本文观点仅供参考，不构成任何投资建议。投资有风险，入市需谨慎。
一、本周大盘走势
本周地缘政治对大A的影响还是占关键因素，美伊的战争虽然停火，但是局势仍然不是很明朗，战势随时可能反复。刚开始节后第一个交易日，各方资金都比较谨慎。但到了周三，得知美伊已经签署了停战协议，全球金融市场都亢奋起来，涨得很猛，创业板当天就飙涨了5.91%。但后面两天明显又偏谨慎起来，唉，还是那句老话，不管是熊市还是牛市其实都好操作，唯独猴市，得管住手啊。
接下来，还是老规矩，我们以真实数据说话，一图胜千言：
上证指数、沪深300及创业板指
本周三大指数均收涨，尤其是创业板指，涨势很猛，说明这周行情还是不错的，但是下周行情如何谁都说不好，毕竟现在地缘政治影响占主要因素，风浪大，鱼也贵，就看各位的风险偏好了。
大小盘风格表现
从图上可以看到，价差从 -0.2%左右 快速拉升至 0.01%，这意味着小盘股在本周完成了对大盘股的"追赶"。而且量比也是稳中有升，说明成交量在放大，资金确实在回流小盘股，但没有到"疯狂抢筹"的程度，情绪健康，这种"温和放量"比"爆量冲顶"更可持续。本周是小盘股的"修复周"------从被压制到平起平坐，情绪温和、量能健康，这盘小盘行情应该还没有走完，下周继续关注。
小盘价差计算方式：使用中证2000与沪深300日涨幅差值的15日移动平均计算，小于-0.5%，则表示小盘跑输沪深300，市场可能会切换到大盘股风格。
小盘量比计算方式：使用中证2000与沪深300日成交额比值的10日移动平均计算，大于1.8倍，则表示小盘过于拥挤，市场可能会切换到大盘股风格。
散户情绪洞察
当前整体情绪仍然处于震荡区间，并不狂热，说明资金观望情绪还是比较浓的。
二、本周策略表现及评价
新加了一个小市值策略
这周策略池里面刚加上了一个小市值类的策略------国九条小市值，后面就可以持续跟踪小市值类策略的表现了。当然，小市值策略也分很多不同的种类，后面我会把主流的策略都加上，慢慢补充完整。
国九条小市值策略是一种经典的小市值交易策略，有些新朋友可能不太熟悉，这里简单介绍下。
所谓国九条是指2024年4月12日国务院发布的《关于加强监管防范风险推动资本市场高质量发展的若干意见》，这个文件出台后，曾经靠炒壳、炒概念的旧"小市值策略"已经行不通了，取而代之的是一种全新的策略逻辑：即在严监管的框架下，去伪存真，聚焦真正有基本面支撑的优质小盘股。
那什么叫"真正有基本面支撑的优质小盘股"呢？这其实就是我们设置的交易条件，国九条小市值中设置的主要交易条件如下：
- 净利润必须为正值，也就是大于0，这是区分"绩优"与"绩差"的核心底线，直接排除亏损公司。
- 营业收入必须大于等于1亿元，部分严格策略会提高至3亿元，以规避主板退市风险
- 净资产必须要求大于0，避免选到资不抵债的公司。
- 净资产收益率(ROE)必须要求为正值，确保公司盈利能力。
- 总资产收益率(ROA)要求为正，与ROE结合，排除杠杆过高的虚假繁荣。
- 市值范围通常在10亿 - 1000亿元之间。下限排除过度炒作的微盘，上限保证"小市值"属性。
当然，还有不能是ST的、停牌的这些必要的过滤条件，只有满足这些条件的股票，才能进入到我们的选股范围，否则就会被过滤掉。选股池一般可以根据指数来进行选股，比如在中小盘指数中进行对应选股即可。
可以看到，小市值策略通常过滤指标是比较多的，这也对我们获取量化交易行情数据的能力提出了考验。这个策略一加，我的模拟交易平台的数据接口增加了好几个，复杂度也随之提升。不过后面同类型的策略都可以复用这些接口，磨刀不误砍柴工了。
策略表现
首先来看两个ETF动量类策略：
说实话，最近的行情对于动量类策略来说是比较难受的，上下波动震荡太大，赚钱效应很弱。涨一天，跌一天，可能昨天买入的标的，今天就跌了，又得卖掉，神仙来了都得留下买路钱。
再来看看小市值的情况，为了方便对比各个策略之间的收益表现，这几个策略都是从今年1月1日开始进行模拟交易记录的。
从上面图表可以看到，从整体看，受整体行情影响，小市值也是处于波动行情中，今年以来的赚钱效应并不明显，远远弱于动量策略。但是最近行情对小市值来说，还是不错的，所以本周也录得4%左右的收益。而动量策略由于抓住了原油和白银的那波疯狂上涨，收益很不错，当然这个属于特殊情况，不要以为会一直这样。现在震荡行情来了之后，策略基本上已经进入了防守模式。
当然，未来行情如何发展，谁都说不准。任何一个量化交易老手，在策略被开发出来之后，即使回测再怎么美如画，也不可能直接上实盘开干。因为就算你回测再怎么美如画，实盘也可能会亏成狗。
量化交易入门必学之------为什么我的策略回测美如画，实盘却亏成狗
任何一个策略，没有经过实盘行情的验证，都是不成熟的。这也是咱们开发实盘模拟交易系统的意义，可以持续关注和跟踪策略在实际行情中的表现，而不用真金白银去市场中冒险。
今天就讲到这里，如果觉得这篇文章对你有启发，想学习更多Python量化交易技巧，欢迎点赞、转发，关注！🍵