Task5 策略回测学习笔记

1. 核心概念

1.1 什么是回测？

回测就是用历史数据，假装自己过去真的按照一套交易规则执行了一遍。

它的作用不是预测未来，而是帮助我们检查：

• 这个策略过去有没有赚钱；
• 赚钱过程是否稳定；
• 中间最大亏损有多深；
• 策略是否跑赢简单的买入持有或大盘基准。

我对这句话印象最深：

回测是体检，不是算命。

也就是说，回测结果好不代表未来一定赚钱，只能说明这个策略在历史样本里表现如何。

2. 买入持有和双均线策略

2.1 买入持有是什么？

买入持有就是一开始买入，然后中间不操作，一直拿到最后。

例如：

第一天买入 NVDA 中间不管涨跌都不卖 最后一天看总收益

买入持有通常用来当作基准。如果一个策略频繁买卖，但最后还不如一直拿着，那么这个策略就需要重新评估。

2.2 双均线策略是什么？

双均线策略是用两条移动平均线判断趋势。

本次代码中使用的是：

MA5=最近5天平均收盘价 MA20=最近20天平均收盘价

交易规则是：

MA5 > MA20：短期趋势强于长期趋势，明天持仓 MA5 <= MA20：短期趋势弱于长期趋势，明天空仓

代码里最关键的一句是：

df['position']=df['signal'].shift(1).fillna(0).astype(int)

这里使用shift(1)是为了避免“偷看未来”。因为今天的均线信号要等今天收盘后才能知道，所以只能从下一个交易日开始执行。

3. 关键代码理解

3.1 计算每日收益率

df['ret']=df['Close'].pct_change().fillna(0)

这行代码计算股票每天的涨跌幅。

3.2 计算策略收益

df['strategy_ret']=df['position']*df['ret']

含义是：

• position = 1时，策略持仓，吃到当天涨跌；
• position = 0时，策略空仓，当天收益为 0。

3.3 计算累计净值

df['nav_strategy']=(1+df['strategy_ret']).cumprod()

cumprod()的作用是把每天的收益连续乘起来，得到从 1 元钱开始的账户净值变化。

4. 最大回撤

最大回撤表示账户净值从历史最高点到后面最低点之间，最大跌了多少。

计算逻辑是：

peak=nav_series.cummax()drawdown=nav_series/peak-1

最大回撤不是看最后赚没赚钱，而是看过程中最痛苦的时候亏了多少。

所以一个策略即使最后赚钱，如果中间最大回撤太大，也可能很难坚持执行。

5. 本次作业

挑战 1：把TICKER改成NVDA，截一张策略 vs 大盘净值图，写一句话：跑赢还是跑输？

# ========== 第四章通关作业：策略回测 ==========importsysimportwarningsfrompathlibimportPathimportmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdimportyfinanceasyf warnings.filterwarnings('ignore')ifhasattr(sys.stdout,'reconfigure'):sys.stdout.reconfigure(encoding='utf-8')ifhasattr(sys.stderr,'reconfigure'):sys.stderr.reconfigure(encoding='utf-8')plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=FalseTICKER='NVDA'BENCHMARK='SPY'OUTPUT_DIR=Path(__file__).resolve().parentdefmax_drawdown(nav_series):"""返回最大回撤比例。"""peak=nav_series.cummax()drawdown=nav_series/peak-1returndrawdown.min(),drawdowndefrun_backtest(period):"""运行双均线策略回测，并返回带净值和回撤的数据。"""raw=yf.download(TICKER,period=period,progress=False,multi_level_index=False)ifraw.empty:raiseRuntimeError(f'{TICKER}在{period}周期没有下载到数据')df=raw[['Close']].dropna().copy()df.columns=['Close']df['MA5']=df['Close'].rolling(5).mean()df['MA20']=df['Close'].rolling(20).mean()df['signal']=(df['MA5']>df['MA20']).astype(int)df['position']=df['signal'].shift(1).fillna(0).astype(int)df['ret']=df['Close'].pct_change().fillna(0)df['strategy_ret']=df['position']*df['ret']df['buyhold_ret']=df['ret']spy=yf.download(BENCHMARK,period=period,progress=False,multi_level_index=False)[['Close']]ifspy.empty:raiseRuntimeError(f'{BENCHMARK}在{period}周期没有下载到数据')spy.columns=['SPY_Close']df=df.join(spy,how='inner')df['market_ret']=df['SPY_Close'].pct_change().fillna(0)df['nav_strategy']=(1+df['strategy_ret']).cumprod()df['nav_buyhold']=(1+df['buyhold_ret']).cumprod()df['nav_market']=(1+df['market_ret']).cumprod()df['mdd_strategy'],df['drawdown_strategy']=max_drawdown(df['nav_strategy'])df['mdd_buyhold'],df['drawdown_buyhold']=max_drawdown(df['nav_buyhold'])returndfdefsave_nav_chart(df,period):"""保存策略 vs 标的 vs 大盘净值图。"""fig,ax=plt.subplots(figsize=(14,6))ax.plot(df.index,df['nav_strategy'],linewidth=2.2,color='tab:purple',label=f'双均线策略 ({TICKER})')ax.plot(df.index,df['nav_buyhold'],linewidth=1.8,color='tab:blue',alpha=0.85,label=f'买入持有 ({TICKER})')ax.plot(df.index,df['nav_market'],linewidth=1.8,color='tab:gray',linestyle='--',label=f'买入持有 ({BENCHMARK}大盘)')ax.axhline(1.0,color='black',linewidth=0.6,linestyle=':',alpha=0.5)ax.set_title(f'{TICKER}回测净值曲线：策略 vs 标的 vs 大盘（{period}）',fontsize=14)ax.set_xlabel('日期')ax.set_ylabel('净值（起点=1）')ax.legend(loc='upper left')ax.grid(True,alpha=0.3)plt.tight_layout()chart_path=OUTPUT_DIR/f'homework_{TICKER}_{period}_nav_comparison.png'plt.savefig(chart_path,dpi=150)plt.close(fig)returnchart_pathdefsummarize(period,df):"""打印单个周期的关键回测结果。"""total_strategy=df['nav_strategy'].iloc[-1]-1total_buyhold=df['nav_buyhold'].iloc[-1]-1total_market=df['nav_market'].iloc[-1]-1mdd_strategy=df['mdd_strategy'].iloc[-1]mdd_buyhold=df['mdd_buyhold'].iloc[-1]print(f'\n==={period}回测结果 ===')print(f'双均线策略 ({TICKER}) 累计收益：{total_strategy:+.2%}')print(f'买入持有 ({TICKER}) 累计收益：{total_buyhold:+.2%}')print(f'买入持有 ({BENCHMARK}大盘) 累计收益：{total_market:+.2%}')print(f'双均线策略最大回撤：{mdd_strategy:.2%}')print(f'买入持有最大回撤：{mdd_buyhold:.2%}')returnmdd_strategydefmain():print('第四章作业：NVDA 双均线策略回测 [OK]')df_1y=run_backtest('1y')chart_path=save_nav_chart(df_1y,'1y')print(f'\n作业1：策略 vs 大盘净值图已保存：{chart_path}')strategy_end=df_1y['nav_strategy'].iloc[-1]market_end=df_1y['nav_market'].iloc[-1]race_answer='跑赢'ifstrategy_end>market_endelse'跑输'print(f'一句话：1y 周期里，NVDA 双均线策略相对 SPY 大盘是{race_answer}。')summarize('1y',df_1y)if__name__=='__main__':main()

运行结果：

双均线策略 (NVDA) 累计收益：-12.45% 买入持有 (NVDA) 累计收益：+22.21% 买入持有 (SPY 大盘) 累计收益：+19.87% 双均线策略最大回撤：-28.41% 买入持有最大回撤：-20.21%

结论：

1 年周期里，NVDA 双均线策略相对 SPY 大盘是跑输的。

挑战 2：对比PERIOD='1y'和'5y'，最大回撤哪个更深？我更能接受哪种？

根据运行结果：

1y 双均线策略最大回撤：-28.41% 5y 双均线策略最大回撤：-52.50%

结论：

5y 的最大回撤更深。

如果只看最大回撤，我更能接受1y的结果，因为它从历史高点跌下来的幅度更小。5y虽然样本更长，但过程中经历过更深的下跌，对执行策略的心理压力更大。

挑战 3：用三句话向朋友解释“回测是什么”

1. 回测就是用历史数据，假装自己过去真的按照一套规则买入、持仓和卖出。
2. 它能帮我们看清策略过去的收益、回撤和风险，但不能保证未来还会赚钱。
3. 所以回测更像是给策略做体检，而不是预测未来。

6. 学习理解

量化策略不能只看“最后赚了多少”，还要看过程中有没有大幅亏损，以及是否真的跑赢了简单基准。以后看策略时，我应该同时关注收益、最大回撤、基准比较等。