量化分析入门

这一模块只讲「用历史数据验证一个简单规则」。课堂策略不是投资建议，也不能当作实盘系统。

要会什么

把均线交叉写成持仓信号
由持仓得到策略收益
计算波动率、最大回撤、夏普比率
说清策略的局限：过拟合、交易成本、未来函数

均线交叉（教学例子）

短均线上穿长均线视为持有，否则空仓：

import pandas as pd

df = pd.read_csv("data/prices.csv", parse_dates=["date"])
df = df.sort_values("date")
df["ret"] = df["close"].pct_change()
df["ma5"] = df["close"].rolling(5).mean()
df["ma20"] = df["close"].rolling(20).mean()
df["position"] = (df["ma5"] > df["ma20"]).astype(int)
df["strategy_ret"] = df["position"].shift(1) * df["ret"]

shift(1) 很重要：今天的信号，最早明天才能成交。不移位就是在用「当天收盘后才知道的信息」去吃当天的涨跌，这叫未来函数。

净值曲线

df["equity"] = (1 + df["strategy_ret"].fillna(0)).cumprod()
print(df[["date", "position", "strategy_ret", "equity"]].tail())

从 1 开始，看策略资金曲线怎么走。

风险指标

def max_drawdown(equity):
    peak = equity.cummax()
    dd = equity / peak - 1
    return dd.min()


rets = df["strategy_ret"].dropna()
vol = rets.std(ddof=1)
sharpe = rets.mean() / vol * (252 ** 0.5)
print("vol =", vol)
print("max_drawdown =", max_drawdown(df["equity"]))
print("sharpe =", sharpe)

波动率：收益波动有多大
最大回撤：从高点掉下来最深有多深
夏普比率：这里用了年化近似 sqrt(252)，作业里必须写明假设

没有无风险利率、没有交易成本时，这些数字只能当练习。

必须写进报告的局限

没扣佣金、印花税、滑点
样本外没有验证
只测了一只标的、一段时间
均线参数是事后看到的

老师评分看你是否把这些问题写清楚，不看曲线好不好看。

课堂练习

比较「一直持有」和「均线策略」的期末净值。
把 5/20 改成 10/30，观察结果变化。
在报告里用三句话解释最大回撤。