第 05 课：经典策略范式

量化不是发明新策略，而是在正确的市场用正确的策略。

两种交易者的命运

2020 年 3 月，新冠疫情引发全球股市暴跌。

交易者 A 使用趋势跟随策略。在下跌初期，他的策略及时做空，一个月盈利 40%。随后市场触底反弹，他又顺势做多，年底账户翻了三倍。

交易者 B 使用均值回归策略。看到大跌后，他认为"跌多了必然反弹"，不断抄底。结果越抄越跌，在最低点前一天爆仓离场。

同一个市场，两种策略，截然不同的结局。

2021 年，情况反过来了。

市场进入震荡期，交易者 A 的趋势策略开始反复被打脸：追涨杀跌，每次都买在高点、卖在低点。他亏掉了 2020 年的一半利润。

而交易者 B（换了新资金）的均值回归策略开始发威：高抛低吸，稳定盈利。年底账户增长 60%。

教训是什么？

1. 没有一种策略能适应所有市场
2. 趋势市场需要趋势策略，震荡市场需要均值回归策略
3. 识别市场状态比选择策略更重要

这就是为什么我们需要多智能体系统——让不同的专家策略负责不同的市场状态。

5.1 趋势跟随

核心思想

"趋势是你的朋友，直到它不再是。"

趋势跟随的哲学：市场有惯性，涨的容易继续涨，跌的容易继续跌。

双均线策略

最经典的趋势跟随策略：

规则：
- 金叉买入：短期均线上穿长期均线（如 MA5 > MA20）
- 死叉卖出：短期均线下穿长期均线（如 MA5 < MA20）

直观理解：

• 短期均线代表"当前情绪"
• 长期均线代表"长期趋势"
• 短期超过长期 = 趋势可能向上转变

实际表现：

优化方向：

• 加入趋势过滤器（ADX > 25 才开仓）
• 加入成交量确认（放量时信号更可靠）
• 多周期验证（日线金叉 + 周线趋势向上）

日内趋势交易

适合全职交易者的策略：

规则：
1. 开盘后 30 分钟，观察价格方向
2. 如果突破开盘价 0.5%，顺势开仓
3. 止损设在开盘价另一侧 0.5%
4. 收盘前平仓，不留隔夜风险

趋势跟随的风险特征

关键洞察：

• 趋势策略在震荡期会连续小亏
• 需要心理准备承受 10-20 次连续止损
• 靠少数几次大趋势赚回所有亏损并盈利

5.2 均值回归

核心思想

"涨多了会跌，跌多了会涨。"

均值回归的哲学：价格终将回归到某个"正常"水平。

网格交易策略

在预设的价格区间内，等距设置买卖点：

规则：

• 价格下跌到 95 → 买入 1 份
• 价格下跌到 90 → 再买 1 份
• 价格上涨到 105 → 卖出 1 份
• 价格上涨到 110 → 再卖 1 份

网格交易的真相：

重要警告：网格交易最怕单边下跌，务必设置整体止损。

配对交易 (Pairs Trading)

找到两个高度相关的资产，当它们价差偏离正常范围时交易：

示例：SPY vs IVV（两只追踪 S&P 500 的 ETF）

计算标准化价差（而非原始价格比）：
  标准化价差 = (SPY收益率 - IVV收益率) 的 Z-score

当 Z-score > 2：SPY 相对高估
当 Z-score < -2：SPY 相对低估

操作（假设 Z-score = 2.5）：
- 做空 $10,000 SPY
- 做多 $10,000 IVV（等金额对冲）
- 等待 Z-score 回归到 0 附近平仓

注意：SPY 和 IVV 的绝对价格不同（SPY~$600，IVV~$550），不能直接比较价格比。配对交易应使用标准化价差或等金额对冲。

注意：经典的 KO vs PEP 配对在现代市场中协整性已减弱。追踪同一指数的 ETF（如 SPY/IVV、QQQ/QQQM）是更稳健的配对选择。

为什么有效？

• 两只 ETF 追踪完全相同的指数
• 价差偏离是因为市场微观结构差异（流动性、交易时间）
• 偏离通常很快回归

关键概念：协整 (Cointegration)

相关不代表协整。协整才是配对交易的基础。

均值回归的风险特征

关键洞察：

• 均值回归在震荡期非常稳定
• 但一次趋势突破可能亏掉数月利润
• 必须严格止损，不能"死扛"

5.3 多策略组合

为什么要组合？

策略相关性

组合的关键是低相关性：

资本分配方法

方法 1：等权分配

策略 A: 33%
策略 B: 33%
策略 C: 34%

简单，但没有考虑策略风险差异。

方法 2：风险平价 (Risk Parity)

按波动率的倒数分配：
策略 A 波动率 20% → 权重 ∝ 1/0.20 = 5
策略 B 波动率 10% → 权重 ∝ 1/0.10 = 10
策略 C 波动率 40% → 权重 ∝ 1/0.40 = 2.5

标准化后：
策略 A: 5/17.5 ≈ 29%
策略 B: 10/17.5 ≈ 57%
策略 C: 2.5/17.5 ≈ 14%

让每个策略对组合的风险贡献相等。

方法 3：动态调整

• 趋势市场 → 增加趋势策略权重
• 震荡市场 → 增加均值回归策略权重
• 这需要准确的 Regime Detection（第 11 课详解）

5.4 高风险策略警示

马丁格尔策略（慎用）

逻辑：
第 1 次下注 $100，输
第 2 次下注 $200，输
第 3 次下注 $400，输
第 4 次下注 $800，赢！

赢了 $800，之前亏了 $700，净赚 $100

看起来很美，实际很危险：

10 次连亏需要 10 万美金，而收益只是最初的 $100。

为什么会连亏 10 次？

• 50% 胜率下，连亏 10 次的概率 = 0.5^10 ≈ 0.1%
• 看起来很小，但交易 1000 次就会遇到一次
• 一次就足以爆仓

如果一定要用：

• 设置最大加仓次数（如最多加仓 3 次）
• 设置单日最大亏损（如 10%）
• 理解这本质上是"用爆仓风险换高胜率"

5.5 期权策略简介（进阶）

期权是高级工具，风险也高。本节仅作入门介绍，实操前请深入学习希腊值。

期权基础概念

牛市价差策略 (Bull Call Spread)

操作：

1. 买入低行权价的认购期权（如 100 元 Call）
2. 卖出高行权价的认购期权（如 110 元 Call）

盈亏图：
盈利 │        ____
     │       /
  0  │──────●
     │     /│
亏损 │____/ │
     └──────┴────── 股价
        100  110

末日期权策略（高风险）

在期权到期前 1-3 天，押注波动率爆发：

原理：

• 临近到期，期权时间价值快速衰减
• 但如果有大事件（财报、Fed 会议），波动率可能暴涨
• Gamma 值极高，小幅价格变动会带来巨大收益（或亏损）

Gamma Scalping（专业）

原理：持有期权头寸，通过反复买卖标的资产对冲 Delta。

简化示意：
1. 持有 Call 期权（做多 Gamma）
2. 价格上涨 → Delta 变大 → 卖出股票对冲
3. 价格下跌 → Delta 变小 → 买入股票对冲
4. 反复操作，赚取波动差价

盈利条件：实际波动率 > 隐含波动率

5.6 策略选择框架

如何选择策略？（可证伪的规则）

模糊的"看趋势"没有意义，需要可量化、可验证的规则：

可证伪的策略选择规则：

如果以下条件满足 → 使用趋势跟随：
  1. ADX(14) > 25 连续 5 天
  2. 价格在 20 日均线同侧连续 10 天
  3. 近 20 日收益率显著不为 0（t 检验 p < 0.05）

如果以下条件满足 → 使用均值回归：
  1. ADX(14) < 20 连续 5 天
  2. 价格在布林带（20日，2σ）内震荡
  3. 近 20 日收益率接近 0（t 检验 p > 0.2）

如果以上条件均不满足 → 降低仓位至 50%，等待信号明确

Regime 切换的过渡期处理

最危险的时刻不是趋势或震荡，而是切换期。

切换期的保守规则：

1. 确认滞后：Regime 变化确认需要 3-5 天，不要追第一天的信号
2. 减仓优先：在不确定期，先减仓再换策略，而非直接全仓切换
3. 亏损容忍：预留 5-10% 的"切换成本"，接受这部分亏损

回测时必须检验：

• 切换期的亏损占总亏损的比例（如果 > 50%，说明切换逻辑有问题）
• 切换延迟天数（如果 > 5 天，考虑更灵敏的指标）
• 误切换次数（如果太频繁，考虑增加确认条件）

策略对比总结

常见误区

误区一：高胜率策略更好

不一定。胜率 40% 但盈亏比 3:1 的策略，期望收益远高于胜率 70% 盈亏比 0.5:1 的策略。关键是 期望收益 = 胜率 × 盈利 - 败率 × 亏损。

误区二：回测表现好的参数就是最优参数

危险假设。最优参数往往是"过拟合"的结果。参数 ±20% 变化后收益剧变，说明这套参数只是恰好在历史数据上表现好。

误区三：趋势策略在震荡市"调整参数"就能盈利

不能。趋势策略的逻辑是"趋势存在"，震荡市没有趋势，再怎么调参数也无法盈利。正确做法是切换到均值回归策略。

误区四：网格交易是"稳赚"策略

极其危险。网格交易在震荡市确实稳定盈利，但遇到单边下跌会越跌越买，资金被套死。必须设置整体止损。

误区五：经典策略永远有效

当太多人使用同一策略时，策略会失效——这就是策略同质化（Strategy Crowding）风险。2024 年初，中国头部量化基金因小盘股因子拥挤集体亏损 8-13%，揭示了策略趋同的系统性风险。任何策略在被广泛采用后，超额收益都会衰减。详见第 18 课的策略拥挤案例分析。

多智能体视角

在多智能体系统中：

💻 代码实现（可选）

双均线策略回测框架

import pandas as pd
import numpy as np

def dual_ma_strategy(df, short_window=5, long_window=20):
    """
    双均线策略
    返回持仓信号：1=多头，-1=空头，0=空仓
    """
    df = df.copy()
    df['MA_Short'] = df['close'].rolling(short_window).mean()
    df['MA_Long'] = df['close'].rolling(long_window).mean()

    # 生成信号
    df['signal'] = 0
    df.loc[df['MA_Short'] > df['MA_Long'], 'signal'] = 1   # 金叉做多
    df.loc[df['MA_Short'] < df['MA_Long'], 'signal'] = -1  # 死叉做空

    return df['signal']


def grid_trading_signal(price, grid_center, grid_step, num_grids):
    """
    网格交易信号
    返回建议仓位变化
    """
    position_change = 0
    for i in range(1, num_grids + 1):
        buy_level = grid_center * (1 - grid_step * i)
        sell_level = grid_center * (1 + grid_step * i)

        if price <= buy_level:
            position_change = i  # 越跌买越多
        elif price >= sell_level:
            position_change = -i  # 越涨卖越多

    return position_change


def calculate_strategy_metrics(returns):
    """计算策略评价指标"""
    total_return = (1 + returns).prod() - 1
    annual_return = (1 + total_return) ** (252 / len(returns)) - 1
    volatility = returns.std() * np.sqrt(252)
    sharpe = annual_return / volatility if volatility > 0 else 0

    # 正确的最大回撤计算（基于权益曲线，非收益累加）
    equity = (1 + returns).cumprod()
    running_max = equity.cummax()
    drawdown = (equity - running_max) / running_max
    max_drawdown = drawdown.min()

    return {
        'total_return': f'{total_return:.2%}',
        'annual_return': f'{annual_return:.2%}',
        'volatility': f'{volatility:.2%}',
        'sharpe_ratio': f'{sharpe:.2f}',
        'max_drawdown': f'{max_drawdown:.2%}'
    }

本课交付物

完成本课后，你将获得：

1. 对两大策略范式的理解 - 趋势跟随 vs 均值回归的本质差异
2. 经典策略的实现思路 - 双均线、网格交易、配对交易
3. 策略组合的框架 - 理解如何通过低相关性策略分散风险
4. 对高风险策略的警惕 - 马丁格尔、末日期权的陷阱

✅ 验收标准

📝 场景练习：

1. 场景 A：SPY 过去 2 周 ADX 从 15 升到 28，价格突破 20 日均线

   • 问：应该选择什么策略？为什么？

2. 场景 B：你的网格策略在过去 3 个月稳定盈利 15%，突然 SPY 连跌 5 天 12%

   • 问：应该如何调整？继续加仓还是止损？

3. 场景 C：马丁格尔策略连亏 6 次后终于赢了

   • 问：这 7 次交易的总盈利是多少？总共投入了多少资金？

本课要点回顾

• 理解趋势跟随策略的特点：低胜率、高盈亏比、怕震荡
• 理解均值回归策略的特点：高胜率、低盈亏比、怕趋势突破
• 掌握网格交易和配对交易的基本原理
• 认识马丁格尔策略的致命风险
• 理解多策略组合的价值和方法

延伸阅读

• 背景知识：高频交易与市场微结构 - 更复杂的策略类型
• 背景知识：加密货币交易特点 - 7×24 市场的策略调整

下一课预告

第 06 课：数据工程的残酷现实

策略再好，数据有问题就是白搭。API 限流、数据缺失、时间对齐、幸存者偏差……这些问题杀死的策略比模型问题多得多。下一课直面数据的残酷现实。