【ptrade】放量突破回测实录

10_放量突破 · 回测实录

成交量放大到20日均量的1.5倍以上，且收盘价突破20日最高价，才买入。

策略类型 ：趋势跟踪 / 量价

回测批次 ：2026-10-04（本地 QuantStudio 回测引擎）

数据来源 ：QuantStudio 本地行情库（etf_daily / stock_daily）

一、策略思路

在03号海龟突破的基础上加了一个"成交量确认"条件。逻辑是：价格突破如果只是缩量创新高，很可能是主力在自弹自唱、没有真实买盘接手；只有放量突破，才说明有增量资金真正进场。出场仍然用跌破10日最低价。多了一道过滤，信号数量会明显减少，但每个信号的"含金量"更高。

关键参数

参数	取值
`VOL_MA_PERIOD`	20
`VOL_MULTIPLIER`	1.5
`ENTRY_LOOKBACK`	20
`EXIT_LOOKBACK`	10
`MAX_HOLDINGS`	3
`EXPOSURE`	0.98

二、回测设置

项目	设置
策略文件	`10_放量突破.py`
回测区间	2024-01-01 ~ 2026-09-02
初始资金	100000 元
佣金费率	0.00035（最低 5.0 元）
印花税率	0.001
过户费率	1e-05
滑点	0.0
撮合价格	close
基准	000300
交易日数	647

三、回测结果

把这张图和03号海龟突破放在一起看：交易的回合数应该更少，胜率可能更高，但总收益不一定更好------"过滤"永远是一个取舍，它筛掉噪音的同时也会筛掉机会。

绩效指标

指标	数值
累计收益	53.70%
年化收益	18.07%
最大回撤	19.16%
年化波动率	23.04%
夏普比率	0.680
索提诺比率	1.116
卡玛比率	0.943
回合胜率	48.94%
日胜率	50.39%
盈亏比	222.2%
盈利回合数	23
亏损回合数	24
平均持仓天数	57.1
成交笔数	104

「盈亏比」= 平均盈利 ÷ 平均亏损 > 100%，表示平均每笔赚的比亏的多。

「回合」指一次完整的买入→卖出（round_trips），「成交笔数」是买卖双方分开计数的原始成交记录条数。
⚠️ 本窗口基准数据不完整 ：引擎的基准序列尾部为占位填充值，据此算出的沪深300收益为 0.00%，该数字不可信；净值图中的基准曲线已截断至有效区间（至 2026-07-31）。因此本策略的 α、β、超额收益、信息比率等相对指标一律不可引用，只能用绝对收益与回撤来判断。

分年度收益

年份	区间收益	交易日
2024	18.75%	242
2025	27.41%	243
2026	2.51%	162

四、交易明细

完整交易回合数：47 个（盈利 23 / 亏损 24）
单笔平均盈亏：+1128.55 元 ；最大单笔盈利 +31047.40 元 ；最大单笔亏损 -6264.01 元
持仓天数：平均 57.1 天 ，最长 521 天 ，最短 7 天

盈利最多的 5 个回合

买入日	卖出日	标的	盈亏(元)	持仓天数
2025-06-06	2025-10-14	`515880.SH`	+31047.40	130
2024-09-25	2024-12-17	`159915.SZ`	+10505.15	83
2024-09-25	2024-11-25	`512880.SH`	+9968.27	61
2024-09-25	2024-11-26	`515880.SH`	+6294.94	62
2026-07-02	2026-08-25	`512170.SH`	+5598.01	54

亏损最多的 5 个回合

买入日	卖出日	标的	盈亏(元)	持仓天数
2026-03-12	2026-04-03	`516160.SH`	-6264.01	22
2024-12-27	2025-01-03	`515880.SH`	-4048.41	7
2024-06-17	2024-07-25	`515880.SH`	-3604.92	38
2024-12-23	2025-01-03	`512480.SH`	-3563.91	11
2026-03-03	2026-03-16	`512660.SH`	-2282.59	13

五、完整回测代码

文件名：10_放量突破.py（共 115 行）

引擎：QuantStudio 本地回测；全部为公开 API，无平台专有调用。

python 复制代码

# -*- coding: utf-8 -*-
"""
10_放量突破策略 (QuantStudio 本地回测版)
========================================
核心逻辑：成交量 > 20日均量×1.5 且 收盘价突破20日最高价 → 买入。
跌破10日最低价 → 卖出。
量价齐升是趋势启动的经典信号。
多标的独立判断，最多持3只。
"""

import numpy as np

ETF_POOL = [
    '510300.SS', '159915.SZ', '510500.SS', '512880.SS',
    '512800.SS', '512690.SS', '512170.SS', '512480.SS',
    '515880.SS', '512660.SS', '516160.SS', '518880.SS',
]

VOL_MA_PERIOD = 20      # 成交量均线周期
VOL_MULTIPLIER = 1.5    # 放量倍数
ENTRY_LOOKBACK = 20      # 突破周期
EXIT_LOOKBACK = 10       # 出场周期
MAX_HOLDINGS = 3
EXPOSURE = 0.98


def initialize(context):
    set_benchmark('000300.SS')
    run_daily(context, trade, time='09:30')
    log.info('10_放量突破初始化: 池=%d, 量能均线=%d日, 放量倍数=%.1f, 突破=%d日',
             len(ETF_POOL), VOL_MA_PERIOD, VOL_MULTIPLIER, ENTRY_LOOKBACK)


def _get_breakout_signal(code):
    """返回 (是否放量突破, 突破幅度, 是否跌破出场线)"""
    try:
        n = max(VOL_MA_PERIOD, ENTRY_LOOKBACK, EXIT_LOOKBACK) + 2
        h = get_history(n, '1d', field=['close', 'high', 'low', 'volume'],
                        security_list=code, fq='pre', include=False, is_dict=True)
        if h is None or code not in h:
            return False, 0.0, False
        df = h[code]
        closes = np.asarray(df['close'], dtype=float)
        highs = np.asarray(df['high'], dtype=float)
        lows = np.asarray(df['low'], dtype=float)
        volumes = np.asarray(df['volume'], dtype=float)

        if len(closes) < n:
            return False, 0.0, False

        current_close = float(closes[-1])
        current_vol = float(volumes[-1])

        # 成交量均线（不含当日）
        vol_ma = float(np.mean(volumes[-(VOL_MA_PERIOD + 1):-1]))
        volume_breakout = current_vol > vol_ma * VOL_MULTIPLIER if vol_ma > 0 else False

        # 20日最高价（不含当日）
        entry_high = float(np.max(highs[-(ENTRY_LOOKBACK + 1):-1]))
        price_breakout = current_close > entry_high

        # 10日最低价（不含当日）
        exit_low = float(np.min(lows[-(EXIT_LOOKBACK + 1):-1]))
        price_breakdown = current_close < exit_low

        breakout_amp = (current_close - entry_high) / entry_high if entry_high > 0 else 0
        is_breakout = volume_breakout and price_breakout

        return is_breakout, breakout_amp, price_breakdown
    except Exception:
        return False, 0.0, False


def trade(context):
    held = list(context.portfolio.positions.keys())

    # 1. 跌破出场线卖出
    for code in held:
        _, _, breakdown = _get_breakout_signal(code)
        if breakdown:
            order_target_value(code, 0)
            log.info('放量突破策略卖出 %s: 跌破%d日低点', code, EXIT_LOOKBACK)

    # 2. 放量突破买入
    held = list(context.portfolio.positions.keys())
    if len(held) >= MAX_HOLDINGS:
        return

    candidates = []
    for code in ETF_POOL:
        if code in held:
            continue
        is_breakout, amp, _ = _get_breakout_signal(code)
        if is_breakout:
            candidates.append((code, amp))

    if not candidates:
        return

    # 按突破幅度排序
    candidates.sort(key=lambda x: x[1], reverse=True)
    slots = MAX_HOLDINGS - len(held)
    buy_list = candidates[:slots]

    total_value = context.portfolio.total_value
    per_value = total_value * EXPOSURE / MAX_HOLDINGS
    for code, amp in buy_list:
        order_target_value(code, per_value)
        log.info('放量突破买入 %s: 突破幅度=%.2f%%, 目标市值=%.0f',
                 code, amp * 100, per_value)


def handle_data(context, data):
    pass

六、风险提示

放量本身是双刃剑：突破日的巨大成交量，也可能是主力借突破出货。此外成交量数据受停牌复牌、ETF申赎影响，会出现假放量。过滤条件越多，策略对参数的敏感度就越高，1.5倍这个阈值不宜随意调整。

免责声明：本文所有数字来自本地历史回测，回测收益不代表未来表现，也不构成任何投资建议或个股/基金推荐。策略代码仅供研究学习，实盘执行还需额外考虑滑点、冲击成本、流动性、涨跌停与平台差异等因素。投资有风险，决策需谨慎。

【ptrade】放量突破 回测实录