作 者：老余捞鱼
原创不易，转载请标明出处及原作者。
技术讨论不构成任何操作建议。不荐股、不卖课、不承诺收益。
市场有风险，请合法合规投资。
本文约 3300 字 | 预计阅读 10 分钟，后有完整回测代码，建议先收藏
我想写这篇，是因为这套规则的截图在海外量化圈传了一阵。胜率七成、回撤只有一直持有的一半、曲线是楼梯状。但真正该问的是：把它的进场日换成随机日期，还能不能跑出同样的曲线（回测 21 年，205 笔交易，胜率 67.8%，年化 2.56%）。讽刺的是同样的钱躺着不动，年化收益 6.37%。
我往下分两半讲，前半是规则和它跑出来的数字，后半是三道检验和随机进场。该怎么正确的用这套策略我放在了最后。
先把“数”说清楚
IBS 的算法只有一行，(收盘 - 最低) / (最高 - 最低)，量的是收盘价站在当天那根K线的哪个位置。收在最低价，值等于0；收在最高价，值等于1；落在中间，就是0.5上下。
拿一根真实的K线算一遍。2018 年 1 月 30 日，XLP 开 58.08、高 58.58、低 57.94、收 58.09。分子是 58.09 减 57.94，等于 0.15。分母是 58.58 减 57.94，等于 0.64。两下一除，IBS 是 0.234。当天收在半山腰偏下，卖方小胜。
换句大白话，这个数在问一件事，今天这一天，买方和卖方谁笑到了最后。数值低说明卖方赢了，而均值回归的赌注是卖方用力过头了。我一开始也只是把它当温度计用，读数低就说明今天冷，冷过头会回温，没往别处想。
XLP 是标普必需消费板块的 ETF，装的是牙膏、麦片、可乐、香烟。它不会一年涨一倍，也很少因为一条新闻跳空。价格波动大多是噪音，这正是我想拿它试短线回归的原因。噪音多的东西，回归的空间才干净。
四条规则
规则来自一份公开的海外量化笔记。它写得很口语，只说昨天低、今天高一点这种话，具体门槛是我按常识补的，补得对不对后面会交代。
- 进场，昨日 IBS 低于 0.2，今日 IBS 低于 0.5 且高于昨日，RSI(5) 低于 50
- 离场，收盘价高于昨日最高价，进场当天不判，同一根K线不重复
- 仓位，一次只持一笔，只做多，全额进，不加杠杆，不留底仓
- 风控，不设止损，不设时间止损，最差那一笔亏 7%
三个条件同时成立才算信号，缺一条就不动。前面那根 2018 年 1 月 30 日的K线刚好全中。昨日 IBS 0.078 够低。今日 0.234 还在下半区，而且比昨天高，RSI(5) 是 47.4 没超买。第二天开盘 58.14 买进去，这就是后面要反复提到的那一笔。
落地的口径我按最保守的来。信号在收盘生成，次日开盘按开盘价成交，单边成本 0.03%，其中 0.01% 费用、0.02% 滑点。不少公开回测习惯在信号那根收盘价上直接成交，等于知道了收盘价还能按收盘价买，我没那么做。
翻译成人话，前天收在低位，昨天弹了一点但还在下半区。短期动量没超买就进场，之后第一次收在昨天最高价之上就走。
说实话，我第一反应是这两个门槛定得太窄。0.2 意味着收盘要压到当天振幅最下面两成，一年能出几次。跑完才发现一年九笔多，比我预期密。
那份笔记自己贴的图
那份笔记贴了一张回测图，四栏叠在一起。把它放上来，因为后面要拿它跟我自己跑出来的对。
从上到下四栏：权益、水下、买卖点、单笔盈亏。标题那行写着 XLP – XLP_IBS (next_open)，next_open 就是次日开盘成交。手机上点开能看清每栏刻度
第一栏是权益，从 10 万爬到 30 万出头，绿色那一整块是已经离场的盈利单占的面积。第三栏是买卖点，绿三角买、红三角卖，几乎全部贴着价格线，进场离场都在当日区间附近，没有追高。第四栏是每笔盈亏，赢的点在零轴上方密密麻麻，输的点在下方疏一些，最下面两颗红点落在 -7% 附近。
第二栏水下那栏有个细节，刻度写成 0.000000% 和 -5.000000%。这个我看了好几遍，先以为数据坏了，后来才认出是 vectorbt 默认的格式化没改，不是算错。最深处那条尖线掉到 -13% 附近。
图是好看的，但好看不能当证据。它只说明这份笔记是这么跑的，但换个人跑还成立吗？
换成我的口径重跑一遍
以上是那份笔记的说法和它自己的图。下面换成我拿得到的数据、我自己定的成本假设，把同一套规则重跑一遍，看哪些能复现、哪些对不上。
数据取新浪美股日线，XLP 从 2005 年 1 月跑到 2026 年 11 月，5493 根K线。十万本金，每笔全额投入。这段区间横跨了 2008 年金融危机和 2020 年疫情两次急跌，对回归策略算友好。
| 指标 | 这套规则 | 一直持有 |
|---|---|---|
| 交易笔数 | 205 | 0 |
| 单笔平均 | +0.28% | 无 |
| 胜率 | 67.80% | 无 |
| 年化收益 | 2.56% | 6.37% |
| 最大回撤 | -13.54% | -34.18% |
| 夏普比率 | 0.390 | 0.506 |
| 持仓时间 | 17.06% | 100% |
输了，年化差 3.81 个百分点。十万本金跑到期末 173,494，一直持有是 38.5 万，差出 21 万。
说实话，跑完第一遍我盯着那个 2.56% 看了半天。我一开始以为成本算高了，把费用和滑点全设成零重跑，还是差得远。后来才想明白，问题不在成本。持仓时间只有 17%，剩下 83% 的日历它躺在现金里，一分钱不赚。
两条假设值多少钱，我拿同一套信号对跑了两个版本。改成当日收盘就成交，年化 2.62%，只多 0.06 个百分点。完全不记成本，年化 3.13%，多 0.57 个百分点。结论有点反直觉，这条规则不怕成交假设，怕成本。一年九笔多，每笔多付 0.03%，一年就少半个点。这类小额高频的玩法，成本才是它的天花板。
回撤确实小一半，这是它最拿得出手的一项。但夏普 0.390 对 0.506，连单位风险的收益也没赢。回撤小是因为它大部分时间不在场。不是因为买点更聪明。
同一件事我自己画一遍，对数轴，绿线是策略，灰线是一直持有。形状像，斜率差一截
它的形状
赢 139 笔，输 66 笔，平均盈利 1.12%，平均亏损 -1.48%。赢的次数是输的两倍，但每次只赢一点点。这个形状我在别的回归策略上也见过，它不靠判断准，靠重复足够多次。用次数换掉单次的判断压力。
最差的两笔值得单独看。2018 年 1 月 31 日进，2 月 13 日出，-7.07%。2008 年 9 月 19 日进，9 月 26 日出，-6.97%。这两笔的日期我看了好几遍，后面还要用到。
最大回撤 -13.54% 就是这两笔叠出来的。0.929 乘 0.930 等于 0.864，正好 -13.6%。没有止损的规则，回撤不由单笔决定，由最差的那几笔挨得多近决定。
最好的一笔在 2020 年 4 月 2 日进，四个自然日拿 7.36%，那是疫情底反弹最猛的一段。这类机会十年才几次，指望它撑起年化不现实。
横轴是单笔收益，柱子集中在 0 到 2% 右侧，左边拖出两根细长的尾巴
— · —
以上是规则和它跑出来的结果，对着数字就能看。往下是三道检验，也是这篇真正想写的部分。
先看这九格
多数回测死在同一个问题上，门槛是不是照着历史数据挑出来的。我把两个 IBS 门槛各取三档，跑九格。
| 门槛组合 | 笔数 | 单笔 | 年化 | 回撤 |
|---|---|---|---|---|
| 0.1 / 0.3 | 93 | 0.13% | 0.50% | -14.70% |
| 0.1 / 0.5 | 142 | 0.28% | 1.76% | -14.70% |
| 0.1 / 0.7 | 175 | 0.25% | 1.87% | -20.34% |
| 0.2 / 0.3 | 129 | 0.13% | 0.66% | -18.03% |
| 0.2 / 0.5 | 205 | 0.28% | 2.56% | -13.54% |
| 0.2 / 0.7 | 256 | 0.27% | 3.00% | -20.34% |
| 0.3 / 0.3 | 142 | 0.12% | 0.67% | -20.62% |
| 0.3 / 0.5 | 229 | 0.26% | 2.56% | -15.20% |
| 0.3 / 0.7 | 291 | 0.28% | 3.57% | -21.53% |
基准格 0.2 / 0.5 ，0.3 / 0.7 年化 3.57%，笔数也多 86 笔。我原本以为收紧门槛会更稳，跑完发现今日门槛收到 0.3 那一列，单笔只剩 0.12% 到 0.13%，边际基本被削平。我没往最高分那格调，报出来的也不是网格里的最大值。
形状本身有信息。中间一列单笔收益 0.26% 到 0.28%，是最稳的一列。收紧到 0.3，笔数掉到 130 上下。放宽到 0.7，笔数上来了，回撤一路推到 -20%。
看图像平台，不像尖峰。这是好消息，但仍然只是单一标的上的九格。
每格两根柱，左年化、右回撤。中间那列单笔收益最厚，两头都薄
换成随机进场
这是全文最关键的一步。我保留真实的笔数，也保留每一笔的持有天数，然后把这些持仓随机丢到 21.8 年里的任意日期，跑 2000 次。随机进场平均年化 1.08%，95 分位 2.87%，这套规则 2.56%。位置很清楚，它跑在随机结果的九成之上，但没到 95 分位，经验 p 值 0.085。
我一开始不太信这个数，怕是自己的随机方法有问题。把种子换了四个重跑，p 值落在 0.078 到 0.085 之间，结论稳。
没过 5% 这条线。
我原本以为它会稳稳过。同一套规则在另一份从 1999 年起的样本上跑出过 p=0.002，我没打算推翻它。差别在样本，我这份数据从 2005 年开始，1999 到 2004 那五年拿不到。少掉的那五年正好是互联网泡沫破裂之后，急跌接急反弹，回归策略最舒服的环境。说不好把那段补进来会是什么结果。
单笔收益的 bootstrap 结果贴得更近。均值 0.283%，95% 置信区间 0.05% 到 0.51%，下限离零只有五个基点，P(均值小于等于 0) 是 0.009。所以准确的说法是，方向上有一个正的边际，但它薄到换一段样本就可能消失。
2000 次随机进场的年化分布，红线是策略的 2.56%，落在 95 分位左侧一小截
四条规则里哪条在干活
我把进场条件一条条拆掉重跑，想看是哪一条在提供信息。两个发现。
| 方案 | 笔数 | 单笔 | 年化 | 回撤 |
|---|---|---|---|---|
| 四条全用 | 205 | 0.28% | 2.56% | -13.54% |
| 去掉 RSI | 263 | 0.26% | 2.95% | -14.74% |
| 去掉今日更高 | 233 | 0.29% | 2.97% | -13.54% |
| 去掉今日门槛 | 310 | 0.32% | 4.35% | -20.34% |
RSI(5) 低于 50 这条几乎不起作用。去掉它，笔数从 205 涨到 263，单笔从 0.283% 掉到 0.255%，年化反而升到 2.95%。它只是在削信号，没在提质量。
今天比昨天高也一样。去掉之后 233 笔，单笔 0.289%，年化 2.97%，回撤一分没变。这条在笔记里是用「弹了一点」这种口语写的，落到数字上什么也没做。
真正管用的只有 IBS 的两个门槛，而且它们管的是风险预算，不是收益。放开今日门槛，年化升到 4.35%，回撤从 13.54% 翻到 20.34%，持仓时间从 17% 涨到 26%。收紧一点，收益和回撤一起缩。
这笔账得算清楚。四条规则里两条是装饰，剩下两条是一个风险刻度盘。拧松了多赚也多吃回撤，拧紧了都小。它决定的是愿意拿多大波动去换这点收益，不是能不能赚钱。
六年没创新高
这个数出来以后，我改了原本想写的结尾。它 82.94% 的时间空着，权益曲线靠一笔笔小赚往上垒。垒得慢，就意味着离前高近的时候多。我数了一下，最长的一段 1497 个交易日没回到新高。差不多 5.9 快 6 年，91.8% 的交易日都在水下。
年化 2.56% 已经不算高，再叠加五年半不创新高，很难有人在第 300 笔之前不关掉它。这不是心态问题，是设计问题。一个只赚零头的策略，必须配上足够多的现金去干别的事，否则它连被坚持下来的资格都没有。
所以它到底能干什么
回到开头那两个问题。规则有效吗？方向上有效。最差的两笔跟我算出来的年份、幅度完全对得上，2008 年 9 月和 2018 年 1 月各约 -7%。最大回撤也因此一模一样。这说明买卖点的判定没跑偏，差的是样本和口径，不是实现。
能当独立策略用吗？我的回答是不能。年化输 3.81 个百分点，随机进场没过 5% 线，四条规则里两条在划水。
那它能干什么？我更倾向把它当进场的开关，不当独立策略。它回答的问题是今天该不该动手。不回答该买多少、拿多久。这个顺序一旦反了，就变成拿一个 0.28% 的边际去承担一次 -7% 的尾部。
落到一个动作，就一句话。把这 82.94% 的现金时间配给一个能自己长大的东西，比如定投。只在 IBS 低于 0.5 的日子，把当期那笔提前打进去。这样它赚的是能让你买得便宜一点，而不再是跑赢市场！
附：核心代码
指标、信号、回测循环一共四十来行，换标的只改读数据那一步。跑完打印笔数和年化。
# 数据：date 索引，open/high/low/close 四列
gap = df["high"] - df["low"]
gap = gap.replace(0, np.nan)
ibs = (df["close"] - df["low"]) / gap
ibs_p = ibs.shift(1)
dlt = df["close"].diff()
# Wilder 平滑
k = dict(alpha=.2, adjust=False)
k["min_periods"] = 5
up = dlt.clip(lower=0).ewm(**k).mean()
dn = (-dlt.clip(upper=0)).ewm(**k).mean()
rsi5 = 100 - 100 / (1 + up / dn)
lo = (ibs_p < 0.2) & (ibs > ibs_p)
cond = lo & (ibs < 0.5) & (rsi5 < 50)
entry = cond.fillna(False).to_numpy()
prev_high = df["high"].shift(1)
exit_ = (df["close"] > prev_high)
exit_ = exit_.fillna(False).to_numpy()
# 次日开盘成交，成本进出各扣一次
o = df["open"].to_numpy()
c = df["close"].to_numpy()
cost, cash, shares = 0.0003, 100_000.0, 0.0
hold, pend_e, pend_x = -1, False, False
eq, rets = [], []
for i in range(len(df)):
if pend_x:
cash = shares * o[i] * (1 - cost)
rets.append(cash / eq_in - 1)
shares, hold, pend_x = 0.0, -1, False
if pend_e:
eq_in = cash
shares = cash / (o[i] * (1 + cost))
cash, hold, pend_e = 0.0, i, False
eq.append(cash + shares * c[i])
if hold >= 0 and exit_[i] and i > hold:
pend_x = True
elif hold < 0 and entry[i]:
pend_e = True
d0, d1 = df.index[0], df.index[-1]
yrs = (d1 - d0).days / 365.25
cagr = (eq[-1] / eq[0]) ** (1 / yrs) - 1
print(len(rets), f"{cagr * 100:.2f}%")跑出来是 205 笔、年化 2.56%、回撤 -13.54%、期末 173,494，跟正文那组数字一致。随机进场和消融的代码在项目目录另外两支脚本里，改的是 entry 的构造方式和持仓日期的来源。
#回测 #均值回归 #IBS #量化策略 #Python #过拟合 #ETF #随机进场检验 #统计学显著性 #量化研究
回测结果不预示未来表现，本文不构成操作建议。
Be First to Comment