stock/stock-html/docs/推荐回测方案-约定与设计.md

推荐算法回测方案 — 约定与设计

一、回测规则约定（已确认）

项目	约定	说明
10:00 买入依据	用前一交易日收盘后的全景扫描推荐	与当前应用一致，无未来数据
15:00 加仓/清仓依据	用当天中午的全景扫描数据	即当日 11:50 左右的扫描结果（与现有定时任务一致）
成交价格	用当时的实时价格	10:00 买入用 10:00 附近价，15:00 操作用 15:00 附近价；若无分钟数据则需约定近似方式
选股	每天最多买 2 只	全市场从「买入」中按推荐分取前 2 只，每只 1000 股（可配置 MAX_BUYS_PER_DAY）

二、时间线小结

• T 日 10:00：根据 T-1 日收盘后 的扫描结果，若出现「买入」则按约定选最多 2 只（推荐分从高到低），每只以 10:00 实时价 买入 1000 股。
• T 日 15:00：根据 T 日中午（约 11:50）的扫描结果，对当前持仓做 compute_recommend(..., is_holding=True)，若为「加仓」则以 15:00 实时价 加仓 1000 股，若为「卖出」则以 15:00 实时价 清仓。
• 价格：优先使用「当时实时价格」；回测若无分钟/实时数据，需在实现中明确近似规则（见下）。

三、实现要点与数据需求

3.1 10:00 推荐与价格

• 推荐：对每个交易日 T，用 T-1 收盘 的日 K 跑 detect_all_signals，再 compute_recommend(..., is_holding=False)，筛出「买入」，按约定选单只（如推荐分最高或信号数最多）。
• 价格：理想为 T 日 10:00 实时价；若无分钟数据，可用 T 日开盘价 作为近似，并在文档/结果中注明。

3.2 15:00 推荐与价格（当天中午扫描）

• 推荐：使用 T 日中午全景扫描 结果。
  • 若回测期内有历史中午扫描落库（如 stock_signal_scan 带 scan_time 或 scan_date=当日且标记为午扫），可直接用。
  • 若没有，则需在回测中模拟「当日中午」的扫描：用 T 日 11:50 前可得的数据（例如 T-1 日 K + T 日 open，或若有分钟数据则用 T 日 11:30 前数据）跑一次 detect_all_signals + compute_recommend，作为当日 15:00 决策依据，且不引入 T 日 15:00 之后的数据。
• 价格：理想为 T 日 15:00 实时价；若无分钟数据，可用 T 日收盘价 作为近似，并注明。

3.3 实时价格的回测实现

• 有实时/分钟数据：按 10:00 / 15:00 时刻取价。
• 仅日 K：在方案中明确写「回测采用：10:00 用当日 open，15:00 用当日 close」，并视为对「当时实时价格」的近似，在结果与文档中统一说明。

四、选股规则（每天最多买 2 只）

• 在「买入」列表中按推荐分从高到低排序，最多选 2 只（MAX_BUYS_PER_DAY=2）：
  • 按 recommend_rate 从高到低，同分再按 triggered_count 或信号强度排序；
  • 每只买入 1000 股（开盘价）。
• 若当日无「买入」，则不新开仓；仅对已有持仓做 15:00 的加仓/清仓判断。

五、回测程序与运行

1. 脚本位置：stock-html/backtest_recommend.py
2. 依赖：需存在表 stock_kline_daily 且含 2026 年及以后的日 K 数据（可先运行 sync_kline.py 等同步脚本）。
3. 运行：在项目根目录下执行

   cd stock-html && ./venv/bin/python backtest_recommend.py
   

4. 输出：控制台打印交易记录 + 核心统计（胜率/回撤/持仓天数/盈亏比/个股明细）；结果写入 docs/backtest_result.json。
5. 约定：10:00 用 T-1 扫描 + 开盘价，15:00 用当日中午扫描（T-1 + T 日 open 模拟）+ 收盘价，每天最多买 2 只（推荐分从高到低取前 2）。

v2 优化（2026-02-25）

优化项	说明
股价区间过滤	仅扫描 2~100 元股票，避免仙股和高价股导致金额失衡
单只最大投入	¥30,000 上限（含加仓），防止单只占比过高
最大同时持仓	8 只，分散风险
卖出冷却期	卖出后 3 天内不再买入同只，防止反复买卖
批量 K 线加载	用窗口函数一次查全市场 K 线，减少 DB 往返约 10 倍
丰富统计指标	胜率、最大回撤、平均持仓天数、盈亏比、个股盈亏明细
对比表增强	15 场景对比增加胜率/回撤/盈亏比列，标注最优场景

v3 优化（2026-02-25）

优化项	说明
基于预扫描表	直接从 stock_scan_history 读取扫描结果，无需现场计算，秒级完成回测
修复最大回撤计算	改为基于每日组合权益（持仓市值 + 累计现金流）的回撤，修复之前用现金流计算导致数值虚高的问题
新增回撤百分比	输出 max_drawdown_pct（最大回撤 / 总投入资金 × 100%）
运算符优先级修复	修复 action_taken 判断条件的括号缺失问题

以上约定已写入本文档，作为实现推荐回测的统一依据。

---

六、清仓与止盈推荐（目的：挣钱而非单纯持有）

当前回测里清仓只做一件事：推荐为「卖出」时按收盘价清仓（即 MACD 死叉且无主升浪）。
目的是「按信号纪律出场」，但没有针对「高点落袋」的规则，可能拿很久才等到卖出信号，回吐利润。

6.1 建议增加的清仓/止盈方式

在保留「信号卖出」的前提下，可增加以挣钱为导向的止盈类规则，例如：

类型	说明	目的
固定止盈	持仓浮盈 ≥ X%（如 10%、15%）时，当日 15:00 清仓	到点落袋，不贪最后一笔
高点回撤止盈	从持仓期间最高价回撤 ≥ Y%（如 8%）时清仓	近似「高点跑」，锁定大部分利润
信号卖出（现有）	推荐为「卖出」时清仓	趋势走弱时离场

可只选一种，或组合：先看是否触发止盈，若未触发再看是否触发「卖出」；若都未触发则继续持有或按原规则加仓。

6.2 推荐用法（兼顾挣钱与纪律）

• 优先：在回测中增加 固定止盈（如 10%）：
  • 每个交易日 15:00 前，若 持仓收益率 ≥ 10%，则当日 15:00 按收盘价清仓，视为「高点跑」一次。
• 可选：再增加 高点回撤止盈（如 8%）：
  • 若持仓期间最高价到当前价的回撤 ≥ 8%，则当日 15:00 清仓。
• 保留：若未触发上述止盈，仍按当前逻辑：推荐「卖出」则清仓，「加仓」则加仓，「持有」则不动。

这样既保留「按推荐买卖」的纪律，又明确加入「高点跑 / 落袋为安」的推荐，更贴近「目的是挣钱」。

---

七、如何提供/提升收益率

7.1 当前收益率指标

回测脚本已输出并写入 backtest_result.json：

• 收益率 = (总收回 - 总投入) / 总投入 × 100%，即整段回测的累计收益。
• 年化收益率 = (1 + 收益率)^(365/回测天数) − 1，折算为「若按同样节奏跑满一年」的大致水平，便于和理财/指数对比。

v2 已内置更多指标：胜率、最大回撤、平均持仓天数、盈亏比、个股盈亏明细，均在控制台和 JSON 中输出。

7.2 可操作的提升方向

方向	做法	说明
止盈	使用 --take-profit 10 等	浮盈到点即走，减少回吐；可多试 8%、12% 等找合适区间。
止损	在回测中增加「浮亏达 X% 清仓」	控制单笔最大亏损，避免深套。
高点回撤止盈	从持仓最高价回撤 Y% 时清仓	贴近「高点跑」，锁住大部分利润。
选股过滤	在「买入」列表中提高门槛	如仅选 recommend_rate≥90 或 triggered_count≥2，减少弱信号。
仓位/频率	每日买一只 vs 仅无仓时买	当前为每日买一只；若改为仅无仓时买，收益曲线会不同，可对比。
参数扫描	对止盈比例、止损比例等做网格	批量回测不同参数，看哪组年化/回撤更优。

建议先固定一套规则（如 止盈 10% + 信号卖出），跑出基准年化与回撤，再逐项加「止损」「高点回撤止盈」或选股过滤，对比同一区间下收益率与回撤的变化，再决定是否采用。