hmo/MoFin
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat: v_mr 均值回复策略 v2——10y全市场验证通过(21690笔/53.6%WR/avg+3.34%)

Browse Source 
- 独立均值回复引擎: MA60下>10%+RSI≤42+60日跌>15%+小盘≤1500万+RSI止跌≥2
- 出场: 止盈+18%/止损-8%/25天, 移除MA20反弹截断(v1毒药)
- backtest_framework: prepare_bars 补 amount 字段(千元)
- 大盘上下文: sh000001 2016-2020 数据从 sector_index_daily 回填 stock_daily
- 验证: sideways(ADX)过滤有害(206.6%→147.9%), mkt_mode=any 最优
- docs/v_mr_strategy.md 完整策略文档
This commit is contained in:
hmo
2026-08-02 15:02:10 +08:00
parent fe54fe041d
commit b676d85c41
4 changed files with 603 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
backtest_framework.py
+2
View File
@@ -158,6 +158,7 @@ def prepare_bars(code, start_date, end_date):
highs = [r[3] for r in rows]
lows = [r[4] for r in rows]
volumes = [r[5] for r in rows]
amounts = [r[6] if len(r) > 6 else None for r in rows]
# 计算全部指标
ma5 = calc_ma(closes, 5)
@@ -203,6 +204,7 @@ def prepare_bars(code, start_date, end_date):
'high': highs[i],
'low': lows[i],
'volume': volumes[i],
'amount': amounts[i] if i < len(amounts) else None,
'ma5': ma5[i] if i < len(ma5) else None,
'ma10': ma10[i] if i < len(ma10) else None,
'ma20': ma20[i] if i < len(ma20) else None,
docs/v_mr_strategy.md
+112
View File
@@ -0,0 +1,112 @@
# v_mr 策略文档：小盘深超跌均值回复
> 创建：2026-08-02 ｜ 引擎版本：v2（合并自 mr_engine_v2.py） ｜ 状态：✅ 已通过 10y 全市场验证
## 1. 策略一句话
**买入"跌过头的小盘股"，等它反弹回均值**。与 v_next4（追趋势）互补，专攻震荡市/熊市里被错杀的超跌股。
## 2. 背景与动机（为什么建这个策略）
- 翻倍股分析发现：**77% 的翻倍股诞生于震荡/中性市**，只有 23% 诞生于趋势市。
- 趋势引擎（v7.1 评分体系）天然只在趋势市出手，**震荡市是它的盲区**。
- 尝试把趋势引擎改成均值回复（test_vmr/scan_vmr 系列）**全部失败**——评分体系是趋势导向的（追动量、追突破），改 filters 是硬套，方向就错了。
- 结论：均值回复必须**独立建一套入场逻辑**，不走 score/momentum 评分体系。
## 3. 入场逻辑（v2 最终版）
| 因子 | 参数 | 含义 | 来源 |
|------|------|------|------|
| `bias60` | ≤ -10%（单边，无下限） | 价格比 MA60 低超过 10% = 深超跌 | 翻倍股起点 bias60≤-15.75%，取 -10 捕获"超跌未崩"区间 |
| `rsi_max` | ≤ 42 | RSI 超卖 | 翻倍股起点 RSI≤44.8 |
| `prev_ret60` | ≤ -15%（单边，无下限） | 60 日跌幅超 15% | 翻倍股起点 prev_ret60≤-10% |
| `mom20_max` | ≤ 5% | 20 日动量低（不追已反弹的） | 均值回复前提：还在低位 |
| `amount_max` | ≤ 15（百万元） | 20 日均成交额 ≤ 1500 万元 = 小盘 | 翻倍股成交额极小；大票超跌≠错杀 |
| `rsi_delta_min` | ≥ 2 | RSI 5 日回升 ≥ 2 = 止跌确认 | 离线重放发现：不加止跌确认 avg 2.41% → 加后 3.01% |
| `mkt_mode` | `any` | 不限大盘 | **10y 验证：sideways 过滤有害**（见 §7） |
**次日开盘价入场**（信号日收盘确认，次日 open 成交）。
## 4. 出场逻辑（v2 最终版）
| 出场 | 参数 | 说明 |
|------|------|------|
| `target`（止盈） | +18% | 让利润跑向目标，不截断 |
| `stop`（止损） | -8% | 固定止损 |
| `time`（时间） | 25 个交易日 | 超时按收盘价平仓 |
**关键修复（v1 → v2）**：v1 有 "反弹到 MA20 止盈" 出场（`ma20_revert`）。实测这是**毒药**：
- 超跌票 MA20 就在头顶 2-3%，反弹到 MA20 只赚 2-3% 就卖
- 而止损是 -8%，盈亏比严重倒挂
- v2 删除 MA20 出场后，avg 由负转正（200 笔测试中 136 笔走 ma20_revert 的 avg +3.29% 看着还行，但大量本该到 +18% 的票被 2-3% 截断了）
## 5. 参数是怎么定出来的（完整推导链）
1. **翻倍股共性因子**（分析 10 年翻倍股）：起点集中在 小盘 + MA60 下方深跌 + 近期跌 + RSI 偏低 + 低动量。
2. **v1 松版基线**（strategy_lab.py 首版）：923,603 笔 / wr 61.4% / avg **-0.1%** —— 入场太松 + MA20 出场倒挂，白忙活。
3. **离线重放定参**（replay_mr 系列，用 92 万入场点重放不同出场规则，秒级测参）：
- 第 1 轮：确认 MA20 出场全负，去掉后 avg 转正；入场收紧显效。
- 第 2 轮：最紧入场（bias≤-10/amount≤15/prev≤-15/rsi≤42）→ 13,637 笔 avg 2.41%。
- 第 3 轮：`rsi_delta≥2`（止跌确认）→ avg 3.01% / wr 53.6%；`rsi_delta≥3` → 3.15%。
- 第 4 轮：`tp18/sl8/25d` → 9,082 笔 / avg 3.16% / wr 54.8%。年度分布健康（2018 熊市 4098 笔 +4.19%）。
4. **真实 10y 全市场验证**（mr_engine_v2.py）：见 §6，avg 3.34% vs 离线预测 3.16%，**对齐良好**。
## 6. 验证结果（10y：2016-07-01 ~ 2026-07-24，A 股全市场）
| 指标 | 数值 |
|------|------|
| 交易笔数 | 21,690 |
| 胜率 | 53.6% |
| 平均收益/笔 | +3.34% |
| 平均盈利 | +11.9% |
| 平均亏损 | -6.56% |
| 平均持仓 | 16.9 天 |
| 组合 10y（等权 5 仓） | +332.1%（年化 15.6%，回撤 45.4%） |
| 组合 10y（满仓模拟） | +208.8%（年化 11.8%，回撤 26.0%） |
| 覆盖月份 | 107 个月，universality 76.0 |
| 出场分布 | target 5,851（+18%）、stop 7,374（-8%）、time 8,465（+3.09%） |
**年度分布（组合口径）**：2018 熊市大量出手（10,163 笔）；2019 +49%；2025 +25%；2026 当前 -12.6%（见 §7）。
## 7. 踩过的坑（重要教训）
1. **MA20 反弹止盈是毒药** —— 均值回复的票反弹空间只有 2-3% 到 MA20，必须让利润跑向 +18%。
2. **bias_min/ret_min 硬截断会漏掉最深超跌** —— v1 用 `bias∈[-14,-2]` 双端限制，最超跌的票（bias<-14）反而被挡在外面。v2 改单边（只设上界不设下界）。
3. **sideways 过滤（ADX<25 才出手）有害** —— 10y 全市场验证：过滤后收益 206.6% → **147.9%**。趋势市里买超跌反弹力度更大，强制过滤掉的是赚钱交易。
4. **MA20 方向过滤无一致规律** —— 2018 熊市大盘 MA20 下抄底反而赚钱（wr 63%），2026 年上下都亏。不能用于过滤。
5. **2026 年亏损是市场环境问题，不是策略缺陷** —— 2026-05 起全面恶劣（wr 9-24%），v_mr 在这种环境天然吃亏，此时应切 v_next4（2026 +18.9%）。这正是组合互补的意义。
6. **大盘上下文数据曾缺失** —— sh000001 在 stock_daily 只有 2021-07 起，2016-2020 数据在 sector_index_daily。已回填（2026-08-02），mkt_adx 覆盖从 23% → 90%。
## 8. 与 v_next4 的分工（组合互补性验证结论）
| 维度 | v_next4（趋势） | v_mr（均值回复） |
|------|----------------|-----------------|
| 出手时机 | **100% 大盘 MA20 上方**（强趋势市） | 83% 在大盘 MA20 下方/震荡市 |
| 典型年份 | 2025 +29.8%、2022 +16.2% | 2019 +49%、2021 +23.7% |
| 2018 熊市 | 0 笔（完全不出手） | 10,163 笔（主战场） |
| 2026 趋势市 | +18.9%（主力） | -12.6%（回避） |
| 股票池 | 58 只（大市值趋势票） | 1,753 只（小盘超跌票） |
| 信号重叠 | 21 个重叠日/10 年（竞争极少） | —— |
**合并价值**：v_mr 单独 10y +206.6%，叠加 v_next4 覆盖牛市暴利段后 +302.1%（cagr 14.8%，dd 26.2%）。两策略按市场周期轮动，互不抢信号。
## 9. 代码位置
- **引擎（合并后）**：`strategy_lab.py` → `run_mr_backtest()`（v2 版本，含 skip_stats 统计）
- **注册**：`strategy_lab.py` → `register_mr_strategy()`（B 类策略，不进 v7.1 评分体系）
- **独立副本（历史）**：`mr_engine_v2.py`（v2 修复版，已合并，保留作参考）
- **数据**：`data/mofin.db` → `strategy_research` 表（version='v_mr'，最新一条 = v2 10y 21690 笔）
- **离线重放脚本**：`/tmp/replay_mr*.py`（历史调参用）
## 10. 运行方式
```python
import strategy_lab as lab
lab.register_mr_strategy('v_mr', 'v_mr: 小盘深超跌均值回复', summary, hypothesis,
{'bias_max': -10, 'rsi_max': 42, 'ret_max': -15, 'mom20_max': 5,
'amount_max': 15, 'rsi_delta_min': 2, 'mkt_mode': 'any'},
{'tp_pct': 0.18, 'sl_pct': 0.08, 'max_hold_days': 25}, slots=5)
r = lab.run_mr_backtest('v_mr', '2016-07-01', '2026-07-24', 913000, save=True, universe='a', period_tag='10y')
```
> ⚠️ 注册须在跑测前调用（v_mr 不进 STRATEGIES 持久化注册表）。universe='a' = A 股；'all' 含港股（港股 HSI 上下文另算）。
mr_engine_v2.py
+250
View File
@@ -0,0 +1,250 @@
#!/usr/bin/env python3
"""mr_engine_v2: 修复版独立均值回复引擎
修复1: 移除 MA20 反弹出场（超跌票 MA20 太近，反弹到 MA20 只赚 2-3%，盈亏比倒挂）
修复2: bias_min/ret_min 支持 None=单边不限制（离线验证用的是单边 ≤-10）
"""
import sys, os, sqlite3, json, math
from datetime import datetime, timedelta
sys.path.insert(0, '/home/hmo/MoFin')
import strategy_lab as lab
def run_mr_v2(strategy_version, start_date, end_date, capital=913000,
save=True, universe='all', period_tag='10y'):
strat = lab.get_strategy(strategy_version)
cfg = strat['config']
entry_cfg, exit_cfg = cfg['entry'], cfg['exit']
mr = entry_cfg.get('mr', {})
fetch_start = (datetime.strptime(start_date, '%Y-%m-%d') - timedelta(days=200)).strftime('%Y-%m-%d')
lab.prepare_market_context(fetch_start, end_date)
lab.prepare_sector_context(start_date, end_date)
lab.prepare_flow_context(fetch_start, end_date)
lab.prepare_weekly_context(fetch_start, end_date)
lab.prepare_news_context(start_date, end_date)
conn = sqlite3.connect(lab.DB_PATH)
stocks = conn.execute("""
SELECT DISTINCT sd.code, COALESCE(s.name, sd.code) as name
FROM stock_daily sd LEFT JOIN stocks s ON sd.code = s.code
WHERE sd.date>=? AND sd.date<=?
""", (start_date, end_date)).fetchall()
conn.close()
if universe == 'hk':
stocks = [(c, n) for c, n in stocks if lab.is_hk_code(c)]
elif universe == 'a':
stocks = [(c, n) for c, n in stocks if not lab.is_hk_code(c)]
trades = []
screened = 0
skip_stats = {'no_bars': 0, 'bias': 0, 'rsi': 0, 'ret60': 0, 'mom20': 0,
'amount': 0, 'rsi_delta': 0, 'mkt': 0, 'next_open': 0}
for code, name in stocks:
screened += 1
bars = lab._bars(code, fetch_start, end_date)
if not bars or len(bars) < 70:
skip_stats['no_bars'] += 1
continue
i = 60
while i < len(bars):
if bars[i].get('date', '') < start_date:
i += 1
continue
b = bars[i]
close = b.get('close') or 0
ma60 = b.get('ma60') or 0
rsi = b.get('rsi')
if close <= 0 or ma60 <= 0 or rsi is None:
i += 1
continue
# 1. MA60 下方超跌（单边）
bias60 = (close - ma60) / ma60 * 100
bmin = mr.get('bias_min')
bmax = mr.get('bias_max')
if bmin is not None and bias60 < bmin:
skip_stats['bias'] += 1; i += 1; continue
if bmax is not None and bias60 > bmax:
skip_stats['bias'] += 1; i += 1; continue
# 2. RSI 超卖
if rsi > mr.get('rsi_max', 50):
skip_stats['rsi'] += 1; i += 1; continue
# 3. 近期下跌（单边）
if i >= 60:
prev60 = bars[i-60].get('close') or 0
prev_ret60 = (close - prev60) / prev60 * 100 if prev60 > 0 else 0
else:
prev_ret60 = 0
rmin = mr.get('ret_min')
rmax = mr.get('ret_max')
if rmin is not None and prev_ret60 < rmin:
skip_stats['ret60'] += 1; i += 1; continue
if rmax is not None and prev_ret60 > rmax:
skip_stats['ret60'] += 1; i += 1; continue
# 4. 低动量
prev20 = bars[i-20].get('close') or 0
mom20 = (close - prev20) / prev20 * 100 if prev20 > 0 else 0
if mom20 > mr.get('mom20_max', 5):
skip_stats['mom20'] += 1; i += 1; continue
# 5. 小盘（20日均成交额，百万元）
amt20 = [x.get('amount') or 0 for x in bars[max(0, i-19):i+1]]
amt_valid = [a for a in amt20 if a > 0]
amount_ma20 = sum(amt_valid) / len(amt_valid) if amt_valid else 0
amount_ma20_m = amount_ma20 / 1000.0 # 千元→百万元
if mr.get('amount_max') is not None and amount_ma20_m > mr['amount_max']:
skip_stats['amount'] += 1; i += 1; continue
# 6. 止跌回升确认（RSI 5日回升）
if i >= 5:
rsi0 = bars[i-5].get('rsi')
rsi_delta = (rsi - rsi0) if rsi0 is not None else 0
else:
rsi_delta = 0
if rsi_delta < mr.get('rsi_delta_min', -2):
skip_stats['rsi_delta'] += 1; i += 1; continue
# 7. 大盘状态
date = b.get('date')
mk = lab.mkt_ctx(date, code)
mkt_adx = mk.get('adx')
mkt_above = mk.get('above_ma20')
mkt_mode = mr.get('mkt_mode', 'any')
if mkt_mode == 'sideways':
if mkt_adx is not None and mkt_adx >= 25 and mkt_above:
skip_stats['mkt'] += 1; i += 1; continue
elif mkt_mode == 'bear':
if mkt_above is True:
skip_stats['mkt'] += 1; i += 1; continue
# 次日开盘入场
if i + 1 >= len(bars):
skip_stats['next_open'] += 1; i += 1; continue
ep = bars[i+1].get('open') or close
if ep <= 0:
skip_stats['next_open'] += 1; i += 1; continue
# ── 出场（均值回归：让利润跑向止盈，无 MA20 截断）──
tp_pct = exit_cfg.get('tp_pct', 0.18)
sl_pct = exit_cfg.get('sl_pct', 0.08)
max_hold = exit_cfg.get('max_hold_days', 25)
target = ep * (1 + tp_pct)
stop = ep * (1 - sl_pct)
future = bars[i+1:i+1+max_hold]
exit_price = exit_reason = None
hold_days = 0
for k, fb in enumerate(future):
fh, fl, fc = fb.get('high') or 0, fb.get('low') or 0, fb.get('close') or 0
if fl <= stop:
exit_price, exit_reason, hold_days = stop, 'stop', k+1
break
if fh >= target:
exit_price, exit_reason, hold_days = target, 'target', k+1
break
if exit_price is None:
exit_price = future[-1].get('close') if future else ep
exit_reason, hold_days = 'time', len(future)
pnl = (exit_price - ep) / ep * 100 if ep > 0 else 0
factors = lab.calc_factors(bars, i)
factors.update({
'bias60': round(bias60, 2),
'prev_ret60': round(prev_ret60, 2),
'mom20': round(mom20, 2),
'amount_ma20': round(amount_ma20_m, 2),
'mkt_adx': mkt_adx,
'mkt_above_ma20': mkt_above,
'rsi_delta': round(rsi_delta, 2),
})
sc_ctx = lab.sector_ctx(code, date)
factors['sector_change'] = sc_ctx.get('change')
factors['sector_rank_pct'] = sc_ctx.get('rank_pct')
factors['sector_adx'] = sc_ctx.get('adx')
factors['sector_above_ma20'] = sc_ctx.get('above_ma20')
factors['sector_slope'] = sc_ctx.get('slope')
trades.append({
'code': code, 'name': name,
'entry_date': date,
'entry_price': round(ep, 2),
'exit_price': round(exit_price, 2),
'profit_pct': round(pnl, 2),
'exit_reason': exit_reason,
'hold_days': hold_days,
'score': 0, 'score_comp': {},
'kelly': 0, 'stop_loss': round(stop, 2),
'target': round(target, 2),
'dna': False,
'factors': {k: (round(v, 3) if isinstance(v, float) else v)
for k, v in factors.items()},
})
i += 1
print(f"skip_stats: {skip_stats}")
summary = lab.calc_summary(trades, capital)
if summary:
_y0 = datetime.strptime(start_date, '%Y-%m-%d')
_y1 = datetime.strptime(end_date, '%Y-%m-%d')
_bt_years = max((_y1 - _y0).days / 365.0, 0.5)
slots = lab.STRATEGY_SIZING.get(strategy_version, 5)
for t in trades:
t['boost'] = 1.0
summary['portfolio'] = lab.portfolio_sim(trades, capital, slots)
summary['sizing_slots'] = slots
summary['portfolio_full'] = lab.portfolio_sim_full(trades, capital)
_tr = summary['portfolio'].get('total_return_pct', 0) / 100
_tf = summary['portfolio_full'].get('total_return_pct', 0) / 100
summary['portfolio']['cagr_pct'] = round((((1 + _tr) ** (1 / _bt_years)) - 1) * 100, 1)
summary['portfolio_full']['cagr_pct'] = round((((1 + _tf) ** (1 / _bt_years)) - 1) * 100, 1)
result = {
'strategy': strat['version'],
'strategy_name': strat['name'],
'market': universe,
'period': f"{start_date} ~ {end_date}",
'period_tag': period_tag,
'capital': capital,
'total_stocks_screened': screened,
'scored_events': len(trades),
'trades': trades,
'summary': summary,
}
if save:
lab.save_result(strat, result)
return result
if __name__ == '__main__':
ST, EN = '2016-07-01', '2026-07-24'
mr_cfg = {
'bias_max': -10, # 单边：MA60 下方超过 10%（无下限）
'rsi_max': 42,
'ret_max': -15, # 单边：60日跌超 15%（无下限）
'mom20_max': 5,
'amount_max': 15, # 百万元 = 1500万日成交额
'rsi_delta_min': 2,
'mkt_mode': 'any',
}
exit_cfg = {'tp_pct': 0.18, 'sl_pct': 0.08, 'max_hold_days': 25}
lab.register_mr_strategy('v_mr', 'v_mr: 小盘深超跌均值回复',
'独立均值回复引擎v2: MA60下>10%+RSI≤42+60日跌>15%+小盘(≤1500万)+RSI止跌≥2; 止盈18%/止损8%/25天; 无MA20截断',
'翻倍股77%诞生于震荡市; 深超跌+小盘+止跌回升是均值回复金矿; 离线重放9082笔 avg3.16%/wr54.8%',
mr_cfg, exit_cfg, slots=5)
r = run_mr_v2('v_mr', ST, EN, 913000, save=True, universe='a', period_tag='10y')
s = r['summary']
pf = s.get('portfolio_full', {})
p = s.get('portfolio', {})
print(f"v_mr: trades={s['total_trades']} wr={s['win_rate']}% avg={s['avg_profit_pct']}% "
f"avg_win={s['avg_win_pct']}% avg_loss={s['avg_loss_pct']}% hold={s['avg_hold_days']}d")
print(f" portfolio: ret={p.get('total_return_pct')}% cagr={p.get('cagr_pct')}% dd={p.get('portfolio_max_dd_pct')}%")
print(f" full: ret={pf.get('total_return_pct')}% cagr={pf.get('cagr_pct')}% dd={pf.get('portfolio_max_dd_pct')}%")
print(f" months={s['universality']['months']} peak={s['universality']['peak_pct']}% uni={s['universality']['score']}")
a = lab.analyze_trade_list(r['trades'], 'v_mr')
print(f" exit: {a['exit_reasons']}")
lab.save_analysis('v_mr', a)
strategy_lab.py
+239
View File
@@ -1928,3 +1928,242 @@ if __name__ == '__main__':
a = analyze_trade_list(r['trades'], ver)
save_analysis(ver, a)
print(json.dumps(a.get('insights', []), indent=2, ensure_ascii=False))
# ══════════════════════════════════════════════════════
# 均值回复引擎 v_mr（B类策略：独立于趋势评分体系）
# 2026-08-02 新建。背景：翻倍股分析发现 77% 翻倍股诞生于震荡/中性市，
# 共性因子=小盘+MA60下方深跌+近期跌+RSI偏低+低动量（均值回复型）。
# 趋势引擎(v7.1评分体系)无法改造为均值回复——评分体系是趋势导向的，
# 此处单独建一套入场逻辑，按市场周期与 v_next4 趋势策略分工。
# ══════════════════════════════════════════════════════
def run_mr_backtest(strategy_version, start_date, end_date, capital=913000,
save=True, universe='all', period_tag='10y'):
strat = get_strategy(strategy_version)
cfg = strat['config']
entry_cfg, exit_cfg = cfg['entry'], cfg['exit']
mr = entry_cfg.get('mr', {})
fetch_start = (datetime.strptime(start_date, '%Y-%m-%d') - timedelta(days=200)).strftime('%Y-%m-%d')
prepare_market_context(fetch_start, end_date)
prepare_sector_context(start_date, end_date)
prepare_flow_context(fetch_start, end_date)
prepare_weekly_context(fetch_start, end_date)
prepare_news_context(start_date, end_date)
conn = sqlite3.connect(DB_PATH)
stocks = conn.execute("""
SELECT DISTINCT sd.code, COALESCE(s.name, sd.code) as name
FROM stock_daily sd LEFT JOIN stocks s ON sd.code = s.code
WHERE sd.date>=? AND sd.date<=?
""", (start_date, end_date)).fetchall()
conn.close()
if universe == 'hk':
stocks = [(c, n) for c, n in stocks if is_hk_code(c)]
elif universe == 'a':
stocks = [(c, n) for c, n in stocks if not is_hk_code(c)]
trades = []
screened = 0
skip_stats = {'no_bars': 0, 'bias': 0, 'rsi': 0, 'ret60': 0, 'mom20': 0,
'amount': 0, 'rsi_delta': 0, 'mkt': 0, 'next_open': 0}
for code, name in stocks:
screened += 1
bars = _bars(code, fetch_start, end_date)
if not bars or len(bars) < 70:
skip_stats['no_bars'] += 1
continue
i = 60
while i < len(bars):
if bars[i].get('date', '') < start_date:
i += 1
continue
b = bars[i]
close = b.get('close') or 0
ma60 = b.get('ma60') or 0
rsi = b.get('rsi')
if close <= 0 or ma60 <= 0 or rsi is None:
i += 1
continue
# 1. MA60 下方超跌（单边）
bias60 = (close - ma60) / ma60 * 100
bmin = mr.get('bias_min')
bmax = mr.get('bias_max')
if bmin is not None and bias60 < bmin:
skip_stats['bias'] += 1; i += 1; continue
if bmax is not None and bias60 > bmax:
skip_stats['bias'] += 1; i += 1; continue
# 2. RSI 超卖
if rsi > mr.get('rsi_max', 50):
skip_stats['rsi'] += 1; i += 1; continue
# 3. 近期下跌（单边）
if i >= 60:
prev60 = bars[i-60].get('close') or 0
prev_ret60 = (close - prev60) / prev60 * 100 if prev60 > 0 else 0
else:
prev_ret60 = 0
rmin = mr.get('ret_min')
rmax = mr.get('ret_max')
if rmin is not None and prev_ret60 < rmin:
skip_stats['ret60'] += 1; i += 1; continue
if rmax is not None and prev_ret60 > rmax:
skip_stats['ret60'] += 1; i += 1; continue
# 4. 低动量
prev20 = bars[i-20].get('close') or 0
mom20 = (close - prev20) / prev20 * 100 if prev20 > 0 else 0
if mom20 > mr.get('mom20_max', 5):
skip_stats['mom20'] += 1; i += 1; continue
# 5. 小盘（20日均成交额，百万元）
amt20 = [x.get('amount') or 0 for x in bars[max(0, i-19):i+1]]
amt_valid = [a for a in amt20 if a > 0]
amount_ma20 = sum(amt_valid) / len(amt_valid) if amt_valid else 0
amount_ma20_m = amount_ma20 / 1000.0 # 千元→百万元
if mr.get('amount_max') is not None and amount_ma20_m > mr['amount_max']:
skip_stats['amount'] += 1; i += 1; continue
# 6. 止跌回升确认（RSI 5日回升）
if i >= 5:
rsi0 = bars[i-5].get('rsi')
rsi_delta = (rsi - rsi0) if rsi0 is not None else 0
else:
rsi_delta = 0
if rsi_delta < mr.get('rsi_delta_min', -2):
skip_stats['rsi_delta'] += 1; i += 1; continue
# 7. 大盘状态
date = b.get('date')
mk = mkt_ctx(date, code)
mkt_adx = mk.get('adx')
mkt_above = mk.get('above_ma20')
mkt_mode = mr.get('mkt_mode', 'any')
if mkt_mode == 'sideways':
if mkt_adx is not None and mkt_adx >= 25 and mkt_above:
skip_stats['mkt'] += 1; i += 1; continue
elif mkt_mode == 'bear':
if mkt_above is True:
skip_stats['mkt'] += 1; i += 1; continue
# 次日开盘入场
if i + 1 >= len(bars):
skip_stats['next_open'] += 1; i += 1; continue
ep = bars[i+1].get('open') or close
if ep <= 0:
skip_stats['next_open'] += 1; i += 1; continue
# ── 出场（均值回归：让利润跑向止盈，无 MA20 截断）──
tp_pct = exit_cfg.get('tp_pct', 0.18)
sl_pct = exit_cfg.get('sl_pct', 0.08)
max_hold = exit_cfg.get('max_hold_days', 25)
target = ep * (1 + tp_pct)
stop = ep * (1 - sl_pct)
future = bars[i+1:i+1+max_hold]
exit_price = exit_reason = None
hold_days = 0
for k, fb in enumerate(future):
fh, fl, fc = fb.get('high') or 0, fb.get('low') or 0, fb.get('close') or 0
if fl <= stop:
exit_price, exit_reason, hold_days = stop, 'stop', k+1
break
if fh >= target:
exit_price, exit_reason, hold_days = target, 'target', k+1
break
if exit_price is None:
exit_price = future[-1].get('close') if future else ep
exit_reason, hold_days = 'time', len(future)
pnl = (exit_price - ep) / ep * 100 if ep > 0 else 0
factors = calc_factors(bars, i)
factors.update({
'bias60': round(bias60, 2),
'prev_ret60': round(prev_ret60, 2),
'mom20': round(mom20, 2),
'amount_ma20': round(amount_ma20_m, 2),
'mkt_adx': mkt_adx,
'mkt_above_ma20': mkt_above,
'rsi_delta': round(rsi_delta, 2),
})
sc_ctx = sector_ctx(code, date)
factors['sector_change'] = sc_ctx.get('change')
factors['sector_rank_pct'] = sc_ctx.get('rank_pct')
factors['sector_adx'] = sc_ctx.get('adx')
factors['sector_above_ma20'] = sc_ctx.get('above_ma20')
factors['sector_slope'] = sc_ctx.get('slope')
trades.append({
'code': code, 'name': name,
'entry_date': date,
'entry_price': round(ep, 2),
'exit_price': round(exit_price, 2),
'profit_pct': round(pnl, 2),
'exit_reason': exit_reason,
'hold_days': hold_days,
'score': 0, 'score_comp': {},
'kelly': 0, 'stop_loss': round(stop, 2),
'target': round(target, 2),
'dna': False,
'factors': {k: (round(v, 3) if isinstance(v, float) else v)
for k, v in factors.items()},
})
i += 1
print(f"skip_stats: {skip_stats}")
summary = calc_summary(trades, capital)
if summary:
_y0 = datetime.strptime(start_date, '%Y-%m-%d')
_y1 = datetime.strptime(end_date, '%Y-%m-%d')
_bt_years = max((_y1 - _y0).days / 365.0, 0.5)
slots = STRATEGY_SIZING.get(strategy_version, 5)
for t in trades:
t['boost'] = 1.0
summary['portfolio'] = portfolio_sim(trades, capital, slots)
summary['sizing_slots'] = slots
summary['portfolio_full'] = portfolio_sim_full(trades, capital)
_tr = summary['portfolio'].get('total_return_pct', 0) / 100
_tf = summary['portfolio_full'].get('total_return_pct', 0) / 100
summary['portfolio']['cagr_pct'] = round((((1 + _tr) ** (1 / _bt_years)) - 1) * 100, 1)
summary['portfolio_full']['cagr_pct'] = round((((1 + _tf) ** (1 / _bt_years)) - 1) * 100, 1)
result = {
'strategy': strat['version'],
'strategy_name': strat['name'],
'market': universe,
'period': f"{start_date} ~ {end_date}",
'period_tag': period_tag,
'capital': capital,
'total_stocks_screened': screened,
'scored_events': len(trades),
'trades': trades,
'summary': summary,
}
if save:
save_result(strat, result)
return result
def register_mr_strategy(version, name, summary, hypothesis, mr_cfg, exit_cfg,
slots=5, parent='v_mr_base'):
"""注册均值回复策略（B类）：独立 config 结构，不进 STRATEGIES 的 v7.1 评分体系"""
STRATEGIES[version] = {
'version': version,
'name': name,
'summary': summary,
'hypothesis': hypothesis,
'parent': parent,
'created': '2026-08-02',
'config': {
'entry': {'min_score': 0, 'min_momentum': 0,
'filters': {}, 'mr': mr_cfg},
'exit': exit_cfg,
'sizing': {'kelly': False},
'eval_step': 1,
},
}
STRATEGY_SIZING[version] = slots
return STRATEGIES[version]