技术 / 系统化难度：新手 #趋势#技术#系统化#均线

趋势跟踪（双均线 / 海龟）

通俗理解

不预测顶底，只跟随已经形成的趋势：价格上穿长期均线视为转强买入，下穿则转弱卖出。就像顺着水流走，不逆水行舟。

✅ 优点

能捕捉大级别趋势行情
规则明确、纪律性强
与主观情绪隔离
可程序化、易回测

⚠️ 缺点 / 风险

震荡市频繁假突破
信号滞后、回撤较大
必须配合严格止损
参数（周期）敏感

📐 标的选取方法

如何从全部可交易品种中筛出适合本策略的标的：资产范围、流动性门槛、过滤规则与容量约束。

可选范围：流动性最好的期货主力合约（螺纹、豆粕、原油、沪金、IF/IC 股指等）与宽基/商品 ETF（沪深300、中证500、纳指、黄金、原油），跨度 3–5 个板块、合计 20–60 个标的，避免单一板块过度集中。
流动性门槛：20 日平均成交额 ≥ 1 亿元（股票/ETF）；期货要求日均成交额居全市场前 80% 且持仓量 ≥ 5 万手。
价差要求：买卖价差 ≤ 2 个最小变动价位（tick），否则趋势利润会被滑点吃掉。
连续性要求：剔除上市不足 250 个交易日的新品种；期货使用后复权连续合约并规范换月规则，股票使用后复权价格。
波动过滤：ATR/价格 ≥ 0.5% 才具备交易价值，波动过低无法覆盖手续费与滑点。
剔除规则：剔除长期停牌、ST/*ST、临近退市整理、以及长期横盘（ADX < 20）的标的。
容量约束：单一品种持仓不超过其日均成交额的 1%；换手频繁的品种需按滑点模型下调仓位。
常见坑：只用「当前仍存续」的品种回测会产生幸存者偏差，必须把已退市、已摘牌、已停止交易的标的纳入历史股票池。

参考代码 python

import pandas as pd

def dual_ma_signal(close: pd.Series, fast=5, slow=20):
    ma_f = close.rolling(fast).mean()
    ma_s = close.rolling(slow).mean()
    # 金叉=1 死叉=-1 否则 0
    signal = (ma_f > ma_s).astype(int) - (ma_f < ma_s).astype(int)
    signal = signal.diff().clip(-1, 1).fillna(0)
    return signal

# 使用示例
# sig = dual_ma_signal(df['close'])
# position = sig.cumsum().clip(-1, 1)  # 多空仓位

示例为最小可运行片段，用于理解思路；实盘需补充数据、手续费、风控与回测框架。

参考文献 / 延伸

Wilder, J. (1978). New Concepts in Technical Trading Systems.
Turtle Trading Rules, Richard Dennis & William Eckhardt.

🌦️ 适用市场环境

单边趋势明确、波动率持续放大、鲜有频繁反转的市场（强牛/强熊、商品周期、宏观驱动行情）。

⚔️ 策略博弈关系

克制的策略

均值回归（布林带 / Z-Score）

被克制的可能性

在横盘震荡、假突破频繁的市场中被均值回归与做市策略克制；参数或止损不当易被来回洗损。

🌍 全球宏观与政治扰动影响分析

趋势跟踪是典型的右侧跟随者：宏观越是形成持续、单向的定价力量，它越舒服；而政策急转与事件跳空会制造大量假突破，是其最大的成本来源。

📈 全球宏观因子扰动

受益 全球加息 / 利差扩大
利差驱动汇率与商品形成长周期单边行情，趋势信号清晰、持仓周期长。
受益 通胀上行 / 商品超级周期
能源、金属、农产品走出持续单边趋势，是 CTA 最经典的盈利窗口。
受益 全球衰退 / 需求塌陷
衰退期风险资产单边下跌，做空腿可提供显著收益（股债商品同步下行）。
受损 央行干预 / 政策急转（QE、YCC、口头干预）
趋势被人为打断，反复假突破造成连续洗损（whipsaw），是趋势系统最大回撤来源。
双向 波动率骤升 / 流动性收缩
波动放大既放大利润也放大回撤，取决于止损纪律与仓位管理是否稳健。

🏛️ 政治与地缘事件扰动

受益 地缘冲突 / 战争
能源、粮食、黄金、美元等形成强单边趋势，趋势系统顺势获利。
受益 贸易战 / 关税升级
汇率与商品价格趋势化，关税链重塑带来方向性行情。
双向 大选 / 政党轮替
政策预期切换带来短期跳空与反转，方向不明、假突破增多。
受损 市场干预（熔断、涨跌停、禁止卖空）
趋势中断且无法执行，持仓被动暴露于隔夜跳空风险。
受损 多国央行联合干预汇率
人为逆转趋势方向，趋势系统连续止损出局。

适应 / 崩坏边界：适应：宏观驱动、方向明确且持续时间长的行情（商品超级周期、加息周期、衰退单边下跌）。崩坏：央行频繁干预、政策急转、横盘震荡导致的反复假突破。

💡 讨论引导（点击可一键提问）

不知从何说起？挑一个问题直接发问，帮助社区冷启动。

🧩 策略实现代码区 1 个实现

同一策略派系下，社区成员各自分享自己的代码实现；社区投票 + 官方评选，最优秀的实现会被选为「代表实现」置顶展示。

登录后提交实现

★ 代表实现双均线趋势跟踪 · 生产级参考实现（含回测引擎/成本/风控/测试） python

👤 admin ⭐ 0 票 👁 16 📄 MIT 🏷 v1.0.0 ⛓ main

【这是什么】双均线趋势跟踪的**生产级参考实现**（完整项目含数据层、回测引擎、绩效指标、报告、CLI 与 24 个单元测试）。本页展示核心可读节选：配置校验 → 指标 → 无前视信号 → 事件驱动引擎（含成本/风控）。【工程上做对的关键点】 1. 严格无前视：t 日收盘产生信号，t+1 日**开盘**成交；并有专门的回归测试守住这条契约。 2. 真实成本：佣金（含最低 5 元）+ 卖出印花税 + 滑点，逐笔计提。 3. 真实成交假设：整手 100 股、现金约束（永不透支）、跳空低开按开盘价止损。 4. 风控：ATR 移动止损 + 止损后等信号归零再入场 + 波动率目标仓位。 5. 换手控制：再平衡阈值（rebalance band）——加入后交易从 133 笔降到 31 笔，手续费降 17%，收益不变。【真实数据实测（沪深300ETF sh510300，2016-06-29 ~ 2026-10-16，2500 根）】累计 +8.18% ｜年化 +0.80% ｜年化波动 6.48% ｜最大回撤 -20.65% 夏普 0.15 ｜卡玛 0.04 ｜ 31 笔交易｜胜率 48.4% ｜盈亏比 1.21 ｜平均仓位 17.7% 诚实结论：**扣费后基本不赚钱**。但用仅 17.7% 的平均仓位换来正收益，风险调整后并不差。参数扫描显示夏普在 -0.33 ~ 0.50 之间跳——提醒：能挑出好参数不等于策略有效。【参考项目与出处（仅借鉴设计思路，本实现为独立编写，未复制任何源码）】 - backtrader https://github.com/mementum/backtrader （事件驱动分层/撮合与成本建模） - zipline-reloaded https://github.com/stefan-jansen/zipline-reloaded （next-bar 执行、禁用未来函数） - vectorbt https://github.com/polakowo/vectorbt （向量化信号 + 事件撮合的取舍） - bt https://github.com/pmorissette/bt （回测编排抽象） - pyalgotrade https://github.com/gbeced/pyalgotrade （海龟/ATR 头寸与止损） - ta-lib-python https://github.com/TA-Lib/ta-lib-python （ATR / Wilder 平滑口径） - empyrical https://github.com/quantopian/empyrical （夏普/索提诺/回撤口径） - ffn https://github.com/pmorissette/ffn （绩效汇总口径） - pyfolio https://github.com/quantopian/pyfolio （报告产物组织） - vn.py https://github.com/vnpy/vnpy （国内实盘框架的工程组织） - qlib https://github.com/microsoft/qlib （研究工作流化）理论：海龟交易法则（ATR/Unit 头寸法）；Moreira & Muir (2017) "Volatility-Managed Portfolios"。注：以上项目各有不同开源许可，若需复制其源码请先核对许可条款。【免责声明】教学与工程示范用途，不构成投资建议；历史回测不代表未来收益。

查看代码

💬 讨论区

还没有评论，来做第一个吧。