Chapter · 第 254 页起
第12章 Python量化策略的回测
章节主张
第十二章通过双均线策略把回测的完整观察路径搭出来：写策略、配参数、看详情、看风险指标。
中文释读
这一章最有价值的不是双均线本身，而是让回测从“跑一个结果”升级成“读一张策略体检报告”。
如果你以后做自己的量化实验，回测理解力会直接决定你能否避免最常见的自我欺骗。
本章知识路线
关键论据
- 回测是结构检验。
- 风险指标和收益曲线同样重要。
- 参数设置会改变结论边界。
行动清单
- 每次回测都记录参数。
- 同时看收益、波动、回撤。
- 先做合理性判断，再谈优化。
本章图版学习路径
图版按知识点分组，用来把理论页、平台页和代码页重新接上。
源章节深读
以下卡片基于章节和小节起始页 OCR，并补上“问题、动作、提醒”三层解读。
12.1 回测的过程
Python 量化交易实战入门与技巧 12.1 回测的过程 Python 量化策略的回测过程具体如下： 第一，利用Python编写好量化策略，选择要操作的股票池，实现 handle_data 函效。handle_data 函数每个单位时间会调用一次，如果按天 回测，则每天调用一次；如果按分钟，则每分钟调用一次。 第二，选定一个回测开始日期和结束日期，再选择初始资金、调仓间隔 （每天还是每分钟），然后就可以开始回测了。 第三，通过选择的股票池和日期，取得股票数据，然后每一天或者每一 分钟调用一次 handle_data 函数。同时告诉操作人员现金、持仓情况和股票 在上一天或者上一分钟的数据。在 handle data 函数中，还可以调用其他函 数获取任何多天的历史数据，然后做出调仓决定。 第四，下单后会根据接下来时间的实际交易情况，处理你的订单。
12.2 编写双均线量化策略
第12章 Python 量化策略的回测 12.2 编写双均线量化策略 下面通过编写双均线量化策略再进行回测。 12.2.1 量化策略的编辑页面 在浏览器的地址栏中输入 “https://www.joinquant.com” ，回车，进 人 JoinQuant（聚宽）量化交易平台的首页页面。 单击菜单栏中的“我的策略/ 我的策略” 命令，然后单击“新建策略” 按钮，弹出下拉菜单，在其中单击“股票策略”，进入量化策略的编辑页面， 如图 12.1所示。
12.3 设置量化策略的回测参数
第12章 Python 量化策略的回测 order_target （security,O） # 记录这次卖出 log.info（“Selling ss” ge （security）） #绘制 n1 日均线价格 record （ma_nl=ma_n1） #绘制n2日均线价格 record （ma_n2=ma_n2） 首先获取要操作的股票，然后调用attribute_history 函数获取要操作股 票的收盘价格，再通过meanl函数获取5日均线值和 10日均线值，接着获 取当前账户的资金。 然后通过i语句实现，当5 日均线大于10日均线时，调用 order_value 函数全仓买入股票，并记录这次买人；当5日均线小于10日均线时，调用 order_value 函数全部卖出股票，并记录这次卖出。 最后调用 record 函数，绘制5日和10日均线。 12.3 设置量化策略的回测参数 双均线量化策略编写完成后，就可以进行回测了。
12.4 双均线量化策略的回测详情
第12章 Python 量化策略的回测 如果是一天内的分钟序列，即构成一根日线K线，又称日线Bar，如 图12.8所示。 蒉 司线 万科A MA5:29.57+ MA10:29.82| 1A20:31.26+ MA3| 42.24 H服 加自选 均线 除权 叠窗 43.06 40.32 37.57 K 致图 34.83 32.09 …29.34 27.42一 12 02 •图12.8 03 日线Bar 04 2. 频率详解 当选择“每天” 频率时，算法在每根日线 Bar 上都会运行一次，即每天运行一次。 选择“分钟”钟频率时，算法在每根分钟 Bar上都会运行一次，即每分钟运行一次。 提醒：Bar 就是时间维度上，价格在 空间维度上变化构成的数据单元。
12.5 量化策略的风险指标
Python 量化交易实战入门与技巧 a JoinQuant聚宽 商贞 的策站 販煎广场 基金投理料化 策前大赛数系帮助 量化课空 社区个人敗写 设量：2016-03-26 到 2018-03-26、¥100000.每天 C 日因分析 街分旗烈社区 赤蛋代码 中氏， 箙黠收盓 田期， 1个月 3个月. 6月 12个月 © 性脂分斬 2016-12 2017-01 2017-02 0.0000 -0.0427 -0.0147 -0.0396 -0.0605 -0.0558 0.1829 0.3455 NaN NaN 0.1169 2017-03 2017-04 2017-05 -0.0029 -0.0244 -0.0585 -0.0415 0.0047 -0.0958 -0.0095 0.1137 0.0865 0.1221 2017-06 2017-07 2017-08 0.0012 -0.0965 0.0241 0.0088
辨析题：为什么回测章节最重要的是风险指标而不是双均线？
因为真正可迁移的能力是读懂任何策略的风险画像，而不是只会复现一个案例。