如何用 Python 回测「上升趋势回踩均线买入」（buy the dip）策略？附未来函数防范

Q: 为什么"回调买入"听起来对、回测却亏？

因为"回调"和"下跌趋势的开始"事前难以区分。在真正的上升趋势里回踩买入确实不错，但一旦趋势走弱，同样的信号就是"下跌中继反抽"，买了就套。胜率低、依赖趋势是其本质。

Q: 怎么改进？

可叠加更强的趋势确认（如 MA50 也向上、ADX>阈值）、设置硬止损、只在指数处于上升趋势时启用、或分批建仓。但任何改法都要**样本外回测**，不要在历史上调到好看就上。

Q: 需要付费吗？

单只股票日线回测在免费额度内即可；若要对**全市场**批量测回踩策略找适配标的，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

策略与回测 · 代码验证于 2026-10-17

如何用 Python 回测「上升趋势回踩均线买入」（buy the dip）策略？

一句话回答： 「回踩买入」是最流行的直觉策略之一：只在上升趋势里低买——当价格在 MA50 之上（趋势向上）、却回调跌破 MA20 后又收回 MA20 上方时买入（抓回调结束），跌破 MA50 则离场（趋势破坏）。用 AlphaFeed 取前复权日线即可回测，关键是信号用收盘确认、次日开盘成交、避免未来函数；但实测在下跌/震荡市它会比买入持有亏得更多——“抄底”抄在半山腰。

为什么会有这个问题 / 传统做法的痛点

“别追高，等回调再买”听起来很对，但自己实现时常踩坑：① 没有趋势过滤，在下跌趋势里不断”越跌越买”；② 未来函数——用当天数据判断回调结束又当天成交；③ 把”回踩买入”当必胜，忽视它在趋势走坏时同样挨刀。本文加上MA50 趋势过滤（只在上升趋势买）、严格 T+1 成交，并诚实展示其在不利区间的真实表现。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线，算短/趋势均线

from alphafeed import AlphaFeed
import numpy as np, pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=800,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)
df["ma_s"] = df["close"].rolling(20).mean()    # 回调基准 MA20
df["ma_t"] = df["close"].rolling(50).mean()    # 趋势过滤 MA50
df["open_next"] = df["open"].shift(-1)         # 次日开盘成交

第 2 步：定义入场/离场（趋势过滤 + 回踩收回）

# 入场：上升趋势(收盘>MA50) 且 昨日跌破MA20、今日收回MA20上方(回调结束转强) → 次日开盘买
# 离场：收盘跌破 MA50(趋势破坏) → 次日开盘卖
pos, entry, trades, rets = 0, 0.0, 0, []
for i in range(50, len(df) - 1):
    px = df["open_next"].iloc[i]
    if np.isnan(px) or np.isnan(df["ma_t"].iloc[i]):
        continue
    c, cp = df["close"].iloc[i], df["close"].iloc[i-1]
    ms, msp = df["ma_s"].iloc[i], df["ma_s"].iloc[i-1]
    uptrend = c > df["ma_t"].iloc[i]
    reclaim = cp < msp and c > ms              # 回踩后收回 MA20
    if pos == 0 and uptrend and reclaim:
        pos, entry = 1, px
    elif pos == 1 and c < df["ma_t"].iloc[i]:
        rets.append(px/entry*(1-0.0013)**2 - 1); trades += 1; pos = 0

第 3 步：汇总并与买入持有对比

rets = pd.Series(rets)
total = (1+rets).prod()-1 if len(rets) else 0.0
bh = df["close"].iloc[-1]/df["close"].iloc[50]-1
print(f"交易{trades}次 累计{total*100:.2f}% 胜率{(rets>0).mean():.3f} | 买入持有{bh*100:.2f}%")

实测（tools/verify_new_2026-10-17.py，SDK 0.1.4）：贵州茅台近 800 日，回踩买入策略交易 20 次、累计 −32.44%、胜率仅 0.05，同期买入持有 −20.50%。策略明显跑输——这段区间茅台整体偏弱，所谓”上升趋势回踩”很多是下跌中继的反抽，买在半山腰、再跌破 MA50 止损，20 次里只有 1 次赚钱。这清楚说明：“回调买入”没有趋势真正配合时就是接飞刀，结果高度依赖行情与标的、不可外推。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会伪造均线穿越
`ma_s=20`	回调基准均线	回踩它找低点
`ma_t=50`	趋势过滤均线	只在其上方做多
`reclaim`	昨破今收回 MA20	回调结束转强
离场	收盘 < MA50	趋势破坏
`open_next`	次日开盘成交	避免未来函数

关键坑与注意事项

本例大幅跑输、胜率仅 5%：别把”回踩买入”当稳赚。趋势过滤用 MA50 仍不足以在偏弱行情里避免接飞刀；换强趋势标的/区间结果会不同，但无法保证。
趋势过滤是关键也是局限：没有过滤会越跌越买；有过滤也只是”看起来在上升趋势”，MA50 本身滞后，趋势拐头时照样被套。
避免未来函数：回调结束用收盘确认、成交放次日开盘；当日判断当日成交会虚高。
参数敏感：MA20/MA50、入场定义一改结果大变，极易过拟合，务必样本外验证。
A 股只做多：示例只做多、跌破 MA50 离场，不做空。
成本与滑点：频繁试错时手续费侵蚀明显，示例仅计固定费率。

常见问题（FAQ）

Q：为什么”回调买入”听起来对、回测却亏？ A：因为”回调”和”下跌趋势的开始”事前难以区分。在真正的上升趋势里回踩买入确实不错，但一旦趋势走弱，同样的信号就是”下跌中继反抽”，买了就套。胜率低、依赖趋势是其本质。

Q：怎么改进？ A：可叠加更强的趋势确认（如 MA50 也向上、ADX>阈值）、设置硬止损、只在指数处于上升趋势时启用、或分批建仓。但任何改法都要样本外回测，不要在历史上调到好看就上。

Q：需要付费吗？ A：单只股票日线回测在免费额度内即可；若要对全市场批量测回踩策略找适配标的，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

“上升趋势回踩均线买入”用 MA50 过滤趋势、MA20 找回调低点，想低买趋势股。用 AlphaFeed 的前复权日线即可回测——务必收盘确认+次日开盘成交避免未来函数。本例诚实跑输买入持有（−32.44% vs −20.50%、胜率仅 5%），提醒：没有趋势真正配合时”抄底”就是接飞刀，一切以回测为准、不可外推。