双均线策略用Python怎么回测股票期货数据

📅 2026-09-29 20:42👁️ 8778 阅读💬 0 评论

企业微信

双均线策略到底在赚什么钱

股票和期货市场里，大部分人亏钱是因为总想预测明天涨跌。双均线策略不猜明天，它只做一件事：趋势来了就跟上，趋势走了就离开。短期均线代表最近价格的平均成本，长期均线代表更长时间的平均成本。短期均线从下往上穿过长期均线，说明近期买入的人愿意用更高的价格接手，趋势可能向上。短期均线从上往下穿过长期均线，说明近期卖出的人愿意用更低的价格抛售，趋势可能向下。

这个策略赚的是趋势的钱。震荡市里它会连续亏损，因为价格来回穿越均线。趋势市里它能抓住一大段行情。股票T+1制度下，当天买入不能卖出，双均线策略的信号频率不能太高。期货T+0且带杠杆，信号执行更灵活，但杠杆会放大亏损。

双均线策略用Python怎么回测股票期货数据

用Python准备股票期货数据

回测第一步是拿到干净的数据。股票数据可以从免费接口获取，期货数据需要主力连续合约。这里用pandas和yfinance演示股票，期货数据可以用akshare或者本地CSV。


import pandas as pd

import yfinance as yf

import numpy as np

import matplotlib.pyplot as plt

# 获取股票数据，以苹果公司为例

df = yf.download('AAPL', start='2020-01-01', end='2024-12-31')

df = df[['Close']].copy()

df.columns = ['close']

# 获取期货数据，以国内螺纹钢主力连续为例

# import akshare as ak

# df = ak.futures_main_sina(symbol="RB0", start_date="2020-01-01", end_date="2024-12-31")

# df = df[['收盘价']].rename(columns={'收盘价':'close'})

# df.index = pd.to_datetime(df['日期'])

print(df.head())

print(df.tail())

数据必须按时间升序排列，缺失值用前值填充或者删除。股票有分红拆股，yfinance默认返回调整后价格。期货主力连续合约在换月时会有跳空，需要做后复权处理，否则均线会被假信号干扰。

计算双均线并生成交易信号

短期均线参数常用5到20，长期均线常用20到60。股票波动小，可以用10和30。期货波动大，可以用5和20。参数不是固定的，不同品种需要测试。


short_window = 10

long_window = 30

df['short_ma'] = df['close'].rolling(window=short_window).mean()

df['long_ma'] = df['close'].rolling(window=long_window).mean()

df['signal'] = 0

df.loc[df['short_ma'] > df['long_ma'], 'signal'] = 1

df.loc[df['short_ma'] <= df['long_ma'], 'signal'] = 0

df['position'] = df['signal'].diff()

print(df[['close','short_ma','long_ma','signal','position']].dropna().head(20))

position等于1是买入信号，等于-1是卖出信号。信号在收盘后产生，第二天开盘执行。股票不能做空，signal为0时只能空仓。期货可以做空，signal为0时可以开空仓。

回测收益与风险指标

回测要算清楚每笔交易的成本。股票佣金万分之二点五，卖出印花税千分之一。期货手续费按手数或者成交额比例。滑点按一个最小变动价位计算。


df['market_return'] = df['close'].pct_change()

df['strategy_return'] = df['signal'].shift(1) * df['market_return']

# 扣除交易成本，假设每次换仓成本为0.1%

cost = 0.001

df['trade'] = df['position'].abs()

df['strategy_return_net'] = df['strategy_return'] - df['trade'].shift(1) * cost

df['cum_market'] = (1 + df['market_return']).cumprod()

df['cum_strategy'] = (1 + df['strategy_return_net']).cumprod()

# 计算年化收益、最大回撤、夏普比率

total_days = len(df)

annual_return = df['cum_strategy'].iloc[-1] ** (252/total_days) - 1

drawdown = (df['cum_strategy'] / df['cum_strategy'].cummax() - 1).min()

sharpe = df['strategy_return_net'].mean() / df['strategy_return_net'].std() * np.sqrt(252)

print(f'年化收益: {annual_return:.2%}')

print(f'最大回撤: {drawdown:.2%}')

print(f'夏普比率: {sharpe:.2f}')

plt.figure(figsize=(12,6))

plt.plot(df['cum_market'], label='买入持有')

plt.plot(df['cum_strategy'], label='双均线策略')

plt.legend()

plt.title('双均线策略回测')

plt.show()

年化收益高不代表策略好。最大回撤太大，实盘时心理压力会让人提前离场。夏普比率低于1，说明承担的风险没有换来足够收益。股票买入持有在牛市中可能跑赢双均线，因为均线信号滞后。期货带杠杆，双均线能控制单笔亏损，但连续亏损会吃掉本金。