第37章 我开源全部代码，附三年A股数据（1/2）

2026年5月15日 星期五 晚上20:00

------

【群聊记录】

时间：20:00

明觉： 晚间复盘。市场今日幅反弹。降龙兄昨日之回测数据，发人深省。吾观其过程与结果，愈觉“量化验证”之重要。贝兄，不知你当初构建自身体系时，可曾对“网格交易”、“再平衡”等核心策略，进行过系统性的长期回测？

巴派谪传弟子-老金： 同问。我也好奇，贝兄你那套三维仓位，特别是网格交易，在历史上不同市场阶段（牛市、熊市、震荡市）的表现到底怎么样？有没有数据支持？还是，主要是基于逻辑推演？

锅王： 又来了。他那套东西，回测有什么用？过去不代表未来。不过……我也挺好奇，你那乌龟流，在历史上能跑赢指数吗？别回测出来比定投还差，那就搞笑了。

降龙十八掌： （经过一夜消化，语气沉稳许多）我昨天用贝兄给的代码，又回测了几个简单的策略，包括一个最简单的“买入持有沪深300”，一个“年化再平衡（股债50/50）”，还有一个简化版的“固定间距网格”。虽然我写的网格策略很粗糙，但数据确实有意思。贝兄，你的回测肯定更完善。方便分享更多吗？特别是关于网格参数优化、不同标的、不同市况的数据？

无所不晓： 数据……看多了头晕。但感觉有数据比没数据强。

贝悟得： 看到大家开始关注“数据验证”，这是非常好的现象。我的体系并非凭空想象，其核心组成部分（资产配置、再平衡、网格交易）都有成熟的理论基础，并且我自己在构建过程中，也确实进行了大量的回测和模拟，以理解其风险收益特征、适应环境以及参数敏感性。这些回测是辅助我理解工具、建立信心、并设定合理预期的重要依据。

贝悟得： 既然@降龙十八掌 已经迈出了第一步，@明觉 和@老金 也提出了具体问题，@锅王 也表达了“好奇”，那么，作为对“理性投资、数据驱动”理念的践行，我决定做一件事：将我用于策略回测的Python代码库（简化版，但核心功能完整），以及用于回测的A股市场三年基础数据（2019-2021），整理并开源给大家。

贝悟得： 请注意：

1. 这不是一个成熟的量化交易系统，而是一个教学和验证性质的简化回测框架。目的是帮助有编程基础或愿意学习的朋友，理解回测的基本流程，并验证一些简单的投资想法。

2. 代码和数据的目的是“授人以渔”，而非提供“圣杯策略”。你可以用它们验证自己的思路，也可以学习如何构建回测。

3. 数据仅为示例：包含沪深300、中证500、创业板指等主要宽基指数，以及部分行业ETF的日线数据（前复权）。数据来源于公开渠道，可能存在微误差，用于教学回测足够。

4. 风险提示：回测基于历史，不代表未来。代码和策略可能存在错误，请谨慎对待结果，切勿直接用于实盘。

贝悟得： 我现在将打包好的文件上传到群文件。压缩包名为“I_Backtest_Deo_2019-2021.zip”。里面包含：

1. README.d：详细的使用明，包括环境配置、代码结构、数据明、如何运行示例、以及如何修改策略。

2. /data 目录：存放CSV格式的历史行情数据。

3. /strategies 目录：几个示例策略的Python文件。

? buy_and_hold.py：买入并持有策略。

? annual_rebance.py：股债年化再平衡策略（示例用沪深300和国债指数模拟）。

? siple_grid.py：一个基础的、固定价格间距的网格交易策略示例。

? acd_cross.py：MACD金叉死叉策略（示例，同之前分享）。

4. backtest_enge.py：简化的回测引擎核心文件，处理数据加载、信号生成、模拟交易、计算绩效指标等。

5. utils.py：一些工具函数，如计算最大回撤、夏普比率等。

6. requirents.txt：所需的Python库列表。

贝悟得： 我重点解释一下 siple_grid.py 这个网格策略示例，因为它与我的体系关联最直接。这个示例策略非常简单：

? 标的：沪深300ETF（以指数替代）。

? 逻辑：设定一个基准价（如初始价格），然后向上、向下各设置N个网格，间距固定（如5%）。当价格触及网格线时，执行买入（向下）或卖出（向上）。每次买卖固定数量（或金额）。

? 参数可调：基准价、网格间距、网格层数、每格交易量、初始现金比例等。

? 回测输出：净值曲线、年化收益、最大回撤、夏普比率、交易次数、胜率等，并与买入持有对比。

贝悟得： 你可以用这个示例，回测2019-2021年（包含上涨、震荡、结构性行情）的网格表现。你会发现：

? 在2019-2020年的趋势上涨市中，网格策略大幅跑输买入持有，因为它会不断卖出，过早降低仓位。

? 在2021年的震荡/结构性行情中，网格策略可能幅跑赢或持平买入持有，因为它能捕捉波动收益。

? 长期（三年）来看，在这个示例参数下，网格策略的年化收益很可能低于买入持有，但最大回撤也显著更，夏普比率（风险调整后收益）可能更高。

? 网格策略的表现极度依赖于标的的波动率和网格参数。在低波动标的上，它可能长期不触发；在高波动标的上，它可能频繁交易，摩擦成本高。

贝悟得： 这就是为什么在我的体系中，网格主要用于“安全仓”（成本已低，目标是持续降低成本、产生现金流、平滑波动），而非作为主要的收益来源。同时，我通过“三维仓位”中的“交易仓”和“现金仓”来弥补网格在趋势市中的不足，并通过“再平衡”来实现另一种形式的“高卖低买”。回测帮助我理解了每个工具的边界，从而在体系中进行恰当的定位和组合。

文件上传完毕。群里再次出现短暂的寂静，这次是信息量过大带来的消化期。

明觉： 善！大善！贝兄此举，真乃“开源”之典范，非仅代码数据之公开，乃是“心法”之无私布施。昔日释迦拈花，迦叶微笑，以心传心。今贝兄开源代码，以“数”传“道”，令有心者得以自行验证，于实践中体悟投资之真谛。此非“授人以鱼”，实乃“授人以渔”，且将“渔具”与“渔场”一并奉上。吾等感激不尽。

老金： 虽然我看不懂代码，但贝兄这份诚意和坦荡，我感受到了。降龙兄，你能看懂，回头能不能在群里大概讲讲，比如网格回测出来的具体数据？我也想知道，我这个5000块网格，长期坚持下去，大概能有个什么预期。

降龙十八掌： 收到！太感谢了贝兄！我这就下载研究。你这个框架比我昨天自己瞎搞的完整多了，还有再平衡、网格的示例。老金，没问题，等我跑出结果，把关键数据截图发群里。贝兄，你这个网格示例的参数，和你实盘用的差别大吗？

锅王： ……你还真全给了。行，我服。虽然我可能不会去跑代码，但你这态度，我认。至少比那些藏着掖着、光吹牛的大V强。不过，我还是那句话，回测是过去，未来不一样。但你愿意亮家伙，这点比很多人强。

无所不晓： 文件好大……我先保存着。等我以后……也许能看懂。

贝悟得： 回答一下。

@老金：对于你的网格，长期预期（以宽基ETF为例）可以粗略参考：目标是获得略高于货币基金、但远低于股票长期平均回报的收益（比如年化4-8%），同时将最大回撤控制在很低水平（比如-10%以内）。更重要的是体验“成本持续下降”和“心态平稳”的过程。

本章未完，点击下一页继续阅读。