【python量化】基于 Tushare 的简单选股策略验证：一次失败但有价值的轻量级回测实践

MT157

651人浏览 · 2026-03-29 16:43:20

MT157 · 2026-03-29 16:43:20 发布

基于 Tushare 的简单选股策略验证：一次轻量级回测实践

一、背景

在完成基础筛选和加入均线判断之后，一个更实际的问题是：

👉 筛选出来的股票，到底有没有“效果”？

也就是说，仅仅看到“涨幅 + 均线向上”还不够，
还需要进一步验证：这种筛选方式，在历史数据中是否具备一定参考价值。

因此，这一篇主要做一件事情：

对之前的选股规则做一个简单的收益验证。

不使用复杂回测框架，只做一个轻量级实现。

二、策略说明

沿用上一版的筛选逻辑：

剔除 ST 股票
收盘价 < 20 元
当日涨幅 > 3%
MA5 > MA10

在此基础上，加一个验证方式：

👉 假设在筛选日买入，持有 N 天后卖出，计算收益

本次设定：

持有周期：5 个交易日

三、实现思路

整体流程如下：

获取一段时间的历史数据
计算均线
在每个交易日进行筛选
对筛选结果计算未来收益
汇总结果

四、数据准备

import tushare as ts
import pandas as pd

ts.set_token('你的token')
pro = ts.pro_api()

获取较长时间区间的数据（用于回测）：

df = pro.daily(
    start_date='20240101',
    end_date='20240329'
)

五、计算均线

g = df.groupby("ts_code", group_keys=False)

df["ma5"] = g["close"].transform(lambda x: x.rolling(5).mean())
df["ma10"] = g["close"].transform(lambda x: x.rolling(10).mean())
df["ma20"] = g["close"].transform(lambda x: x.rolling(20).mean())

df["vol_ma5"] = g["vol"].transform(lambda x: x.rolling(5).mean())g(20).mean())

六、构造未来收益

这里是关键步骤。

计算未来 5 天收益：

# 未来收益：持有 HOLD_DAYS 个交易日
df["future_close"] = g["close"].shift(-HOLD_DAYS)
df["future_return"] = (df["future_close"] - df["close"]) / df["close"]

# 下一交易日开盘收益（可选，看起来更接近“次日再买”）
df["next_open"] = g["open"].shift(-1)
df["future_close_from_next_open"] = g["close"].shift(-(HOLD_DAYS + 1))
df["future_return_next_open"] = (
    (df["future_close_from_next_open"] - df["next_open"]) / df["next_open"]
)

解释一下：

shift(-n) 表示取未来第n天的价格
用来模拟“持有n天后卖出”

七、逐日筛选并统计结果

results = []

for date in df['trade_date'].unique():
    daily = df[df['trade_date'] == date]
    
    # 筛选条件
    selected = daily[
        (daily['pct_chg'] > 3) &
        (daily['close'] < 20) &
        (daily['ma5'] > daily['ma10'])
    ]
    
    if len(selected) > 0:
        avg_return = selected['return'].mean()
        results.append(avg_return)

八、结果分析

summary = {
    "信号总数": int(len(signals)),
    "有信号交易日数": int(len(daily_result)),
    "单笔平均收益": float(signals["strategy_return"].mean()),
    "单笔收益中位数": float(signals["strategy_return"].median()),
    "单笔胜率": float((signals["strategy_return"] > 0).mean()),
    "按日等权平均收益": float(daily_result["avg_return"].mean()),
    "按日等权胜率": float((daily_result["avg_return"] > 0).mean()),
    "最终净值": float(daily_result["equity"].iloc[-1]),
    "最大单日回撤": float((daily_result["equity"] / daily_result["equity"].cummax() - 1).min())
}

print("\n===== 回测结果汇总 =====")
for k, v in summary.items():
    if isinstance(v, float):
        print(f"{k}: {v:.4f}")
    else:
        print(f"{k}: {v}")

在这里插入图片描述

九、结果可视化

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 5))
plt.plot(daily_result["trade_date"], daily_result["equity"], linewidth=1.5)
plt.xticks(rotation=45)
plt.title("Simple Tushare Strategy Equity Curve")
plt.xlabel("Trade Date")
plt.ylabel("Equity")
plt.tight_layout()
plt.savefig(OUTPUT_DIR / "equity_curve.png", dpi=150)
plt.show()