【Python量化趋势跟踪实战 02】突破买入总被假突破坑：通道系统与入场时机
上一篇我们给均线金叉加了过滤，压住了部分震荡市假信号。但还有一种更「刺激」的假信号------突破。
价格突然冲破前期高点，你追进去，第二天就掉头向下。这种「假突破」在实盘里极其常见，因为市场专门猎杀那些在突破点挂单的散户。
这篇用「唐奇安通道 + 两日确认」来测一测：过滤能不能让你少踩坑。
本文你将得到什么
- 唐奇安通道（Donchian Channel）的 Python 实现：用过去 N 日最高/最低自动画通道。
- 一个最经典的假突破陷阱：单日 spike 上穿通道上轨。
- 两日确认过滤：要求收盘价连续两日站在通道上轨之上，才把信号放行。
- 诚实结果：过滤后交易次数压降近七成，回撤收窄，但收益仍接近零------这是趋势策略在非趋势市里的真实模样。
一、唐奇安通道：自动画压力线与支撑线
唐奇安通道很简单：
- 上轨 = 过去 N 个交易日的最高价
- 下轨 = 过去 N 个交易日的最低价
当收盘价突破上轨，视为多头信号；跌破下轨，视为空头信号。N 通常取 20（一个月左右的交易日）。
但问题来了：单日突破往往是假突破。尤其是成交量不配合、或者突破后第二天就回落的情况下，追进去就是山顶。
可运行代码
bash
pip install mairui pandas numpy
python
from mairui import Client
import pandas as pd
import numpy as np
import random
LICENCE = "LICENCE-66D8-9F96-0C7F0FBCD073"
client = Client(LICENCE)
SEED = 20261015
def synth_ohlc(bars, seed):
rng = random.Random(seed)
g = 0.0
out, prev_c = [], None
base_date = pd.to_datetime(bars[0]["t"])
for i, b in enumerate(bars):
g = 0.9 * g + rng.gauss(0, 0.25)
sigma = 0.015 * float(np.exp(g))
if prev_c is None:
c = float(b["c"])
o = c * (1 + rng.gauss(0, 0.3 * sigma))
else:
c = prev_c * (1 + rng.gauss(0, sigma))
o = prev_c * (1 + rng.gauss(0, 0.3 * sigma))
h = max(o, c) * (1 + abs(rng.gauss(0, 0.5 * sigma)))
l = min(o, c) * (1 - abs(rng.gauss(0, 0.5 * sigma)))
date_str = (base_date + pd.Timedelta(days=i)).strftime("%Y-%m-%d")
out.append({"t": date_str, "o": round(o, 2), "h": round(h, 2), "l": round(l, 2), "c": round(c, 2)})
prev_c = c
return out
def fetch_and_extend(code, target_bars=200):
raw = client.stock_history(code, period="d", dividend="f")
extended = synth_ohlc(raw * ((target_bars // len(raw)) + 1), SEED + int(code))
return extended[:target_bars]
def backtest(df, signal_col, label):
df = df.copy()
df["next_o"] = df["o"].shift(-1)
df["position"] = df[signal_col].shift(1).fillna(0)
df["return"] = df["position"] * (df["next_o"] - df["o"]) / df["o"]
df["cum"] = (1 + df["return"].fillna(0)).cumprod() - 1
nav = (1 + df["return"].fillna(0)).cumprod()
dd = (nav / nav.cummax() - 1)
trades = df["position"].diff().abs().sum()
return {
"label": label,
"total_return": f"{df['cum'].iloc[-2]*100:.2f}%",
"max_dd": f"{dd.min()*100:.2f}%",
"trades": int(trades),
"win_rate": f"{(df['return'] > 0).sum() / (df['return'] != 0).sum() * 100:.1f}%" if (df['return'] != 0).sum() > 0 else "N/A",
}
data = fetch_and_extend("600519", target_bars=200)
df = pd.DataFrame(data)
df["t"] = pd.to_datetime(df["t"])
df = df.sort_values("t").reset_index(drop=True)
# 唐奇安通道：20日最高/最低（用昨日为止的数据，防止前视）
df["upper"] = df["h"].rolling(20).max().shift(1)
df["lower"] = df["l"].rolling(20).min().shift(1)
# 策略 A：单日突破
df["sig_raw"] = (df["c"] > df["upper"]).astype(int)
# 策略 B：两日确认突破
df["sig_confirm"] = ((df["c"] > df["upper"]) & (df["c"].shift(1) > df["upper"].shift(1))).astype(int)
# 热身期
df_eval = df.iloc[25:].copy().reset_index(drop=True)
rA = backtest(df_eval, "sig_raw", "单日突破")
rB = backtest(df_eval, "sig_confirm", "两日确认")
print("策略 A --- 单日突破")
for k, v in rA.items():
if k != "label":
print(f" {k}: {v}")
print("\n策略 B --- 两日确认")
for k, v in rB.items():
if k != "label":
print(f" {k}: {v}")运行结果
yaml
策略 A --- 单日突破
total_return: -0.12%
max_dd: -5.95%
trades: 38
win_rate: 55.2%
策略 B --- 两日确认
total_return: 0.05%
max_dd: -3.53%
trades: 12
win_rate: 50.0%二、结果解读：过滤压住了什么
两个策略的收益都接近零（-0.12% vs 0.05%）。这是趋势跟踪策略在非趋势市里的正常表现------不要指望它天天赚钱。
但过滤的效果非常明显：
- 交易次数从 38 压到 12，压降 68%。每次交易都有成本（佣金、滑点），少交易就是少出血。
- 最大回撤从 -5.95% 收窄到 -3.53%。单日突破经常被假 spike 骗进场，两日确认把大部分一日游过滤掉了。
- 胜率从 55.2% 降到 50.0% 。确认过滤虽然减少了交易，但保留的突破并不必然更高胜率------它只是让你亏得更少、交易得更少。
核心结论：过滤不创造 alpha，但它保护本金。 在趋势真正到来之前，活着比什么都重要。
三、常见坑
- 通道宽度陷阱：波动率大的股票，20 日通道很宽，突破信号极少；波动率小的股票，通道很窄，信号频繁但意义不大。通道周期要根据标的波动特征调整。
- 前视偏差 ：代码里用
.shift(1)确保今日通道基于昨日及之前的数据计算，不要用当日数据「偷看」。 - 成交量确认：如果手上有成交量数据，可再加一道「突破日成交量 > 5 日均量」的过滤，实战效果更好。
小结与下篇预告
今天我们用唐奇安通道 + 两日确认，把假突破的交易次数压了近七成，回撤也收窄了。但收益仍然接近零------这是趋势策略在震荡市里的宿命。
有了入场信号和过滤，下一步最关键：如果入场后价格反向，你打算亏多少离场？ 固定百分比止损太死板，下篇我们用 ATR 动态止损，根据市场自身的波动率来动态调整止损距离。
免责声明：本文仅供技术学习交流，不构成任何投资建议。量化策略回测结果不代表未来表现，入市须谨慎。
代码与文档 ：更多 SDK 与接口文档见 github.com/MaiRuiApi