零基础用Python写你的第一个量化策略：从想法到回测，100行代码就够

**摘要**：别被「量化交易」四个字吓住。今天道道带你用Python，从零写一个能跑通的双均线策略，从取数据、算指标、模拟买卖到出收益曲线，全程100行左右代码。看完你也能动手搭一个属于自己的小回测。作者：道道。

很多朋友后台问我：道道，我也想做量化，但我不是程序员，数学也一般，是不是就彻底没戏了？

我的回答是：别慌，真的没你想的那么难。

量化这个东西，听着高大上，剥开来看就三层：「有个想法 → 写代码验证 → 看数据说话」。 你不会的是第二层，但第一层和第三层，其实你早就天天在做——你想过「跌了买、涨了卖」就是一个想法；你亏了钱心疼、赚了钱开心，就是在用感觉看结果。

今天这篇，我就把中间那道最厚的墙——「写代码」——帮你拆掉。用 Python，写一个最小可用的双均线策略，带完整回测。你不用成为程序员，跟着敲一遍，你就迈出了量化的第一步。

一、先把「量化」这事想明白

先说句大实话，免得你走弯路：量化不是印钞机，它是一套「把规则写死、让机器执行、用数据验证」的方法论。

它的价值不在「聪明」，而在「纪律」。

人最大的毛病是什么？是情绪。涨了贪、跌了怕、拿不住、追高杀跌。机器没有情绪，它只会老老实实执行你定好的规则，然后告诉你：这套规则，历史上到底赚不赚钱。

所以今天这个策略，我不指望它帮你暴富，我只希望它让你体会到一件事：「把想法变成能验证的东西」，这件事本身有多爽。

二、写代码前，先想清楚你的「想法」

好的量化，先有想法，后有代码。我今天给你讲个最简单也最经典的入门想法——双均线。

规则就三条，小学生都能懂：

算一个「短期均线」（比如过去5天的平均价，MA5）。
算一个「长期均线」（比如过去20天的平均价，MA20）。
**短期均线上穿长期均线 → 买入；下穿 → 卖出。**

翻译成人话：短期趋势变强了，跟着买；短期趋势转弱了，赶紧撤。就这么简单。

你看，策略的「魂」从来不在于代码，而在于你脑子里的规则。 想清楚规则，代码只是把规则翻译成机器听得懂的话而已。

三、动手：把想法翻译成代码

环境假设你装好了 Python 和 pandas（没有的话 pip install pandas 装一下就行）。我们分四步走。

第1步：拿数据

做量化第一件事是拿到价格数据。这里我用最省事的方式——直接造一段模拟数据来演示流程（真实环境你可以用 tushare、akshare 这类免费库拉A股历史行情）：

import pandas as pd

# 扩展为 30 个模拟收盘价（包含原数据并新增后续走势）
prices = [
    10.0, 10.2, 10.1, 10.5, 10.8, 10.6, 11.0, 11.4, 11.2, 10.9,
    11.1, 10.7, 10.4, 10.6, 10.9, 11.3, 11.6, 11.8, 12.0, 12.3,
    12.1, 11.9, 11.7, 11.5, 11.8, 12.2, 12.5, 12.7, 12.4, 12.6
]
df = pd.DataFrame({"close": prices})

第2步：算均线

均线就是「过去N天的平均值」，pandas 一行搞定：

# 计算均线（MA5 和 MA20）
df["ma5"] = df["close"].rolling(5).mean()
df["ma20"] = df["close"].rolling(20).mean()

注意：MA20需要至少20个数据点，所以前面的行是空的（NaN）。真实做策略时数据要足够长。

第3步：生成买卖信号

这就是把「上穿买入、下穿卖出」翻译成代码的地方。我习惯用「信号位移」来判断穿越——昨天短期均线在长期均线下面，今天跑到上面了，就是上穿：

# 生成信号：1=金叉买入，-1=死叉卖出，0=无操作
df["above"] = df["ma5"] > df["ma20"]
df["signal"] = df["above"].astype(int).diff()

第4步：模拟资金曲线（最小回测）

这一步是整个量化的「灵魂」——把信号变成钱。逻辑：有信号就按收盘价成交，然后看账户里钱怎么变：

# 回测循环（按收盘价交易）
cash = 10000.0
position = 0
equity = []

for i in range(len(df)):
    price = df["close"].iloc[i]
    sig = df["signal"].iloc[i]

    if sig == 1 and position == 0:          # 金叉买入
        position = 1
        cash -= price * 100
    elif sig == -1 and position == 1:       # 死叉卖出
        position = 0
        cash += price * 100

    equity.append(cash + position * price * 100)

df["equity"] = equity
print("最终资产：", round(equity[-1], 2))

跑完你会发现，策略有赚有亏，这是正常的。重点不是你这次赚了多少，而是你已经能把「一个想法」变成「一串看得见摸得着的数字」了。

四、回测通过 ≠ 就能赚钱，这三个坑你必须知道

代码跑通了，很多人就热血上头了，觉得「我找到财富密码了」。打住！ 回测只是入门券，离赚钱还差十万八千里。我给你提三个必须警惕的坑：

坑1：过拟合。 你有没有为了「让回测曲线好看」而疯狂调参数？今天 MA5/MA20 亏，就改 MA10/MA30，改到看着顺眼为止？这叫过拟合，是量化新手第一大坑。参数是拿历史数据「试」出来的，不是「算」出来的，未来大概率不灵。

坑2：没算手续费和滑点。 真实交易不是免费的。每次买卖都有手续费，市价成交也有滑点（你想买的价，不一定买得到）。我上面这个极简回测完全没算成本，所以结果偏乐观。真实收益 = 回测收益 − 交易成本，成本越高，策略越难赚。

坑3：样本太少。 我上面就用了18个数据点，根本没统计意义。真实回测，至少要用几年、几千根K线。数据太短的回测，跟掷硬币没区别。

记住一句话：回测最大的作用，不是告诉你「能赚」，而是帮你在真金白银砸进去之前，先看看「会不会亏」。

五、接下来你该做什么？

今天这篇只是个「开胃菜」，让你尝尝量化的味道。如果你真被勾起了兴趣，建议按这个顺序往下走：

**把上面的代码真正敲一遍、跑一遍**，哪怕只改一个参数，看看结果怎么变。
换一段**真实的历史数据**（用 akshare 拉个指数或ETF的行情），重跑一遍，感受真实数据的颗粒感。
加上**手续费和滑点**，让回测更真实。
学会看**最大回撤**——也就是最惨的时候亏了多少，这比「赚多少」更重要。

量化是一场马拉松，不是百米冲刺。别想着一个月暴富，先把「跑通、看得懂、说得出为什么」这三件事做好。

FAQ

Q1：我完全不会编程，真的能学量化吗？

能。Python 是公认对新手最友好的语言，今天这篇的代码你照着抄就能跑。你不需要懂底层原理，先「跑起来、看到结果」，信心就有了。之后再一点点补数学和编程基础。

Q2：量化策略一定能赚钱吗？

一定不能保证。任何策略都有失效的时候，回测赚钱不代表未来赚钱。量化给你的不是「保证」，而是「纪律」和「可验证」。把期望放低，把它当成一门手艺去学，反而更容易有收获。

Q3：我不会代码，用现成的量化平台可以吗？

可以，也是一种选择。现在有很多图形化、拖拽式的量化平台，不用写代码也能搭策略。但我的建议是：如果真想长期做，多少学点 Python，因为平台的限制终究比较多，会写代码你才真正自由。

Q4：做量化需要多少钱才能开始？

不需要很多。初期完全可以先用模拟盘和回测练手，一分钱不用花。等你对策略有信心了、理解了风险，再考虑用很小一笔资金去实盘验证。先学会不亏，再谈赚钱。

Q5：今天这个双均线策略靠谱吗？

它最大的价值是「教学」，不是「赚钱」。双均线是最经典、最基础的趋势策略，用来入门理解「规则→信号→回测」的完整流程非常合适，但别指望它长期稳定盈利。把它当成你量化的第一个台阶，而不是终点。

更多量化干货、策略复盘和实操资料，请搜索「道道量化」，或访问官网看看。

本文由「道道量化·1848」原创，作者：道道，仅供学习参考，不构成投资建议。市场有风险，投资需谨慎。欢迎转载，请保留原文并注明出处。

【全网发布】本文同步发布于：雪球、知乎、百家号、头条、公众号、东方财富等，品牌统一：道道量化·1848 | 官网 www.1848.cn

零基础用Python写你的第一个量化策略：从想法到回测，100行代码就够