量化策略源码可信吗？从回测架构到防过拟合的实战拆解

简介：一份以SVM模型为核心的量化交易策略完整源码，面向希望在实战中接触数据采集、特征工程、模型训练与组合管理的开发者，也适合金融工程方向的学生对照学习，解决从行情获取到仓位建议的整套流程问题。压缩包内共18个文件，包含10个Python脚本、7个SQL表结构文件与1个Markdown说明文档，包体仅56KB；py文件对应全流程各环节，sql文件便于初始化数据库表，md文件提供工程结构阅读指引。Python脚本按序完成利用tushare接口采集日线行情并入库、整合本地行情构建训练集、对个股进行SVM建模与预测、通过回测和推进式建模计算Precision/Recall/F1指标，最后基于马科维茨理论进行投资组合仓位配置；SQL脚本则定义股票池、资金、评估结果等表结构。读者可以获得一套可运行的量化策略工程骨架，了解从原始行情到最终仓位建议的完整数据流，也可以替换数据源或模型算法进行二次改造。目前已有3566人学习下载，适合初学者快速建立量化研究的基本流程认知，亦可供有经验者参考工程组织方式。

1. 量化策略源码：它到底是什么，值不值得亲自写

你翻出一份量化策略源码，装上依赖、改个参数，回测净值曲线漂亮得不像话，可一到模拟盘就开始连续亏钱。这种事在量化圈太常见了：源码本身没有错，错在它背后那套假设没人去验证。很多人以为拿到源码就等于拿到印钞机，但真正的问题是——你连它为什么赚钱、在什么条件下失效都说不清。这篇笔记只讲一件事：把一份“能跑”的量化策略源码，改造成一份“能信、能改、能上线验证”的量化策略源码。适合那些手里有代码但不知道怎么验证的人，也适合想从零写出第一份可回测策略的开发者。我会把信号生成、回测引擎、参数敏感性和常见翻车点一条条拆开讲，最后给你一个让策略结果可复现的收尾技巧。

2. 量化策略源码的骨架：把交易思路翻译成能跑的代码

2.1 从思路到信号的三个必经步骤

拿到一份量化策略源码，先不要急着读代码，问自己一个问题：它到底在赚什么钱？常见策略无非两类：选股型和择时型。选股型靠的是横截面上选出一篮子相对强的标的，赚的是相对收益；择时型靠的是对单标的的多空判断，赚的是绝对收益。无论哪类，源码里都跑不掉三个步骤：信号生成、仓位确定、风控约束。

信号生成负责回答“什么时候买、什么时候卖”，常见实现是因子阈值或者多条均线交叉；仓位确定回答“每一次买多少”，常见实现是固定手数、固定比例或者凯利公式变体；风控约束回答“错了怎么办”，常见实现是止损线、最大回撤熔断和单笔风险预算。很多源码把这三层搅在一起写，一个函数里又算指标又下单又调仓，这种代码跑起来没问题，但你想单独验证其中某一层时就会非常痛苦。

所以拿到源码第一步不是改参数，而是把它按这三层拆开。拆完之后，你会发现所谓量化策略源码，本质上就是一个“数据进、信号出、仓位管、风控拦”的管道。任何一个环节出问题，最终净值曲线都会说谎。下面我用一个最小可回测的骨架把这条管道串起来，这也是我自己每次验证新策略时的起点。

2.2 最小可回测的 Python 策略骨架

先给你一份可以直接跑通的双均线策略骨架。它能完成从数据加载到净值计算的全流程，也是我改任何策略之前先打底的模板：

import pandas as pd import numpy as np # 加载日线数据，列名统一为 datetime/open/high/low/close/volume df = pd.read_csv('daily_klines.csv', parse_dates=['datetime']) df = df.set_index('datetime').sort_index() fast = 10 slow = 30 # 计算双均线 df['ma_fast'] = df['close'].rolling(fast).mean() df['ma_slow'] = df['close'].rolling(slow).mean() # 生成目标持仓：1 表示持有，0 表示空仓 df['signal'] = np.where(df['ma_fast'] > df['ma_slow'], 1, 0) # 关键：用 shift(1) 避免用到当日收盘信息去交易当日 df['position'] = df['signal'].shift(1).fillna(0) # 收益计算：持有期间拿当日收益 df['ret'] = df['close'].pct_change().fillna(0) df['strategy_ret'] = df['position'] * df['ret'] # 净值曲线 df['equity'] = (1 + df['strategy_ret']).cumprod() print(df[['close', 'ma_fast', 'ma_slow', 'signal', 'position', 'strategy_ret']].head(40))

这段代码的逻辑是这样的：rolling(fast).mean()和rolling(slow).mean()算出两条均线，np.where在快线高于慢线时给出目标持仓 1，否则为 0。注意我用shift(1)把 signal 向后挪了一根 K 线，原因很简单：当根 K 线的收盘价是用来计算均线的，而收盘价只有在收盘后才知道，所以真实交易只能在下一根 K 线执行。这一步不做，你的回测结果就会被“未来函数”污染，曲线好看但实盘做不到。

参数说明：fast=10和slow=30是均线窗口，窗口越短信号越灵敏，震荡行情里反复开平仓的次数也会变多。position是 0 或 1，意味着要么全仓、要么空仓，这是最简单也最容易高估收益的仓位方式。真实交易里你不会满仓进出，但作为策略骨架，先验证信号本身有没有 alpha，比一上来就接复杂仓位模型更靠谱。

2.3 数据预处理：让源码不乱跑的底线

策略源码的输入端最容易埋雷。我收到过不少“跑不出结果”的代码，最后查下来都是数据没洗干净：时间戳重复、缺失值没人管、除权缺口让均线直接拉出假突破。所以我一般在读策略逻辑之前，会先把 K 线数据统一过一遍清洗函数：

def clean_klines(df): # 只保留需要的列并去重 df = df[['datetime', 'open', 'high', 'low', 'close', 'volume']] df = df.drop_duplicates(subset=['datetime']).sort_values('datetime') # 缺失值前向填充，保证连续交易 df = df.ffill() # 过滤成交量或价格为 0 的异常行 df = df[(df['close'] > 0) & (df['volume'] >= 0)] # 统一 datetime 索引 df = df.set_index('datetime') return df

这段清洗函数做了四件事：去重、排序、前向填充、过滤异常价格。ffill()能把停牌日或缺失的行情用上一交易日数据补齐，但要注意，如果某只股票停牌时间太长，前向填充会让价格一直横着，技术指标却仍在变化，这会在策略里产生大量“假信号”。我一般还会再加一个条件：连续填充超过 5 个交易日的数据直接置空，宁可少一个信号也不让假信号混进来。

跟数据预处理强相关的是复权问题。如果原始数据是后复权或未复权，碰上除权除息，价格会出现瞬间跳空，均线和动量因子都会把这个缺口当成真实波动，从而触发一堆不该出现的买卖点。常见做法是统一转成前复权价格后再计算指标，或者把复权因子单独存一列，在计算因子时乘上去。这一层处理不好，后面所有策略源码都是白搭。

3. 选因子还是选信号：策略源码的核心模块怎么落地

3.1 因子计算的向量化写法与常见坑

策略源码里最常看到的一段代码是因子计算。很多新手习惯用 for 循环一条条算指标，数据量一大就跑得极慢。pandas 的向量化运算几乎能覆盖 90% 的因子计算需求。以 RSI 为例，这是动量类策略里常用的指标：

def calc_rsi(close, window=14): delta = close.diff() gain = delta.clip(lower=0) loss = -delta.clip(upper=0) avg_gain = gain.rolling(window).mean() avg_loss = loss.rolling(window).mean() rs = avg_gain / avg_loss rsi = 100 - (100 / (1 + rs)) # avg_loss 为 0 时 rsi 取 100，避免除零 rsi = rsi.replace([np.inf, -np.inf], 100).fillna(50) return rsi

这个函数用rolling(window).mean()做了 N 日平均涨跌幅，完全不用 for 循环。clip(lower=0)是把负收益截断成 0，这样 gain 里只保留上涨部分；loss 则取负收益的绝对值。rs = avg_gain / avg_loss是涨跌幅比值，再换算成 0 到 100 的 RSI 值。replace([np.inf, -np.inf], 100)处理的是 avg_loss 等于 0 的极端行情，这种时候 RSI 定义为 100 是行业惯例。

参数 window 是回看周期，14 是经典值，但用在 5 分钟 K 线上和用在日线上，效果天差地别。做短线、做高频，建议把窗口压到 6 到 10；做波段，14 到 20 更稳。我这里用的是简单移动平均计算 avg_gain，如果你想更平滑，可以改成ewm(alpha=1/window).mean()，这种指数加权方式对近期行情更敏感，但也会放大噪声。选哪种没有绝对标准，关键是同一个窗口在你的整个回测期里保持固定，否则结果不可比。

3.2 入场和出场规则的两种表达：阈值与状态机

因子算完之后，下一步就是把因子值翻译成交易动作。最直接的做法是阈值判断，比如 RSI 小于 30 买入、大于 70 卖出。但直接对连续数值做阈值判断，会出现一个典型问题：RSI 在 30 附近上下反复穿越，策略就会在同一天开仓平仓好几次，手续费都不够亏的。这时候你需要的是状态机写法：

# 记录目标持仓：1 代表持仓，0 代表空仓 df['target_pos'] = np.where(df['rsi'] < 30, 1, np.where(df['rsi'] > 70, 0, np.nan)) # 前向填充：没有新信号时保持上一状态 df['target_pos'] = df['target_pos'].ffill().fillna(0) # 用 shift 避免未来函数 df['position'] = df['target_pos'].shift(1).fillna(0) # 记录状态变化点，用于查看实际交易发生的位置 df['trade_signal'] = df['position'].diff().fillna(0)

这段逻辑的关键在np.nan和ffill()。当 RSI 处于 30 到 70 之间时，target_pos 被设为 NaN，ffill()会把它补成最近一次非空的值。换句话说，只有 RSI 跌破 30 才开仓，只有升破 70 才平仓，中间无论怎么震荡都不会产生新信号。trade_signal是 position 的差分，1 表示刚进场，-1 表示刚离场，你可以用它在回测里统计交易次数。

对比纯阈值判断，状态机写法付出的代价是信号会滞后：RSI 跌破 20 也不会触发开仓，必须等它回到 30 以下。但换来的好处是交易次数大幅减少，源码在实盘里的可执行性也更高。实盘中你要么在信号出现时手动下单，要么用程序化交易接口，频繁抖动会让你疲于奔命，还会让手续费吃掉大部分利润。

3.3 参数暴露表：哪些参数必须暴露，哪些写死也无妨

拿到策略源码后，最先做的事应该是看它暴露了哪些参数。很多源码把参数写成函数里的魔法数字，改一次要和代码搏斗一次。我习惯把所有可调参数集中到一张配置表里，既方便网格搜索，也方便记录每次实验的版本。下面是我做过的一个双均线 RSI 过滤策略的参数表：

我的原则是：凡是影响买卖点判断的参数，都要暴露出来做敏感性测试；凡是只影响计算精度的参数，比如数据读取批次大小，写死就行。参数暴露得太多，网格搜索的组合数会爆炸，容易过拟合；暴露得太少，你又没法判断策略是不是只在某一组参数下才有效。至于 commission 和 slippage，它们不属于策略逻辑，但直接决定回测可不可信，必须放在最显眼的位置让所有人看到。

4. 回测与过拟合：量化策略源码的照妖镜

4.1 回测框架的选型：从零写还是用现成

市面上有不少现成的回测框架，功能齐全，集成了撮合、绩效分析和可视化。但对一份策略源码来说，我更推荐你先写一个几十行的极简回测循环，跑通逻辑后再决定要不要换框架。原因很实在：现成框架封装层次高，出了问题你很难分清是策略的问题还是框架的假设问题。从零写一遍，你对这套源码的每一步逻辑都会更有数。

下面是一个带手续费和简单资金约束的循环撮合骨架：

initial_capital = 100_000 cash = initial_capital position = 0 commission = 0.0003 # 单边万三 equity_curve = [] for bar in range(1, len(df)): # df['position'] 是已经 shift 过的目标持仓 target = int(df['position'].iloc[bar]) price = df['open'].iloc[bar] # 用开盘价成交 if target == 1 and position == 0: # 全仓买入，扣手续费 shares = int(cash / (price * (1 + commission))) cash -= shares * price * (1 + commission) position = shares elif target == 0 and position > 0: # 清仓卖出，扣手续费 cash += position * price * (1 - commission) position = 0 # 每日盯市：现金 + 持仓市值 equity_curve.append(cash + position * df['close'].iloc[bar]) df['equity'] = pd.Series(equity_curve, index=df.index[1:])

这个循环做的事很简单：目标持仓和当前持仓不一致时，先买入或卖出，再用每天的收盘价计算账户总资产。shares = int(cash / (price * (1 + commission)))里取整是模拟 A 股按手买入的限制，你如果做其他市场，可以把整数限制改成按股或按币种的最小单位。用开盘价成交，是假设信号在前一根 K 线收盘后产生，第二天开盘执行。

对比现成框架，这个手写版本没考虑涨跌停、停牌、分红等规则，但它有个明显好处：你能看到每一笔交易发生在哪一天、价格怎么取的、资金怎么变的。如果策略在某个区间净值异常跳变，你可以直接从 equity_curve 对应区间查根因。先跑通手写版，再去套现成框架，是我验证陌生源码时的标准路径。

4.2 手续费、滑点和涨跌停：回测里最容易骗自己的三处

回测结果难看，你至少知道策略不行；回测结果太好看，你反而要警惕。我见过太多源码倒在了手续费和滑点两座大山上。先看一组简单假设：双边万三手续费，加上单笔 0.1% 滑点，一个每年换手 50 次的策略，光这两项成本就是 50 × (0.0003 × 2 + 0.001) = 0.08，也就是 8%。如果你的策略年化只有 10%，扣完成本只剩 2%。

在代码里加上滑点只需一行改动：

buy_price = price * (1 + slippage + commission) sell_price = price * (1 - slippage - commission)

slippage建议至少设成 0.001 到 0.002，尤其是小市值标的或者流动性差的品种。真实交易里还有冲击成本：你下的单子越大，成交价越不利。回测里如果每次都是满仓进出，滑点按固定比例算都低估了冲击成本。

涨跌停是另一个高频高估来源。涨停板时你想买买不进，跌停板时你想卖卖不掉。很多源码的过滤方式是买入信号出现在涨停板上时仍以涨停价成交，这显然是错的。简单做法是：如果某根 K 线最高价等于涨停价，且当前是买入信号，跳过这根 K 线不成交；如果最低价等于跌停价，且当前是卖出信号，同样跳过。宁可不交易，也不能让回测做出实盘做不出的单子。

4.3 参数敏感性与样本外验证：源码能用的关键一步

策略源码到底能不能用，不看它在历史数据上赚多少，看它换一组参数、换一段行情之后还赚不赚钱。我一般会在回测之后立刻做一个参数网格扫描：

grid_results = {} for fast in range(5, 30, 5): for slow in range(30, 80, 10): if fast >= slow: continue metrics = run_backtest(fast, slow, commission=0.0003) # run_backtest 返回年化收益、最大回撤、交易次数等指标 grid_results[(fast, slow)] = metrics # 输出表现最好和最差的参数组合，对比差距 sorted_results = sorted(grid_results.items(), key=lambda x: x[1]['annual_return'], reverse=True) print("Top 5 参数组合：", sorted_results[:5]) print("Bottom 5 参数组合：", sorted_results[-5:])

这里run_backtest是封装好的回测函数，参数 fast 和 slow 作为输入。判断参数稳不稳定的方法很简单：看 Top 组合和 Bottom 组合的绩效差距。如果优参数年化 40%，但相邻参数年化只有 5%，说明策略对参数极其敏感，大概率是在某段历史行情里拟合出来的；如果一大片参数区间都有类似的年化和回撤，说明策略背后有相对稳定的统计规律。

样本外验证是参数敏感性测试的下一步。把数据按时间切成三段：前 60% 做参数优化，中 20% 做验证，最后 20% 做最终测试。只在第一段里选参数，第二段确认参数不过拟合，第三段模拟“未来”。任何源码如果没做这个切分，你看到的净值曲线都只是在自说自话。我习惯把这三段的结果都打印出来，对比年化、回撤和交易次数，如果训练段漂亮但样本外明显走平，直接弃用比纠结调参要节省时间得多。

5. 避坑与排查：量化策略源码里最常见的 5 个翻车现场

5.1 未来函数：回测好看实盘哑火的头号原因

现象：回测净值曲线几乎不回撤，交易胜率高达 80%，但同一份源码在模拟盘里连续亏损。

原因：代码里用了未来数据。最常见的是用当根 K 线收盘价计算信号，同时又在当根 K 线的收盘价附近成交，等于盘中就提前知道了收盘结果。我排查过一份源码，它的买入条件写成了df['close'] > df['ma20']，成交价却用的是df['close']，看起来只是少了一个 shift，实际上已经把未来信息偷进了回测。

解决：所有涉及收盘价计算的信号，必须先shift(1)再判断，成交价用下一根 K 线的开盘价。排查时可以写一个断言：如果position不为 0 的 K 线里，有任何一根的signal是用当前 K 线数据算出来的，直接报错。我的习惯是策略代码里永远不出现“同一根 K 线上既算信号又成交”的写法。

5.2 收益率算错：复利、基准和年化的三道关

现象：回测报告显示年化收益 50%，但你用期末净值自己一算，只有 25% 左右。

原因：年化计算方式错了。常见误用是把每日收益率的简单平均值乘以 252，这在日收益波动大时会把年化严重拉高。正确做法是用复利计算期末净值，再用净值反推年化。

total_return = equity.iloc[-1] / equity.iloc[0] - 1 trading_days = len(equity) annual_return = (1 + total_return) ** (252 / trading_days) - 1

这段代码先算整个回测期的总收益率，再按 252 个交易日折算成年化。如果你的策略持仓周期长，比如平均持有 10 天以上，用 252 这个固定数偏差不会太大；如果是日内策略，应该用分钟级交易时段数来折算，否则年化会严重失真。另外，回测报告里一定要同时给出基准收益，比如沪深 300 指数同期的涨跌幅。如果你的策略年化 15%、回撤 8%，但同期基准年化也有 20%，那这份源码的价值就大打折扣。

5.3 数据对齐错误：时间戳与复权因子

现象：回测中某只标的在除权日前后频繁出现买入信号，而且这些交易大多盈利。

原因：原始数据没有复权或复权因子使用不当。除权当天价格会断崖式下跌，均线和动量因子都会把它识别成“超跌”，于是策略不断买入，随后价格填权上涨，回测里就变成了一堆捡漏式盈利。但实盘里除权缺口不会带来真实利润，这些信号完全是数据假象。

解决：数据预处理阶段统一转成前复权价格。前复权会把历史价格按除权因子调低，保证价格连续，指标计算才可信。如果是同时跑多只标的的多标的策略，还要检查时间戳对齐：不同标的数据有时因为停牌，日期索引不一致，直接merge会把后面的数据错位映射到错误日期上。建议先用reindex对齐到统一交易日历，再前向填充缺失值。

5.4 资金管理被忽略：胜率很高却亏钱

现象：策略源码里有完整的买卖信号，统计下来胜率 65%，但账户净值持续缓慢下跌。

原因：仓位没有跟风险挂钩。常见写法是每次买入固定金额，结果盈利时仓位小、亏损时仓位大，胜率再高也扛不住不对称的盈亏分布。另一类问题是亏损后加倍仓位补仓，连续两次亏损就能把账户打穿。

解决：给策略加上简单的风险预算。我常用的做法是单笔风险不超过总资金的 1%，按下述公式计算买入数量：先根据最近 N 根 K 线的波动幅度估算止损距离，再用仓位不是按下单金额算，而是按“止损价与入场价的距离”反推股数。比如总资金 10 万、单笔风险 1% 也就是 1000 元，止损距离是 0.5 元，那买入数量就是 2000 股。这样做的好处是：不管标的波动多大，单笔亏损都在可控范围内。

5.5 源码可读性差：自己改不动、跑不重

现象：拿到源码想换个周期，从日线改成 30 分钟 K 线，结果改了三个文件还没跑通。

原因：源码里没有参数集中管理，常量散落在各个函数里，K 线周期、手续费、滑点、初始资金全是魔法数字。更麻烦的是回测结果没有记录当时的参数版本，你想复现某一张净值图，发现根本不知道用的哪组参数。

解决：把源码按“数据预处理、因子计算、信号生成、回测撮合、绩效统计”五个模块拆开，每个模块对应一个函数，主入口只调函数不写逻辑。参数使用配置字典管理，回测结束时把配置字典和结果指标一起序列化为 JSON 存档。这样下次跑出新的结果，你可以查到这个结果来自哪组参数、哪份数据，才能对比迭代。代码不怕简单，怕的是改不动。

6. 让源码经得起检验的收尾技巧：给每次回测加上数字签名

最后分享一个我踩过坑之后养成的习惯：每次回测结束时，不仅保存净值曲线，还把当次运行的完整参数和运行环境一起打包成一个 JSON 文件。听起来简单，但能救命的。有段时间我改了一个因子里的 RSI 窗口，没记录，过了两天回头看回测数据，发现净值曲线和之前不一样，怎么都想不起改了什么，最后只能把代码 git 回退一个个 commit 对比，浪费了整整一个下午。

从那次之后，我的所有策略代码都在回测函数末尾加上这段存档逻辑：

import json import time def save_backtest_record(config, metrics, equity_curve): record = { "timestamp": time.strftime("%Y%m%d_%H%M%S"), "config": config, # 包含所有参数、数据文件路径、手续费滑点假设 "metrics": metrics, # 年化、回撤、夏普、交易次数 "equity_curve_last_10": equity_curve.tail(10).tolist(), "random_seed": config.get("random_seed", 0) } with open(f"backtest_record_{record['timestamp']}.json", "w", encoding="utf-8") as f: json.dump(record, f, ensure_ascii=False, indent=2)

这段代码把配置、绩效指标、净值最后 10 个值和随机种子一起写入文件。config 里必须记录数据文件名、复权方式、手续费率、滑点率、所有策略参数和生成时间。有了这个 JSON，你可以在两周后准确回答三个问题：这个结果是用哪份数据跑的？用了哪些参数？当时的假设是什么？

我还习惯在 JSON 之外生成一份同样的 markdown 报告，里面包含参数表、样本内外绩效对比和净值图路径。别人拿到你的源码和报告，能照着跑出完全一致的结果，这才算一份合格的量化策略源码。多年下来，我发现能持续产生收益的策略，都不是靠某个神秘因子，而是靠一套让自己不会骗自己的流程。希望这个存档习惯对你也有用。

本文还有配套的精品资源，点击获取