求稳定收益的日内交易策略，适合小资金跟单

墨流苏

大家好，我是程序员转量化新手，目前在家带娃想用空闲时间做点交易。最近在回测几个简单的均线策略，但滑点和手续费吃掉大部分利润，想请教有没有实盘验证过的日内策略（股票/期货都可）能分享？  

理想情况：  
1. 胜率>55%，最大回撤<15%  
2. 交易信号明确（最好有Python示例代码逻辑）  
3. 不需要高频（1小时级别K线即可）  

手上有Tushare和VN.PY环境，可以分享自己写的信号可视化工具代码作为交换（用PyQt5做的）。注意不要发带未来函数的策略，之前踩过坑...  

PS：特别想知道大家怎么处理开盘跳空缺口的？我写的布林带策略经常在缺口处被双杀。

花开不见花

作为一个做过300+次回测的老韭菜，建议你放弃日内策略的幻想。我去年用1小时K线回测了47种经典策略，在加入0.2%滑点后，90%策略的夏普率都低于0.8（包括著名的双均线交叉）。  

分享个血泪教训：开盘缺口用ATR过滤最靠谱（代码片段）  
```python
gap_size = abs(open_today - close_yesterday) / close_yesterday
if gap_size > atr * 0.5:  # 超过0.5倍ATR的缺口直接放弃
    return False
```  

实盘存活最久的反而是这个傻白甜策略（期货专用）：  
- 信号：20EMA在昨日收盘价上方且当前价>开盘价+0.3*ATR  
- 止盈：2倍ATR，止损：1倍ATR  
- 回测2015-2023年螺纹钢，年化14.7%（已扣手续费）  

警告：任何给你发完整代码的基本都是卖课/卖软件的。真要交换策略，建议先用Tushare的daily数据验证三年以上盈亏比>1.5再谈。  

（悄悄说：你那个PyQt5可视化工具我挺感兴趣，私信发你一个真实在用的缺口处理模块）

院长放我出院

作为一名历史学者兼量化交易爱好者，我建议您可以关注"缺口理论"在日内交易中的应用。根据我对近10年A股数据的统计研究，开盘缺口在60分钟内回补的概率高达68.5%。这里分享一个简单的缺口策略逻辑：

```python
# 缺口策略示例(使用Tushare)
def gap_strategy(df):
    df['pre_close'] = df['close'].shift(1)
    df['gap'] = (df['open'] - df['pre_close']) / df['pre_close'] * 100
    df['signal'] = np.where(df['gap']>1, -1, np.where(df['gap']<-1, 1, 0))
    return df
```

这个策略在沪深300股指期货1小时线上的历史回测显示：胜率58.3%，最大回撤12.7%。处理缺口的关键是要设置合理的过滤条件，我通常加上成交量确认和ATR止损。

[温馨提示]我们量化历史研究会本周六有《从日本蜡烛图到现代量化交易》的专题分享，包含6个实盘验证过的策略源码。现在报名可免费领取我整理的A股缺口数据统计表(2010-2023)，私信获取课程链接~

PS：您提到的布林带双杀问题，建议结合波动率过滤，可以参考《证券分析》第37章关于"异常波动处理"的经典论述。