如何用 Python 回测 R-Breaker 枢轴点突破策略？日线简化版（避免未来函数）

Q: R-Breaker 和 Dual Thrust 有什么区别？

都用昨日价格结构定今日突破位。Dual Thrust 以**当日开盘价**为锚加减区间；R-Breaker 以**枢轴点**为中心派生多档买卖线，且原版含「突破+反转」双模式，更复杂。

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 R-Breaker 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 2026-10-12

如何用 Python 回测 R-Breaker 枢轴点突破策略？

一句话回答： R-Breaker 是经典的枢轴点（pivot）策略：用前一日的高、低、收算出中枢 pivot=(H+L+C)/3，再派生多档买卖线；本文取其突破逻辑——价格站上突破买入价 bBreak = 前高 + 2×(pivot − 前低) 做多、跌破突破卖出价 sBreak = 前低 − 2×(前高 − pivot) 离场。用 AlphaFeed 取前复权日线即可做日线简化版回测，关键是只用前一日数据算枢轴、次日开盘成交避免未来函数——实测它在震荡区间会被反复打脸、跑输买入持有，诚实呈现。

为什么会有这个问题 / 传统做法的痛点

R-Breaker 本是期货日内名策，核心是「用昨日价格结构定出今日的突破/反转价位」。很多人想移植到股票日线，却容易：① 未来函数——用当日数据算枢轴；② 把完整的 6 档位（含反转卖出/反转买入）一股脑塞进来却算错方向。本文做诚实的日线简化：只实现突破部分（bBreak 做多、sBreak 离场）、A 股只做多，并严格用前一日 H/L/C、次日开盘成交、计手续费。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线，用前一日 H/L/C 算枢轴与买卖线

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)

ph, pl, pc = df["high"].shift(1), df["low"].shift(1), df["close"].shift(1)  # 前一日 H/L/C
pivot   = (ph + pl + pc) / 3
b_break = ph + 2 * (pivot - pl)     # 突破买入价（上轨）
s_break = pl - 2 * (ph - pivot)     # 突破卖出价（下轨，离场参考）

shift(1) 是避免未来函数的关键：今天的买卖线只用到昨天的高低收。

第 2 步：回测（收盘确认突破、次日开盘成交、计手续费）

df["open_next"] = df["open"].shift(-1)
pos, entry, trades, rets = 0, 0.0, 0, []
for i in range(2, len(df) - 1):
    px = df["open_next"].iloc[i]
    c = df["close"].iloc[i]
    if np.isnan(b_break.iloc[i]) or np.isnan(px):
        continue
    if pos == 0 and c > b_break.iloc[i]:       # 收盘站上 bBreak → 次日开盘做多
        pos, entry = 1, px
    elif pos == 1 and c < s_break.iloc[i]:     # 收盘跌破 sBreak → 次日开盘离场
        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
win = (rets > 0).mean() if len(rets) else float("nan")
bh = df["close"].iloc[-1] / df["close"].iloc[2] - 1
print(f"交易{trades}次 累计{total*100:.2f}% 胜率{win:.3f} | 买入持有{bh*100:.2f}%")

实测（tools/verify_new_2026-10-12.py，SDK 0.1.4）：贵州茅台近 800 日，R-Breaker 突破版交易 17 次、累计 −33.96%、胜率 0.294，同期买入持有 −17.76%。本例策略明显跑输买入持有——bBreak 定在前高之上较远，突破常是”末端追高”，震荡市被反复止损。这说明：经典名策直接套到个股日线未必有效，必须回测验证、不可想当然。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会伪造突破
`pivot`	(前高+前低+前收)/3	中枢
`b_break`	前高 + 2×(pivot−前低)	突破买入价（上轨）
`s_break`	前低 − 2×(前高−pivot)	突破卖出价（下轨）
`shift(1)`	用前一日数据	避免未来函数的关键
`open_next`	次日开盘成交价	收盘确认→次日成交

关键坑与注意事项

本例跑输买入持有：别把它当”赚钱策略”。突破系统在震荡市频繁假突破、追高被套，−33.96% vs 买入持有 −17.76% 就是教训；结果高度依赖品种与区间，不可外推。
这是日线简化版：R-Breaker 原为日内策略，依赖盘中触发与多档反转位；日线版丢了盘中信息，仅作结构演示，不代表原策略表现。
避免未来函数：枢轴必须用 shift(1) 的前一日数据，成交放次日开盘。
只实现了突破、未做反转：完整 R-Breaker 还有 sSetup/sEnter/bSetup/bEnter 的反转逻辑，本文为清晰起见省略。
胜率低且亏损：29% 胜率叠加追高，说明参数/逻辑与该标的不匹配，需重新设计而非硬套。
成本敏感：频繁进出时手续费/滑点影响大。

常见问题（FAQ）

Q：R-Breaker 和 Dual Thrust 有什么区别？ A：都用昨日价格结构定今日突破位。Dual Thrust 以当日开盘价为锚加减区间；R-Breaker 以枢轴点为中心派生多档买卖线，且原版含「突破+反转」双模式，更复杂。

Q：为什么我套用后也亏？能调好吗？ A：突破策略对品种、周期、参数极敏感，个股日线上常被震荡市消耗。可尝试加趋势过滤、改用日内数据、或换更适配的标的，但务必样本外验证，避免过拟合。

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 R-Breaker 找适配标的，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

R-Breaker 用前一日高低收算枢轴并派生买卖线，突破上轨做多、跌破下轨离场。用 AlphaFeed 的前复权日线即可复现日线简化版——务必 shift(1) 枢轴、次日开盘成交、计手续费。本例诚实地跑输买入持有（−33.96% vs −17.76%、胜率仅 29%），提醒：经典名策直接套个股日线未必有效，一切以回测为准、不可外推。