最近刚开始学习量化交易，在聚宽网上看了几篇教程，对操作流程有了大致的了解，接下来打算好好研究一下交易策略。

据大奖章基金的Simons透露，他那个每年收益率20%以上的系统，一点都不费解(complicated)，但是非常复杂(complex)。

我的理解是，一个好的量化交易系统，不一定要用到高深的算法和技术，但是必须包含很多种简单的算法和技术。

换句话说，你得从最基础的算法开始，一个模块一个模块地加上去，选股、择时、风控、资金管理，每个方向都要综合考虑好几种不同的指标，才能打造出一个不费解但很复杂(not complicated but complex)的交易系统。

爱因斯坦说过，上帝只做加法。

也许基于人工智能(AI)的交易系统构造起来不用这么麻烦，这个以后有空再研究。

眼下先从择时技术开始，先看看最简单的MACD，也就是双均线策略。

MACD指标

MACD系列指标由三个指标沟构成，分别是DIF，DEA和HIST。

• DIF是12日指数移动平均线(EMA12，又称快线)与26日指数移动平均线（EMA26，又称慢线）的背离程度： $$DIF=EMA(12)−EMA(26)$$
• DEA是DIF的9日指数移动平均线： $$DEA=EMA(DIF,9)$$
• HIST是DIF与DEA的差值乘以2： $$HIST=(DIF−DEA)×2$$

HIST又称MACD柱，是MACD系列指标中最重要的一个，有些人只根据它来决定是否买入卖出，但我查询了一番文献，还进行了一系列的试错，发现还是综合考虑另外两个指标更好。

废话不多说了，上代码。

Python代码

第一步：导入各种库

import 

第二步：下载数据

# 下载2015-2018年的沪深300指数，频率为每天，只要收盘价

这4年间，沪深300指数的走势还是很典型的：2015年暴涨暴跌，2016-2017两年间温和上涨，2018年快速下跌。

第三步：计算指标

# 用talib库中的相应函数计算MACD指标

第四步：生成交易信号

这里只考虑做多，不考虑做空的情况。

为了方便比较，我尝试了集中不同的策略。

# sig1只考虑HIST指标，HIST转正时开仓买入，转负时清仓

接下来，我们来直观地比较一下这三个交易信号。

plt

看起来策略1最激进，策略2最保守。后者完美地避开了15年和18年的两段暴跌，期间一次买入指令也没有发出过，但在16-17年的缓慢回升中，参与度似有不足。

第五步：模拟交易

简单起见，这里不考虑手续费。

以策略2为例，作图比较该策略和“买入-持有”策略的表现。

# sig2滞后一期、去除空值、转换成整数

由此可见，策略2在股市暴涨暴跌期间表现出色，它几乎完整地抓住了15年上半年的暴涨，却完美地避开了15年下半年和18年的暴跌。但是，在股市温和上涨的16、17年，该策略的表现却落后于大盘。

总而言之，该策略简单归简单，表现却不俗，在大盘下跌近20%的4年中，实现了近60%的收益，目测最大回测不超过10%。

当然，这款策略还有改进的余地，比如说，如果把交易频率调低，也许表现会更好。

接下来，我打算寻找：

1. 一个更加适应温和上涨行情的策略；

2. 一个能有效区分暴涨暴跌行情和温和涨跌行情的指标。

请大家积极发言献策！