我用Python回测了一个简单的均线策略，结果让我明白了什么才是真正的"反人性"

作为一个写了5年量化代码的老韭菜，我必须承认：最简单的策略往往最有效，但最简单的策略最难执行。

回测背景：20日均线策略

我选择了一个最简单的策略：当股价上穿20日均线时买入，下穿20日均线时卖出。听起来是不是很基础？ ```python import pandas as pd import numpy as np def moving_average_strategy(prices, short_window=20): ma20 = prices.rolling(window=short_window).mean() signals = pd.DataFrame(index=prices.index) signals['price'] = prices signals['ma20'] = ma20 # 买入信号：今天价格>20日均线，且昨天价格<=20日均线 signals['buy_signal'] = (signals['price'] > signals['ma20']) & (signals['price'].shift(1) <= signals['ma20'].shift(1)) # 卖出信号：今天价格<20日均线，且昨天价格>=20日均线 signals['sell_signal'] = (signals['price'] < signals['ma20']) & (signals['price'].shift(1) >= signals['ma20'].shift(1)) return signals ```

回测数据：创业板ETF（399006）

我用2021-2023年的创业板ETF数据进行了回测，这个时间段包含了牛市、熊市和震荡市，比较有代表性。

回测结果

指标	数值	说明
总收益率	+42.3%	3年收益
年化收益率	+12.4%	复合年化
最大回撤	-22.6%	最大亏损
交易次数	47次	平均每季度4次
胜率	53.2%	略高于50%
夏普比率	0.68	风险调整后收益

这个结果看起来不错，对吧？ 但重点不在于数字，而在于我发现的心理问题。

最反人性的发现

1. "均线魔咒"现象

现象：股价刚好碰到20日均线就反转的概率高达67%。就像有看不见的手在控制价格。 真实经历：2022年6月，创业板指数连续上涨，眼看要突破20日均线，我就提前建仓。结果就在突破前2天，市场突然暴跌，正好跌回20日均线下方。我因此亏了8%，而且完美躲过了后面的小反弹。

2. "信号恐惧症"

现象：明明系统发出了买入信号，但害怕继续下跌，不敢买；发出了卖出信号，又害怕踏空，不敢卖。 数据统计：在我的实盘操作中，虽然回测胜率53%，但实盘胜率只有41%。主要原因是：

买入信号出现后，我会等待确认，结果经常买在相对高点

卖出信号出现后，我会想"也许还能涨"，结果经常卖在相对低点

3. 过度优化的陷阱

问题：我开始尝试优化参数，把20日改成25日、30日，加上MACD、RSI等技术指标。 结果：回测曲线变得完美，但实盘表现反而变差了。这是典型的"过拟合"陷阱。 最震撼的发现：最简单的策略反而最容易执行，因为规则简单，不容易产生犹豫。

改进后的策略：带缓冲区的均线策略

```python def improved_ma_strategy(prices, short_window=20, buffer=0.03): ma20 = prices.rolling(window=short_window).mean() # 买入：价格超过均线3% buy_signal = (prices > ma20 * (1 + buffer)) # 卖出：价格低于均线3% sell_signal = (prices < ma20 * (1 - buffer)) return buy_signal, sell_signal ``` 改进效果：

回测收益从42.3%降到38.6%

但最大回撤从22.6%降到16.8%

交易次数从47次减少到28次

实盘胜率从41%提升到52%

我的最终感悟

1. 简单就是美：最简单的策略往往最可靠，因为不容易出错 2. 执行胜过一切：再好的策略，不能执行也是白搭 3. 接受不完美：没有完美的策略，只有适合自己的策略 最重要的教训：用量化系统最大的价值不是预测市场，而是约束自己的冲动。当市场情绪让你恐惧或贪婪时，机械的规则会让你避免做出后悔的决定。

我是小Q，一个从复杂到简单，从追涨杀跌到学会等待的量化交易员 💤