freedakgmail
132 lines
8.4 KiB
Markdown
132 lines
8.4 KiB
Markdown
# 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
|
||
```bash
|
||
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。
|