连载系列「Python量化实战」第 11 篇模块六 · 量化策略实战开篇。上一篇《Python可转债数据分析》我们完成了进阶数据模块从本篇起进入从数据到策略的技术跃迁。双均线金叉是几乎所有量化教程的第一个策略短期均线上穿长期均线买入、下穿卖出。但网上大量教程只贴公式不给完整代码或者用的数据源要么被封 IP、要么字段对不上读者复制下来根本跑不通。本文用 Python mairui SDK从拉取前复权日K线 → 计算 MA5/MA20/MA60 → 生成金叉/死叉信号 → 按信号回测给出一套端到端可运行的完整实现并用真实回测结果讨论这个经典策略的局限性。本文你将得到什么一套端到端可运行代码前复权日K线 → MA 均线 → 金叉/死叉信号 → 无未来函数回测真实回测结果21 笔交易、胜率 28.6%、策略 -35.27%及回测首要价值是证伪的讨论5 个实测踩坑点日期格式、复权参数、未来函数、异常脱敏、交易成本一、在线体验想先看看K线接口返回什么数据打开 API Playground 即可在线调用测试无需安装任何环境https://mairuiapi.com/playground在 Playground 中选择历史分时交易接口输入股票代码即可看到返回的 JSON 结构开高低收、成交量等字段确认数据满足需求后再动手写代码效率更高。二、环境准备本文代码使用 mairui SDK 获取股票数据安装方法如下pipinstallmairuiSDK 的完整接口文档与使用说明请查阅 GitHub 仓库https://github.com/MaiRuiApi/mairuiK线接口的详细参数说明请查阅官网 API 文档https://mairuiapi.com/hsdata运行环境Python 3.9mairui SDK 1.0.0pandas 2.2licence证书通过环境变量读取不要写死在代码里importosimportmairui# 证书从环境变量读取注册后可在官网获取licenceos.environ[MAIRUI_LICENCE]apimairui.Client(licence)本文数据截至 2026-07-24前复权日K线回测区间2024-01-02 至 2026-07-24。读者复现时数据可能因行情更新而略有差异。三、获取前复权日K线数据回测必须用复权价格。分红送股会让不复权价格出现向下跳空均线在除权日附近产生虚假交叉信号。stock_history接口支持复权参数importpandasaspddeffetch_daily_kline(api,code,start,end):拉取前复权日K线并整理为 DataFrame。# d日线, f前复权st/et 日期格式为 YYYYMMDDrowsapi.stock_history(code,d,f,ststart,etend)kline_dfpd.DataFrame(rows)kline_dfkline_df.rename(columns{t:date,o:open,h:high,l:low,c:close,v:volume})kline_df[date]pd.to_datetime(kline_df[date])returnkline_df.sort_values(date).reset_index(dropTrue)kline_dffetch_daily_kline(api,600519,20240101,20260724)关键解释接口返回字段为缩写t日期、o/h/l/c开高低收、v成交量手、a成交额重命名成语义化列名方便后续处理日期参数必须是YYYYMMDD格式如20240101带连字符会返回 HTTP 400这是实测踩过的坑复权参数f为前复权、n为不复权回测统一用前复权。真实运行输出K线条数: 619, 区间: 2024-01-02 ~ 2026-07-24完整字段说明可在官网 API 文档https://mairuiapi.com/hsdata中查阅。四、计算均线与金叉死叉信号均线用rolling().mean()一行搞定关键是交叉判定金叉 今天 MA5 在 MA20 上方、且昨天还在下方或相等。用shift(1)取前一日值做向量化判断不需要写循环defadd_ma_and_signals(kline_df):计算 MA5/MA20/MA60并生成金叉/死叉信号列。forwinin(5,20,60):kline_df[fMA{win}]kline_df[close].rolling(win).mean()ma_fast,ma_slowkline_df[MA5],kline_df[MA20]# 金叉MA5 上穿 MA20kline_df[gold_cross](ma_fastma_slow)(ma_fast.shift(1)ma_slow.shift(1))# 死叉MA5 下穿 MA20kline_df[death_cross](ma_fastma_slow)(ma_fast.shift(1)ma_slow.shift(1))returnkline_df关键解释rolling(5).mean()前 4 行是 NaN属正常现象交叉判定中 NaN 参与比较结果为 False不会产生假信号两个布尔条件必须都用括号包住再做运算这是 pandas 新手最常见的语法报错点。在 2024-01 至 2026-07 的 619 个交易日里真实统计结果金叉次数: 21, 死叉次数: 20平均约一个月出现一次交叉——这个信号频率意味着交易成本不可忽略后文回测会验证这一点。五、按信号回测金叉买入、死叉卖出回测规则要避免未来函数信号在收盘后才能确认均线用收盘价算所以成交只能发生在次日开盘价。这是很多教程用当日收盘价成交高估收益的常见错误defbacktest_ma_cross(kline_df):信号次日开盘价成交的简单回测不含手续费/滑点教学用。trades,position,entry_price,entry_date[],0,None,Noneforiinrange(len(kline_df)-1):row,next_rowkline_df.iloc[i],kline_df.iloc[i1]ifposition0androw[gold_cross]:# 金叉次日开盘买入position,entry_price,entry_date1,next_row[open],next_row[date]elifposition1androw[death_cross]:# 死叉次日开盘卖出exit_pricenext_row[open]trades.append({buy_date:entry_date.date(),buy_price:round(entry_price,2),sell_date:next_row[date].date(),sell_price:round(exit_price,2),return_pct:round((exit_price/entry_price-1)*100,2),})position0returnpd.DataFrame(trades)六、完整实战示例与真实回测结果把上面三步串起来完整可运行代码即文中各函数 下面的 main 流程defmain():licenceos.environ[MAIRUI_LICENCE]# 证书从环境变量读取apimairui.Client(licence)kline_dffetch_daily_kline(api,600519,20240101,20260724)kline_dfadd_ma_and_signals(kline_df)trades_dfbacktest_ma_cross(kline_df)win_rate(trades_df[return_pct]0).mean()*100print(trades_df.to_string(indexFalse))print(f交易次数:{len(trades_df)}, 胜率:{win_rate:.1f}%)main()真实运行输出截取首尾交易buy_date buy_price sell_date sell_price return_pct 2024-02-08 1585.60 2024-03-11 1540.59 -2.84 2024-03-14 1584.59 2024-03-29 1567.23 -1.10 ... 2026-04-02 1431.42 2026-04-22 1386.98 -3.10 2026-07-15 1203.66 2026-07-24 1297.41 7.79 交易次数: 21, 胜率: 28.6% 策略累计收益: -35.27% | 同期买入持有: -16.33%这个结果值得认真讨论两年半 21 笔交易、胜率仅 28.6%策略累计 -35.27%明显跑输同期买入持有的 -16.33%还没算手续费。原因在于该标的这段时间处于宽幅震荡下行双均线是趋势跟踪策略在震荡市里会被反复打脸——金叉追高、死叉割肉。这正是回测的价值它的首要作用不是证明策略赚钱而是在投入真金白银之前证伪。一个诚实的回测框架比一个只展示盈利曲线的教程有用得多。改进方向留给后续篇目展开加 MA60 趋势过滤只在长期均线向上时接受金叉、换参数组合批量测试、跨多标的验证。七、避坑与进阶日期格式st/et必须为YYYYMMDD带连字符会 HTTP 400复权参数f前复权/n不复权可用回测务必用前复权否则除权日会产生虚假交叉未来函数信号确认在收盘后成交价用次日开盘价不要用当日收盘价异常信息脱敏SDK 抛出的 HTTP 异常信息中含完整请求 URL内嵌你的证书日志或截图对外展示前务必先把证书串替换掉交易成本本文为教学简化未计手续费与滑点21 笔交易的双边成本会进一步拉低净收益实盘评估必须计入频率限制批量回测多只股票时注意控制请求频率工程化方案见本系列第 16 篇。八、总结与延伸本文完成了「Python量化实战」策略模块的第一课用stock_history拉取前复权K线、用rolling shift向量化生成金叉/死叉信号、用次日开盘成交的规则做无未来函数的回测并用真实数据看到了趋势策略在震荡市的局限。下一篇我们把视角从择时切换到选股——《Python多因子选股模型搭建5个核心因子与打分排序实现》。延伸阅读在线体验更多接口https://mairuiapi.com/playground查看完整 API 文档https://mairuiapi.com/hsdataSDK 文档与源码https://github.com/MaiRuiApi/mairui关注公众号获取本系列更新本文为技术演示文中回测结果仅说明方法论不构成投资建议。
连载系列「Python量化实战」第 11 篇模块六 · 量化策略实战开篇。上一篇《Python可转债数据分析》我们完成了进阶数据模块从本篇起进入从数据到策略的技术跃迁。双均线金叉是几乎所有量化教程的第一个策略短期均线上穿长期均线买入、下穿卖出。但网上大量教程只贴公式不给完整代码或者用的数据源要么被封 IP、要么字段对不上读者复制下来根本跑不通。本文用 Python mairui SDK从拉取前复权日K线 → 计算 MA5/MA20/MA60 → 生成金叉/死叉信号 → 按信号回测给出一套端到端可运行的完整实现并用真实回测结果讨论这个经典策略的局限性。本文你将得到什么一套端到端可运行代码前复权日K线 → MA 均线 → 金叉/死叉信号 → 无未来函数回测真实回测结果21 笔交易、胜率 28.6%、策略 -35.27%及回测首要价值是证伪的讨论5 个实测踩坑点日期格式、复权参数、未来函数、异常脱敏、交易成本一、在线体验想先看看K线接口返回什么数据打开 API Playground 即可在线调用测试无需安装任何环境https://mairuiapi.com/playground在 Playground 中选择历史分时交易接口输入股票代码即可看到返回的 JSON 结构开高低收、成交量等字段确认数据满足需求后再动手写代码效率更高。二、环境准备本文代码使用 mairui SDK 获取股票数据安装方法如下pipinstallmairuiSDK 的完整接口文档与使用说明请查阅 GitHub 仓库https://github.com/MaiRuiApi/mairuiK线接口的详细参数说明请查阅官网 API 文档https://mairuiapi.com/hsdata运行环境Python 3.9mairui SDK 1.0.0pandas 2.2licence证书通过环境变量读取不要写死在代码里importosimportmairui# 证书从环境变量读取注册后可在官网获取licenceos.environ[MAIRUI_LICENCE]apimairui.Client(licence)本文数据截至 2026-07-24前复权日K线回测区间2024-01-02 至 2026-07-24。读者复现时数据可能因行情更新而略有差异。三、获取前复权日K线数据回测必须用复权价格。分红送股会让不复权价格出现向下跳空均线在除权日附近产生虚假交叉信号。stock_history接口支持复权参数importpandasaspddeffetch_daily_kline(api,code,start,end):拉取前复权日K线并整理为 DataFrame。# d日线, f前复权st/et 日期格式为 YYYYMMDDrowsapi.stock_history(code,d,f,ststart,etend)kline_dfpd.DataFrame(rows)kline_dfkline_df.rename(columns{t:date,o:open,h:high,l:low,c:close,v:volume})kline_df[date]pd.to_datetime(kline_df[date])returnkline_df.sort_values(date).reset_index(dropTrue)kline_dffetch_daily_kline(api,600519,20240101,20260724)关键解释接口返回字段为缩写t日期、o/h/l/c开高低收、v成交量手、a成交额重命名成语义化列名方便后续处理日期参数必须是YYYYMMDD格式如20240101带连字符会返回 HTTP 400这是实测踩过的坑复权参数f为前复权、n为不复权回测统一用前复权。真实运行输出K线条数: 619, 区间: 2024-01-02 ~ 2026-07-24完整字段说明可在官网 API 文档https://mairuiapi.com/hsdata中查阅。四、计算均线与金叉死叉信号均线用rolling().mean()一行搞定关键是交叉判定金叉 今天 MA5 在 MA20 上方、且昨天还在下方或相等。用shift(1)取前一日值做向量化判断不需要写循环defadd_ma_and_signals(kline_df):计算 MA5/MA20/MA60并生成金叉/死叉信号列。forwinin(5,20,60):kline_df[fMA{win}]kline_df[close].rolling(win).mean()ma_fast,ma_slowkline_df[MA5],kline_df[MA20]# 金叉MA5 上穿 MA20kline_df[gold_cross](ma_fastma_slow)(ma_fast.shift(1)ma_slow.shift(1))# 死叉MA5 下穿 MA20kline_df[death_cross](ma_fastma_slow)(ma_fast.shift(1)ma_slow.shift(1))returnkline_df关键解释rolling(5).mean()前 4 行是 NaN属正常现象交叉判定中 NaN 参与比较结果为 False不会产生假信号两个布尔条件必须都用括号包住再做运算这是 pandas 新手最常见的语法报错点。在 2024-01 至 2026-07 的 619 个交易日里真实统计结果金叉次数: 21, 死叉次数: 20平均约一个月出现一次交叉——这个信号频率意味着交易成本不可忽略后文回测会验证这一点。五、按信号回测金叉买入、死叉卖出回测规则要避免未来函数信号在收盘后才能确认均线用收盘价算所以成交只能发生在次日开盘价。这是很多教程用当日收盘价成交高估收益的常见错误defbacktest_ma_cross(kline_df):信号次日开盘价成交的简单回测不含手续费/滑点教学用。trades,position,entry_price,entry_date[],0,None,Noneforiinrange(len(kline_df)-1):row,next_rowkline_df.iloc[i],kline_df.iloc[i1]ifposition0androw[gold_cross]:# 金叉次日开盘买入position,entry_price,entry_date1,next_row[open],next_row[date]elifposition1androw[death_cross]:# 死叉次日开盘卖出exit_pricenext_row[open]trades.append({buy_date:entry_date.date(),buy_price:round(entry_price,2),sell_date:next_row[date].date(),sell_price:round(exit_price,2),return_pct:round((exit_price/entry_price-1)*100,2),})position0returnpd.DataFrame(trades)六、完整实战示例与真实回测结果把上面三步串起来完整可运行代码即文中各函数 下面的 main 流程defmain():licenceos.environ[MAIRUI_LICENCE]# 证书从环境变量读取apimairui.Client(licence)kline_dffetch_daily_kline(api,600519,20240101,20260724)kline_dfadd_ma_and_signals(kline_df)trades_dfbacktest_ma_cross(kline_df)win_rate(trades_df[return_pct]0).mean()*100print(trades_df.to_string(indexFalse))print(f交易次数:{len(trades_df)}, 胜率:{win_rate:.1f}%)main()真实运行输出截取首尾交易buy_date buy_price sell_date sell_price return_pct 2024-02-08 1585.60 2024-03-11 1540.59 -2.84 2024-03-14 1584.59 2024-03-29 1567.23 -1.10 ... 2026-04-02 1431.42 2026-04-22 1386.98 -3.10 2026-07-15 1203.66 2026-07-24 1297.41 7.79 交易次数: 21, 胜率: 28.6% 策略累计收益: -35.27% | 同期买入持有: -16.33%这个结果值得认真讨论两年半 21 笔交易、胜率仅 28.6%策略累计 -35.27%明显跑输同期买入持有的 -16.33%还没算手续费。原因在于该标的这段时间处于宽幅震荡下行双均线是趋势跟踪策略在震荡市里会被反复打脸——金叉追高、死叉割肉。这正是回测的价值它的首要作用不是证明策略赚钱而是在投入真金白银之前证伪。一个诚实的回测框架比一个只展示盈利曲线的教程有用得多。改进方向留给后续篇目展开加 MA60 趋势过滤只在长期均线向上时接受金叉、换参数组合批量测试、跨多标的验证。七、避坑与进阶日期格式st/et必须为YYYYMMDD带连字符会 HTTP 400复权参数f前复权/n不复权可用回测务必用前复权否则除权日会产生虚假交叉未来函数信号确认在收盘后成交价用次日开盘价不要用当日收盘价异常信息脱敏SDK 抛出的 HTTP 异常信息中含完整请求 URL内嵌你的证书日志或截图对外展示前务必先把证书串替换掉交易成本本文为教学简化未计手续费与滑点21 笔交易的双边成本会进一步拉低净收益实盘评估必须计入频率限制批量回测多只股票时注意控制请求频率工程化方案见本系列第 16 篇。八、总结与延伸本文完成了「Python量化实战」策略模块的第一课用stock_history拉取前复权K线、用rolling shift向量化生成金叉/死叉信号、用次日开盘成交的规则做无未来函数的回测并用真实数据看到了趋势策略在震荡市的局限。下一篇我们把视角从择时切换到选股——《Python多因子选股模型搭建5个核心因子与打分排序实现》。延伸阅读在线体验更多接口https://mairuiapi.com/playground查看完整 API 文档https://mairuiapi.com/hsdataSDK 文档与源码https://github.com/MaiRuiApi/mairui关注公众号获取本系列更新本文为技术演示文中回测结果仅说明方法论不构成投资建议。
