更新MR

这两天很忙，补一下日报。

仅仅写了3天的日报，就发现了 「mean reversion」策略一些关键问题，有点敏捷开发的节奏😅

近日commit事件 #

• 计算股票池的时候，添加一个参数：record_date，其用来截取历史数据；
• 按照新的股票池重新backtest；
• 在backtest中计算出胜率；
• 股票池增至 500 支；
• 暂停虚拟账单；
• 添加 「实盘日志」，并开发完成一键更新blog相关脚本；
• 修改 「信号跟踪」中的内容格式，效果如下：

20231225

• 成交记录自动入库，需将csv文件上传至云；

• 优化股票池算法；

• blog中添加了hugo-easy-gallery插件，用来展示图片；

• 修改了前几天commit¹事件中的bug:

  1 2 3

  last_s_index = len(singles) - 1 - singles[::-1].tolist().index("S") last_s_index = len(singles) - 1 - singles[::-1].tolist().index("S") if "S" in singles.tolist() else -1

mean reversion 分析简报 #

之前在策略回测的时候有个问题：回测时用的是最终的股票池，而在真实交易情况下，股票池是动态的。也就是说，用未来的数据来回测，结果必然好，而如果用现在的数据预测未来，就很难说了。

果不其然，通过模拟真实交易，收益曲线表现很差。原因有二：

• 账户资金设置问题：账户资金不足时，无法买入，数据失真；
• 股票池算法问题：收益率并非是决定策略好坏的关键因素。

针对以上问题，进行了如下优化：

• 使用胜率来优化股票池算法：win_rate >= 0.91；
• 收益率作为次要指标。

通过回测2023年数据，共交易过76支股票，交易107次，胜率为75.70%，规律可循。