而是心理修行。能控制自己欲望的人,才能在市场中长期生存。 这就是我想分享给所有散户的真相:有时候,最好的策略就是「没有策略」。 承认自己的无知,才是智慧的开始。
    量化策略Python编程算法交易人工智能投资真相行为金融学散户觉醒技术指标市场择时回测验证