策略规则：

该策略视图在大幅短期下跌中寻找机会，并速战速决，快速出场。

在今天的策略构建时，我们继续引入在上 2 篇中测试过的交易标的筛选和排名规则，具体交易规则如下：

Read more

策略规则：

在今天的策略构建时，我们直接引入在上一篇中测试过的交易标的筛选和排名规则，具体交易规则如下：

入场条件：

Read more

今天的交易策略规则非常简单，经过改造后在过去 10 年的回测中取得了 2300% 的收益，但这个策略也有一定的问题，我们在文章的最后会进行探讨。

原始策略规则：

入场条件：

Read more

前言

在各个平台上都有许多博主在分享各种交易策略，他们把它描绘的神乎其神，似乎只要掌握了这套方法就能百战百胜。但他们往往不会分享策略的测试数据，而是丢出几个简单的规则就斩钉截铁的说能赚钱。

当我们进行回测，最常见的结果就是策略并没有任何优势，很偶尔的时候策略的确有优势，并且有继续打磨的可能。但也有一些时候，策略看上去有优势，但实则没有。

这就是今天要讨论的内容：收益的本质到底是来自策略的优势，还是交易标的，甚至是“随机”带来的？

弄清楚这点对我们构建以及评价交易策略都非常重要。

策略规则

截图是我们前段时间在 X 平台上看到的一个策略分享，规则非常简单，整理如下：

入场条件：

– 收盘价低于布林带下轨。布林带参数使用默认的 20 日，2 个标准差。

– 收盘价触发 30 （交易）日新低。

出场条件：

原文并没有给出详细的出场条件，但认为一周内通常有正收益，因此我们将初始出场条件设置为：

– 持有 5 天后出场。

数据测试

我们将这个策略在原文推荐的 NVDA 上针对过去 10 年数据进行测试，效果如下：

虽然交易机会并不多，10 年触发了 31 笔交易，胜率高达 74%，实际盈亏比接近 1:1。数据看起来很不错，但这真的说明这个策略是有用的吗？

但回到我们最初的问题：收益的本质到底是来自策略的优势，还是交易标的？

也就是说上述的回测成绩到底是因为策略表现好，还是仅仅是因为我们交易的是 NVDA 这只在过去 10 年持续长牛的股票呢？

我们需要做进一步从策略和交易标的 2 个角度进行测试。

更多测试

策略视角

我们首先将这个策略同样的交易规则应用到美股的 7 巨头加上 SPY、QQQ、DIA 3 大指数 ETF 上，回测结果如下：

上图数据从左往右，从上往下，以胜率由高到低排列。我们可以看到胜率分布非常分散，有 MSFT 和 NVDA 这样超过 70% 的胜率，也有 TSLA 这样不足一半的胜率。

我们无法通过观察很快速的找到规律，例如胜率是否和波动性有关？

显然不是，TSLA 作为波动性非常大的股票，但胜率是倒数第一，因此没有正相关。而 AAPL,DIA 这样波动比较小的标的也只是取得了中游的成绩，因此也没有负相关。

以此为例，其他一些常见的因素似乎也与胜率无关，因此看起来这个胜率表现似乎是随机的。而导致胜率差异的具体原因还需要挖掘，这个就不在本期讨论的内容中了。

因此从这个测试我们可以说策略并没有普世的优势，它似乎只在特定的某些股票上能获得优势，但我们暂时无法找到规律。

标的视角

接下来我们针对 NVDA 单独做个测试，我们将入场条件改为完全随机入场，也就是每天都有 50% 的可能买入，或者不买入，出场条件不变，汇总规则如下：

入场条件：

– 随机入场

出场条件：

– 持有 5 天后出场

我们同样针对过去 10 年数据进行测试，但为了避免单次随机产生的异常结果，我们进行了多次回测，大致结果如下：

– 平均交易数量：350-360 笔左右

– 平均胜率：55-60% 左右

– 平均利润率：5.5% 左右

– 平均亏损率：-4.5% 左右

结合以上数据我们可以看到，平均利润率、平均亏损率以及由此统计出的盈亏比，随机信号和上文博主分享的信号得出的结果基本是一样的。

这其实也很好理解，由于持有时间是确定为 5 天的，因此这个结果基本反应了在 5 天这个时间框架下 NVDA 的波动表现情况。

换句话说，在出现“收盘价低于布林带下轨”以及“收盘价触发 30 （交易）日新低”这 2 个价格行为后的 NVDA 股价并没有异于平常的表现和波动情况。

而如果我们使用 RSI 指标，在特定设置下，我们会观察到，胜率没有太大的变化，但平均利润率和平均亏损率有小幅的放大，这意味着指标可以帮我们抓到一些波动更大的时刻。

不过策略的确帮我们提升了胜率，从 60% 左右提高到了 75% 左右，这是个不小的提升。但是与之对应的，我们的交易数量从 300+下降到了 30 笔左右，缩减到了十分之一。

用 90% 的交易量缩减换取这 15% 的胜率提升是否值得，是个因人而异的判断，但从我的角度来说性价比很低，因为在交易中，我们不仅追求胜率、盈亏比、也追求资金使用的效率也就是机会出现的频次是否足够高，是否能够重复发生。

10 年 30 笔的频率对我来说是没有办法纳入交易系统来使用的。从最终的实际收益结果来说，不如随机信号，更不用说对比直接买入持有 NVDA 了，对比这 2 个操作，策略也是完败的。

总结

我们想通过上述测试表达的是，在进行交易时，我们需要谨慎的区分收益的本质到底是来自策略还是来自交易标的，毕竟不是每个股票都是 TSLA、都是 NVDA。

与此同时我们也要擦亮眼睛，避免被漂亮的话术，交易表现蒙蔽双眼，而陷入误区，采用错误的策略最终导致自己的亏损。

在上一篇的内容中，我们对一个策略进行了测试和优化，最后我们制定了一个策略从收益与最大回撤上来说持平甚至能优于买入持有 SPY。

但是策略平均仓位使用只有 19%，也就是策略用五分之一资金还原了买入持有 SPY 的表现，给我们留出了 80% 平均资金，去进行其他交易，或者配置其他资产。

今天我们继续针对这个策略做更多的测试和调整，看看能否获得更好的效果。

复习交易规则：

截止上一篇文章的最后，我们的交易规则如下：

Read more

在之前的内容中，我们分享了用 IBS 指标搭建的简单突破策略。经过调整，最后我们收获了过去 10 年可以获得 370% 盈利，年化收益 16.82%，超过买持有 SPY 的交易策略。

今天我们继续分享一个使用了 IBS 指标的交易策略，在经过调整后，我们得到了一个回测 15 年，年化收益 17%，最大回撤 32% 的交易策略。

这个交易策略的表现无限接近买入持有 SPY，但令人惊讶的是，它的平均仓位使用只有 20%，资金走势图如下：

原始交易策略测试

首先我们介绍策略的初始规则：

Read more

大家好，在 2026 年，我们希望为「长牛笔记」增设全新板块「市场观察」，有别于网站最主要的基于数据集回测的系统化交易内容，这个板块呈现的是我们的主观看法。为大家的日常投资提供一个观点的参照系，也许是对的，也许是错的，但希望能提供一些些帮助。

同时这个板块也将同样秉持着为大家节省时间的设计原则，因此我们将尽量维持内容的简短易读。

我们计划用一系列关于 26 年的展望，来开启这个全新板块。

在过去的 2025 年，关税战争与中美对抗的话题在 Q1-Q2 引领着市场的走势，并为市场带来了巨大的波动和影响。

然而进入到下半年，随着关税政策的反复无常及缓和，大家开始逐渐认清 TACO 真相，也即 Trump Always Chickens Out（特朗普总是临阵退缩）。

全球的贸易政策不确定性指数在 4 月达到顶峰后逐步下降，市场关注的焦点开始恢复正常，至此 AI 以及所延伸出各产业主题引领了全年接下来大部分时间的市场走向。

面向 26 年，我们认为这一趋势将会延续，也许某些时刻政策与说辞仍然会反复，但关税与中美对抗对市场的影响将会持续降低。

我们这么认为的主要依据是中国对美国的依赖在逐步下降，拥有了更强的底气。同时站在最普世价值观来看中美对抗不如中美协作。

中国的底气

上图中我们可以看到中国的出口贸易中美国地区（加粗红线）的占比在逐步减少，从 20% 下降到了接近 10%。简单的说，中国不再像以前那样的依赖美国。

而在竞争最激烈的 AI 领域，中国公司也在模型的综合实力上紧咬比分，在努力缩小差距。虽然中国 AI 的综合实习仍然落后于美国，但是随着 DeepSeek，Kimi，豆包的相继出现、爆火以及现象级的传播，让广大消费者第一次不需要了解晦涩的术语，也不需要去学习特定行业的专业知识，就能直观的感受到了中国科技能力的进步。不像以往不论基建强国，还是工业强国，带给普通消费者的体感总并不直接。

因此中国在 AI 领域取得的成功，在潜移默化中给普通用户消费者以及行业带来了积极的信心，并逐步形成正向循环。

这样的情绪首先体现在了新经济产业的薪资增速上，这一指标从 24 年下半年到 25 年一度处在负值区间，也就是新入职员工的薪资水平不增反降。

然而从 25 年下半年开始，我们看到这个指标转正，并且逐步攀升，与此同时中国的消费者信心指数也开始呈现微弱的上升趋势。

当然特定行业的繁荣并不能完全反应整体经济，但是我们相信这些乐观的转变会逐步传导扩散，帮助中国经济更好的企稳回升。这一块内容我们也许会在后续的展望中继续。

我们用几个简单的切面来反应中国面对外部压力时拥有了更大的底气。然而今天这篇内容，我们更想站在普世的角度和大家分享我们的看法。

普世价值观

习近平在当选中共中央总书记后，在中外记者见面会上说过：“人民对美好生活的向往，就是我们的奋斗目标。”

同时他也在许多不同场合，包括访问美国时也表达过类似的观点，我们可以总结来说：

“中国人民对美好生活的向往和追求是不可阻挡的。”

在我们看来，这并非一句宏大口号，而是深植于人性的第一性原理：人们追求更优生活的内生动力是经济发展的终极护城河。

这一点适用于任何国家和地区，放之四海而皆准。

贸易战和高关税，实则会伤害美国盟友，提高美国通胀，影响企业利润以及居民的消费，这一点已经非常清晰了，单从这点来说，这就是不可持续的。

而今年面对关税政策，稀土的成功反制也证明了中国在关键供应链上的‘不可替代性’。中国目前仍然占据了稀土的大部分产量，国际能源署（IEA）等机构认为，西方要在2030年前摆脱对华依赖极其困难。

虽然中美双方都在构建自己独立的产业链，但至少在短期未来，大家无法完全脱钩于彼此而存在。

而从另一个角度来说：“合久必分，分久必合”，如果双方都成功建立了独立产业链也好，内循环也好，那也就意味着彼此的软肋没有了，单纯经济的脱钩也对彼此造成不了更大的伤害，那到时候仍然保持脱钩的意义又是什么呢？

从第一性原理来说，川普的“America First”并不直接意味着要和中国敌对，而是要保持美国综合实力第一的地位，要实现这个目标有几种可能：

• 中国美国都在发展，但是美国发展的速度和质量要大于等于中国。

• 美国在发展，中国不发展甚至倒退。

• 美国和中国都在倒退，但是中国倒退的速度大于等于美国。

这是非常非常简化的情景推演，但是前文我们已经简要论述，在当前的环境下，想要持续打压中国需要的是巨大的资源投入和长时期的精力消耗，典型的“损人不利己”行为。而美国本身还面临着众多难题，解决自身问题的价值和投入产出比显然高于打压竞争对手。

我们坚信：事情总会往阻力最小的方向发展。

所以我们认为特朗普作为精明的商人，其判断和行为终会指向那个阻力最小、收益最大的方向——即在某些领域保持竞争，在更多领域选择协作。

在未来伴随着局部对抗，中美一定会找到在新时代下协作共生的方式。当然我们可能无法回到曾经的全球化程度，也不会期待中美关系重现往日的荣光。

而是我们站在投资者的角度不会再过度关注对抗性政策，甚至所谓的“战争”带来的风险。

以上是我们 26 年展望的第一篇，不知道大家是否喜欢这样的内容呢？接下来我们预计还将围绕人民币升值、美国股市、中国宏观等话题撰写一系列展望内容，也欢迎告诉我们你感兴趣的话题。

最后，感谢你的阅读

• 如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！

• 你也可以访问网站介绍📑，更好了解本站。

• 如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；

• 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。

在之前的「什么是“贪婪与恐慌”指标」内容中，我们介绍了贪婪与恐慌指数：CNN Fear & Greed Index。今天我们针对这个指标的来进行一些测试。

数据回测

我们将这个从 0-100 读数的指标以 10 为 1 个区间进行切分，共分为 10 个区间，也即：

• 0 - 10

• 10 - 20

• 30 -40

• 依次类推

我们假设当数值落到对应区间后就买入 SPY 后持有 N 天，来看看有什么样的收获，而持有的天数，我们从 5 - 20 以 5 为间隔，也即总共有：5｜10｜15｜20 共计 4 种情况。我们对过去 10 年的数据进行回测。

那么 2 个参数排列组合，共计有 40 种交易结果，我们来观察这些结果具体的表现，并将一些数据结果制作成矩阵图如下：

首先是 EAR 回报率的矩阵图，EAR 是 Exposure Adjusted Return，也就是考虑了仓位利用后的指标，来衡量资金使用的效率。从图中我观察到几个现象：

• 总体来说持有 5 天的综合表现似乎好于其他持有天数，反应了贪婪与恐慌指标的情绪属性，能够在短期带来波动，体现出了均值回归的交易属性。

• 当指标读数低于 20，市场陷入恐慌的时候，买入短期持有的优势是比较明显的。

• 比较意外的是当读数大于 90 的时候，买入持有的效果也非常不错，这说明了贪婪是会持续的，当市场陷入狂热的时候，这种狂热会一定程度的持续。

当然我们说了 EAR 是 Exposure Adjusted 的参数，我们接下来看一下每一个参数下的实际 Exposure 是多少，也就是我们在过去的 10 年中到底有多少时间参与到了市场中。

上图展现的 Exposure 是每年的平均百分比数值。举例最左上 0-10 区间入场，持有 5 天卖出的 3.99% 读数为例：

这意味着过去 10 年中平均每年只有 4% 的时间我们是持有仓位的，而每年大约 200 多个交易日，也就是每年我们只有约 10 天左右在进行交易，那么基于这个交易每一次的周期是 5 天，也就意味着平均每年有 2 笔交易。

图中可以体现出，真正的市场处于极度贪婪的时间，远远少于处于极度恐慌的时间。

接下来我们看一下交易这个策略实际可能获得的平均年化回报率。

Read more

今天这篇内容，我们来围绕 IBS 指标，也即：Internal Bar Strength 进行一些回测以及策略搭建。

在之前的文章「日内新高点短趋势策略」中，我们使用过 IBS 指标，但当时它只是交易策略众多指标中的一个，而这篇内容我们从0 开始对 IBS 进行研究测试。

关于 IBS 指标：

指标介绍：

IBS 指标 Internal Bar Strength 衡量收盘价在当天最低价至最高价范围内的相对位置。它是一个范围从 0 到 1 的有界振荡指标（或者 0-100，在本网站中，我们采用 0 - 100 作为取值范围）。我们可以利用这个指标来关注价格运动的相对强度。

IBS 计算公式：

• IBS = (Close - Low) / (High - Low)

• IBS=（收盘价 - 最低价）/（最高价 - 最低价）

IBS 的通常使用方法：

通常我们认为：

• IBS 值接近 1 表明收盘价接近 K 线的高点，表明超买状态。

• 相反，IBS 值接近 0 表明收盘价接近 K 线的低点，表明超卖状况。

补充说明：

IBS 在很多软件中的默认回望周期是 1，也就是针对过去 1 天的计算情况。但实际上 IBS 的回望周期是可以自定义天数的，以便来观察，价格在过去 N 天的运行情况，同样 IBS 也可以用于不同时间周期的 K 线。

因此在本网站介绍策略时，我们会将 IBS 的回望周期进行标注，例如：IBS（1）

在下图我们就展示 SPY 股价走势以及 IBS（5）的读数

指标测试：

基础测试：

我们利用 IBS 指标搭建一个非常简单的突破策略：

• 当 IBS（1）小于 20 的时候，买入

• 当 IBS（1）大于 80 的时候，卖出

我们将策略应用在 SPY，DIA 和 QQQ 3个指数 ETF 上，回测过去 10 年数据，结果如下：

虽然从实际年化收益率上来看并不算特别高，但是整个策略只使用了大约 40% 的仓位。因此从 EAR，也就是 Exposure Adjust Returns 来看，表现是很不错的，运用在 QQQ 上的时候，甚至达到了 40%。

其次令人感到意外的是 QQQ 的高波动性带来了 3 个指数中最好的收益回报，但同时它的回撤百分比竟然也是更好的。

更大的收益，更小的回撤，这是我们非常喜闻乐见的结果。所以我们接下来就使用 QQQ 来对这个策略进行更进一步的测试。

参数测试：

接下来我们对 IBS 的入场及出场参数进行调整，原本我们的默认值是 20 与 80，现在我们设定：

• 入场门槛从 5 至 25 以 5 为步长。

• 出场门槛从 75 到 95，以 5 为步长。

上面 2 个参数排列组合共计 25 个回测结果，首先我们观所有回测结果的 EAR 情况：

我们可以看到很明显的趋势，从 5 个分组来说：入场门槛的数值越大，EAR 回报数值越小。而从每个分组当中来说：出场的门槛数值越大，EAR 回报的数值也是越小的。

所有回测当中，表现最好的参数组是：

• IBS 小于 5 入场，IBS 大于 80 出场。

然而我们观察实际年化收益率的话，则会呈现不同的状态，从 5 个分组来说：入场门槛的数值越大，APR 回报会略微增加。而从每个分组当中来说：出场的门槛数值越大， APR 回报的数值也是越大的。

接下来我们观察所有测试的回撤情况：

呈现出和 APR 一样的趋势，在每个分组内呈现出场门槛数值越大，最大回撤越大的情况。

影响这 2 个数据的正是交易频次和持有时间所带来的。EAR 衡量资金使用效率， 而 APR 则衡量我们真实的收益，这里面的选择需要结合自己的喜好来进行权衡。

我们选择其中一组参数，查看交易的具体参数：

• 当 IBS（1）小于 10 的时候，买入

• 当 IBS（1）大于 90 的时候，卖出

• 交易标的：QQQ，回测时间：过去 10 年

当我们使用这组参数来交易 QQQ 的时候，过去 10 年可以获得 370% 盈利，年化收益 16.82%，超过买持有 SPY。同时平均仓位使用只有 34%，而且最大回撤只有 13%。

从这几个角度来看，这个策略的表现是非常不错的。

那今天这篇内容我们就写到这里，IBS 是一个非常有趣的指标，在接下来的的几篇内容中，我们计划对 IBS 指标进行更深度的测试。

最后，感谢你的阅读

• 如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！

• 你也可以访问网站介绍📑，更好了解本站。

• 如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；

• 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。

在上一期「用 VIX 交易“他人恐惧我贪婪”」的文章中，我们简单的介绍了一个度量市场情绪的指标 VIX，并且分享了一个完整的用 VIX 搭建的交易策略，今天我们继续关于市场情绪的话题。

如果你投资有一段时间，并且关注新闻的话，那么你一定会在各个地方看到这样一张图。一个小小的仪表盘，用指针来指示出当前的市场情绪。通常这张图总在市场大幅度下跌，处在“极度恐慌”阶段时更高频的出现。

这个就是我们今天要介绍的贪婪与恐慌指数：CNN Fear & Greed Index。

CNN “贪婪与恐慌指数”（CNN Fear & Greed Index）是由美国媒体机构 CNN Business 推出的市场情绪综合指标，约在 2011 年前后正式发布并持续更新至今。

恐惧与贪婪指数是衡量股市走势以及股票定价是否合理的一种方法。该理论基于的逻辑是，过度的恐惧往往会压低股价，而过度的贪婪往往会产生相反的效果。

我们知道大多数投资者都是情绪化的，恐惧和贪婪情绪指标可以提醒投资者注意自己的情绪和偏见，这些情绪和偏见会影响他们的决策。

恐惧与贪婪指标看起来似乎是一个很简单的指标，但实际上他背后有一定的计算逻辑，同时除了这样的小仪表盘的状态，我们也可以使用图表的形式来进行查看。

CNN 贪婪与恐慌指数具体由 7 个指标综合构成：

market momentum 市场动力

当标准普尔 500 指数高于其前 125 个交易日的移动平均值时，这是积极势头的标志。但如果该指数低于这一平均值，则表明投资者正在变得胆怯。

stock price strength 股价势能

观察纽约证券交易所处于 52 周高点的股票数量与处于 52 周低点的股票数量。当高点多于低点时，这是一个看涨信号，表明贪婪。

stock price breadth 市场宽度

观察纽约证券交易所上涨的股票数量（或成交量）与下跌的股票数量之间的关系。恐惧与贪婪指数将交易量下降作为恐惧的信号。

put and call options 看跌期权和看涨期权

当 看跌期权/涨期权 比率上升时，通常是投资者变得更加紧张的迹象。比率高于 1 被认为是看跌的。恐惧与贪婪指数使用看跌期权比率作为恐惧的信号。

market volatility 市场波动

VIX 衡量未来 30 天标准普尔 500 指数期权的预期价格波动或波动性。VIX 通常在大盘上涨的日子下跌，在股市暴跌的日子飙升。恐惧与贪婪指数利用不断增加的市场波动(VIX)作为恐惧的信号。

safe haven demand 避险需求

避险需求显示了过去 20 个交易日国债和股票收益的差异。当投资者感到害怕时，债券表现更好。恐惧与贪婪指数使用不断增加的避险需求作为恐惧的信号。

junk bond demand 垃圾债券需求

垃圾债券和更安全的政府债券收益率之间的较小差异（或利差）表明投资者正在承担更多风险。更大的价差表明更谨慎。恐惧与贪婪指数将垃圾债券需求作为贪婪的信号。

以上就是 CNN 贪婪与恐慌指数 的简要介绍，你可以访问官方网站获取更多信息。

那么在下一期的内容当中，我们将会针对 CNN 贪婪与恐慌指数 进行一系列的回测。

最后，感谢你的阅读

• 如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！

• 你也可以访问网站介绍📑，更好了解本站。

• 如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；

• 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。

近年来全球整体的流动性持续增加，再叠加量化基金的兴起，以及期权博弈的增加，美股在特定时期的波动性也在增加，同时长期趋势中呈现的“熊短牛长”，也就是快速猛跌后伴随逐步长期上涨的现象似乎也越发明显。

此时我们就会想起巴菲特的经典名言“他人恐惧我贪婪”。

这篇内容，我们就来尝试用 VIX 指标实现这个交易。

VIX（Volatility Index） 是芝加哥期权交易所（CBOE）推出，反映市场未来 30 天预期波动率的指数，因此又叫：“恐慌指数”（Fear Index）。

我们从图标上也可以清晰的看到 VIX 与 SPX 股指的关系，当 VIX 飙升的时候，往往意味着股票市场将要有大幅度的波动，请注意，VIX 的飙升并不意味着股市一定要大跌，只是如果股市发生大幅度的运动，下跌的概率会更高。

因此我们可以利用这种特性，在 VIX 飙升的时候，买入资产，形成越跌越买的逆势操作，接下来我们就来测试这种思路是否真实有效。

VIX 简单数值突破策略

VIX 的简单突破测试的规则很简单，我们设定一个入场的数值 N1，一个出场的数值 N2：

• 当 VIX 大于 N1 的时候，买入 SPY

• 当 VIX 小于 N2 的时候，卖出 SPY

• 整个策略只是用 1 个仓位，仓位占比 100%

我们直接把 N1 从 20 到 30。N2 从 15 到 20。分别以 1 为单位的所有排列组合全部测试一下，总共 66 个结果。详细的回测结果如下表格：

Vix 测试结果

27.3KB ∙ XLSX file

Download

Download

我们按照 EAR 收益率排序从高到低取前 10 组参数的数据如下：

我们可以看到把日常的 VIX 设置到 30 左右，出场的 VIX 设置到 20 左右，胜率非常高，结合资金使用来看的收益率也非常高。唯一美中不足的是这样的参数设置所触发的交易机会非常少，如下图。

同时这个策略带来的回撤并不小，因为当我们 VIX 的简单数值突破时，有可能在一段下跌趋势的开始就已经入场，因此同样也要承受巨大的波动。

那我们接下来继续调整这个策略的方向，将它调整为一个 APR 29.44%，EAR 高达 80.3%，在过去 10 年，获取 1190% 收益的交易策略。

以下是付费会员专属内容：

Read more

在之前「TQQQ 1% 波动策略」内容中，我们分享了个非常简单但有效的交易规则。该策略试图利用 TQQQ ETF 的波动性，来获取利润。

接下来我们将围绕这个策略进行一系列的测试和模拟，你可以在这里查看到整个专题的全部内容。

今天这期内容，我们通过查看策略数据，来讨论如何尽可能的挽回一些策略带来的损失。

Read more

3 日高/低点均值回归策略 (3-day high low strategy) 是由 Larry Connors 拉里·康纳开发的一个均值回归策略。策略认为当股票发生连续下跌后，有更高概率出现均值回归可能，并且我们能从中获取优势。

Larry Connors 是 Connors Research Group, LLC 的首席执行官兼 Connors Group (TCG) 的董事长。他拥有 30 多年的行业经验，被认为是金融市场行业领先的教育家之一。他撰写了 20 多本有关市场策略和波动性交易的书籍。同时 Larry Connors 以主要制定均值回归交易策略而闻名。同时他也开发了著名的 CRSI 也即 Connors RSI 指标。

今天我们来测试他编写的 3 日高/低点均值回归策略 (3-day high low strategy) 。

策略规则如下：

入场条件：

• 今日收盘价高于 SMA(200)

• 今日收盘价低于 SMA(5)

• 今日的最高点和最低点分别低于昨天的最高点和最低点

• 昨天的最高点和最低点分别低于前天的最高点和最低点

• 前天的最高点和最低点分别低于大前天的最高点和最低点

• 如果上述条件满足，则以第二日开盘价入场。

出场条件

• 当收盘价突破 SMA(5) 后，则以第二日开盘价出场。

总体来说，这个策略是想查看股票连续下跌 3 天后是否有相应的反弹出现。

回测结果

首先我们将策略应用到 NASDAQ 100 成分股，我们给每个买入信号分配 5% 的仓位，看看结果如何：

初步来看整个策略的胜率还行，达到了 64% ，但是盈亏比并不好，获利的交易平均盈利只有 2%，而亏损的交易平均亏损达到 3%。

整个策略对仓位的使用不大，综合只有 27% 的仓位，从 EAR 来看，年化收益率略高于买入持有 SPY，但回撤幅度是显著超过买入持有 SPY 的。

接下来我们对规则进行一些调整尝试。

首先我们将仓位分配进行提升，把每个信号 5% 仓位，提成到每个信号 10% 仓位。同时暂时不设计排序规则，因此当信号或持仓超出 10 个时会进行随机选择，我们先看下这样调整后的变化是怎么样的。

整体来说策略回测结果的变化符合我们的猜想：

• 仓位使用有所上升，并带来了相应的年化收益率提高，但 EAR 并没有显著提升。

• 最大亏损幅度仍然劣势于买入持有 SPY。

接下来我们为这个策略增加一个权重指标 RSI（5）。也就是当信号或者持仓超过 10 个的时候，我们使用 RSI（5）的读数从低到高进行排序，优先买入读数低的股票，也就是跌的更狠的股票。

最终的回测结果如下：

因此 RSI（5）作为权重指标的引入，虽然帮我们固化了结果（去除了策略中随机的部分），但并没有带来额外的优势，回测结果上和策略大体的平均表现没有变化。

以下更多测试内容为会员专属内容

Read more

Photo by Pepi Stojanovski on Unsplash

伴随着每一次市场的周期循环，总有源源不断的新人入市，与之伴随的就是众多的新手股神，不论是新手保护期也好，还是天赋异禀也好，我们总能看到许许多多账户分享，配上一些轻描淡写般的文字，类似于：“美股的钱是好赚”、“巴菲特也就这样”、“不会吧，谁的账户今年还没有翻倍吗”。

我相信大多数理性的投资者都能隐约感受到这背后的问题，然而看多了也难免会对自己的心情情绪造成影响。我们今年这篇内容就来说说新手股神一个最常见的问题：重仓/杠杆。

其实大部分新手股神的方法非常简单，在正确时候进入市场，重仓了几个龙头股票，并且越涨越买，甚至上期权，杠杆。于是整个账户随着牛市迅速的水涨穿高，但这样的方法非常脆弱，遇到市场波动时也会产生大面积的损失。

上周 Meta 的股票在2,3 天的时间里面下跌了 15% 左右，我在小红书看到有朋友分享的账户曲线显示已经抹平了今年的全部涨幅，这就是重仓的个股的典型持股体验：坐过山车一般的刺激。

我们来做一个非常简单的回测：买入持有 7 大科技股(Big 7) 10 年，你的账户会发生什么？

回测规则

股票清单：AAPL/AMZN/GOOG/META/MSFT/NVDA/TSLA

买入并持有 10 年。

回测结果

从资金曲线（绿色）与买入持有 SPY（黑色）的对比，我们就能看到这个简单的操作可以带来惊人的收益，整个账户在过去 10 年获得了 5000% 的收益。

回撤数据

但我们来看一下其中的细节，来看看整个账户的回撤曲线：

上图中，红色区域代表策略的回撤曲线，而黑色线是买入持有 SPY 的回撤曲线。我们可以很明显的看出策略的回测远远大于买入持有 SPY。

超过 20% 的回撤有 6-7 次，超过 30% 的回撤也有 4-5 次，而在 2022 年，甚至有接近 55% 的账户回撤。

除了剧烈的回撤幅度以外，回撤的周期也非常长，2022 年这个最大的回撤的整个过程经历了 1 年多。事实上整个 10 年周期中，账户处在 20% 以上回撤状态的时间有 21%。

在这样的持股体验下，不要说新手股神了，就是成熟投资者都很难说可以坚持到底。

收益分布

接下来我们再看一个细节数据：整个账户收益的来源百分比：

事实上 NVDA 承包了这个策略的主要收益来源，其次是 TSLA 特斯拉，这也会造成整个账户的持股非常不均衡，到最后基本和单吊一个 NVDA 也差不多了。

这样的结果在操作上和心理上，都很难让人拿住不动。

那我们对回测的条件进行一个修改，我们每隔一段时间对账户做一次再平衡，确保每个股票都是平均持有的，当我们每隔 20 个交易日对股票进行再平衡时，收益分布是这样的：

而此时整个账户 10 年的收益从 5000% 下降到了 2653%。整个账户的回撤情况如下图：

可以说再平衡在显著降低收益率的同时，并没有带来回撤的显著下降（但的确有所好转）。

具体不同参数的测试结果如下：

进一步模拟测试

接下来我们再进行一个很有趣的测试，我们给策略增加 20% 的追踪止损以及止损后 20 日再入场的动作，来模拟由于下跌而止损退出，再间隔一段时间又买回来的情况， 测试结果如下：

整个策略10 年的总收益从 5000% 下降到了 1839%。而最大回撤仍然有 40.5%。

我们再一次改变回测的规则，追踪止损 20% 不变，我们把再入场的条件改为 ROC（20）大于 15%，也就是从高点下跌 20% 后出场，重新开始上涨了我们再入场。测试结果如下：

整个策略10 年的总收益为 1303%。而最大回撤有 34%。

如果我们把 ROC（20）的再入场门槛从 15% 改成 20% 的话，那么策略的表现还会从 1303% 进一步下降到 678%，而与此同时的最大回撤是 30%。

测试到此时，策略的表现已经非常接近我们之前写过的一个交易策略：「用一个简单的轮动策略打败指数」。

结尾

今天我们通过这篇内容一步步“摧毁”本来超高的收益，但完美收益本身就只存在于理论可能中，残酷现实是往往连我们调整后的测试结果也拿不到。

哪怕我们不考虑在 10 年前如何选中这 7 个股票的问题，站在此时此刻，面对策略的回撤幅度和周期，我们还是要问，到底是什么能够让一个人坚持持有到底呢？

是对这些股票深度的基本面分析？坚定的信仰？还是拥有无限子弹？如果是这些条件的话，那我们具备什么？那些新手股神们又具备什么？也许最容易实现的路径就是“删 App / 忘记账号密码了”。

而现实中最有可能发生的情景是在遇到大幅度的回撤后，就止盈或者止损退出了市场。所以面对新手股神的交易战绩，不用羡慕，也不用焦虑，任何一个交易者，如果不具备上面所列举的素质，那么现在的收益迟早也会还回去。

而从自身的投资交易来说，有清晰的交易策略，交易规则，看清自己，知道自己心理承受边界，是极其重要，也是我们要持续探索的话题。

最后，感谢你的阅读

• 如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！

• 你也可以访问网站介绍📑，更好了解本站。

• 如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；

• 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。

日内新高策略认为当股票日内的高点创下最近的新高后，有大概率可以继续保持上涨趋势，我们可以从这种获取市场优势，并获得收益。

虽然是一个顺势的策略，但该策略的持有周期并不长，寻求短周期，小幅盈利但高胜率的表现结果。

回测结果如下：

该策略在 4 大指数上表现出了很高的胜率，同时非常好的控制住了回撤。通过下图我们可以看到该策略在过往的 15 年中，只有 2 年是亏存的，其他所有年度均保持盈利。

PS：无需关注具体回报的数值，因为这与仓位管理交易标的均有关系，此处我们仅关注策略的胜率表现。

而我们对策略进行优化后，他的表现数据也战胜了买入持有 SPY。

策略规则及详细测试：

Read more

在「美股公司行业分类及 ETF」这篇文章中，我们介绍了美股市场的行业分类方法，目前存在的 11 个板块，以及标普 11 个板块所对应的 ETF。

这篇内容，我们来尝试使用这些 ETF 来构建策略，并进行测试，看能否战胜 SPY，获得更好的表现。首先我们回顾一下具体用到的 ETF 有那些：

• XLE - 能源行业板块 ETF

• XLB - 原材料行业板块 ETF

• XLI - 工业行业板块 ETF

• XLF 金融行业版块 ETF

• ICF - 房地产行业板块 ETF

• XLY - 非日常生活消费品行业板块 ETF

• XLP - 日常消费品行业板块 ETF

• XLU - 公用事业行业版块 ETF

• IYZ - 通讯业务行业版块 ETF

• XLK - 信息技术行业版块 ETF

• XLV 医疗保健行业版块 ETF

简单轮动策略

想要通过 ETF 组合来战胜 SPY 的表现，直觉逻辑就是选出表现好的，剔除表现不好的，也许能获得更好的效果，也是一种类似强者恒强的思路。

我们设置一些规则：

• SPY 收盘价 高于 SMA(200)

• 将 11 只行业板块 ETF 根据过去 60 个交易日回报率从高到低排名

• 选取表现最好的 3 只 ETF，每只 ETF 分配 33.3% 的仓位。

• 以月度进行轮换。

这个策略假设各个板块会延续过去的表现，同时当 SPY 跌破 SMA(200)的时候我们退出市场，来规避可能得回撤风险。

上图体现了这个策略在过去 25 年的表现，绿色块是策略收益，黑色线是买入持有 SPY 的表现。可以看到，在策略开始前几年表现是超出 SPY 的，主要由于 SMA(200) 设置让我们躲过了一个巨大的回撤，建立了先期优势，但之后 SPY(黑色线)表现奋起直追，在近几年追平策略。

上图可以看到具体数据，年化回报略低于买入持有 SPY，回撤大约是 SPY 的一半。

但是策略在近几年的表现显然不如买入持有 SPY，因此我们将整个测试周期的数据划分为 2 个阶段。来进行对比。

我们可以看出策略在第一个阶段有非常大的优势，不仅有更好的年化收益率，还有低得多得多的回撤。

而在最近 10 年中，买入持有 SPY 的收益率大幅提升，最大回撤也已经减少。虽然策略的表现非常稳定几乎没有变化，但在新十年的对比中，策略已经不那么具有吸引力了。

ROC 参数调整

接下来我们对这个策略中目前仅有的一个参数 ROC，进行测试，我们来修改用作排序指标的 ROC 的回望天数，从20 天至 120 天以每 10 天为间隔，进行测试，结果如下：

• 交易数随着回望周期的增加有明显的下降趋势，平均持仓天数则有上升趋势，这在数学上非常好理解。

• 年化收益率随着回望周期的增加有微弱的上升趋势，最高收益率参数为 90 天，以下是年化收益率与回望周期天数形成的柱状图。

入场规则更新

我们再做 2 个关于入场条件的测试，首先我们将入场规则中的“SPY 收盘价 高于 SMA(200)”条件去除，测试后效果无限接近买入持有 SPY，资金走势如下：

其次，我们尝试调整策略的轮动周期，原始策略是每月度进行调仓，我们来测试一下每周和每季度调仓的结果。

针对每季度调仓的规则上，我们对 ROC 的回望天数也重新进行了测试，按照收益表现从高到低排序为：

以上就是本期我们针对这个策略进行的测试，总体来说，虽然回撤幅度大幅减少，但是一方面长期收益并没有战胜买入持有 SPY，以及有近年来显著的 SPY 表现超越策略的趋势。

所以对我来说，到目前为止该策略没有太大的吸引力，也许在未来当我们有更多想法是可以回来继续改进这个策略，例如选用一个更灵敏的指标，以及对仓位分配的权重进行优化。

最后，感谢你的阅读

• 如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！

• 你也可以访问网站介绍📑，更好了解本站。

• 如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；

• 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。

在之前「TQQQ 1% 波动策略」内容中，我们分享了个非常简单但有效的交易规则。该策略试图利用 TQQQ ETF 的波动性，来获取利润。

接下来我们将围绕这个策略进行一系列的测试和模拟，你可以在这里查看到整个专题的全部内容。

在今天的内容中我们将对策略的参数进行微调测试，又将收获非常惊讶的结果。之前我们展示过策略的原始数据如下：

• 回测时间：2019 - 2025 年

• 绿色线为策略表现，黑色线为买入持有 SPY 表现。

• 策略总共获得了 4982% 收益。

而在我们调整参数后，策略的最佳表现数据为：

• 回测时间：2019 - 2025 年

• 绿色线为策略表现，黑色线为买入持有 SPY 表现。

• 策略总共获得了 12924% 收益。

原始的策略交易规则，订阅用户可以通过「TQQQ 1% 波动策略」内容获取，以下是今天的具体测试：

Read more

谢谢阅读，原文发表于我的个人博客：「假设检验」欢迎你在 X 和即刻上关注我。

在上一篇内容「让资产自由流动起来」发出后不久，美港股投资圈就发生了一个“大新闻”：盈透证券 IBKR 收紧了对中国地区用户的审核，要求中国国籍，新注册的用户，提供在内地之外的居住或工作证明。

可以说中国大陆投资者本身就在“Hard 模式”，而这种局面在可预见的未来只会愈发严峻。

而哪怕过去几年美港股账户，银行卡开户的风潮很盛，新闻一出身边还是有不少人抱怨没来得及开户，紧张是否还有机会，这引出我观察到的一个现象：：

许多人无法做“复杂而不难”的事，严重缺乏行动力。哪怕是按部就班根据流程、计划执行的能力。也许可能的原因有：

• 懒惰

• 缺乏时间

• 缺乏能量精力

• 把“复杂”直接和“难”画上等号，给自己增加心理障碍。

我不在此深入讨原因——这是每个人自己需要解决的问题。这篇内容想讨论的是：为什么我们应去做“复杂但不难”的事，尤其在资产管理与投资中。

大部分人不做

是的，这个理由看起来非常荒诞，但很真实。投资并非“聪明人的游戏”，而是执行者的游戏。多数人输在不去执行，而不是没能力。

而我们的优势就来自于此：去做那些大多数人明知可行却从未去做的事。这样的例子比比皆是：

• 开立香港/美国证券或银行账户，搭建跨境资产通道，就可能让你领先 90% 甚至99% 的人。

• 长期坚持定投 SPY 或全球指数基金，往往就能跑赢多数在 A 股短线搏杀交易的散户。

• 养成早睡早起、合理饮食并定期体检，会显著提高健康与长寿的概率。

少数人选择行动，多数人选择拖延；优势往往属于前者。

Just Do It

随着年龄增长，我越来越相信：最有价值的能力不是聪明，而是把想法付诸行动的能力。聪明或许是天赋，但执行是可被选择与训练的。是否能迈出第一步，决定了你能否走完那一万步。

“复杂但不难”的事，就是锻炼执行力的最佳起点：流程可拆解、步骤可复制，本质上并不困难——关键是是否愿意开始。

而且这类事情带来的正反馈确定性很高，完成了就是完成了，成就感随之而来。除了即时的正反馈，还有可能随时间而产生复利。

我们都听过这个段子：

一个人每天都在祈祷：“上帝啊，请让我中一次彩票吧，我真的需要这笔钱。”
日复一日，他跪拜、祈祷，却始终没有结果。
终于有一天，上帝忍不住了，愤怒地对他说：
“孩子，我也想帮你，可你至少得先去买张彩票啊！”

数年前我开始行动，也是有一天突然意识到我和太太总在说：“早知道当时买苹果的股票”，“早知道当时买特斯拉的股票”，但我们甚至连个股票账户都没有。

Talk is Cheap.

再也不想做嘴炮王者的心态，让我开始从这些复杂但不难，有反馈，有收益的事开始，逐渐锻炼自身的执行力。

Subscribe now

Fake It Till You Make It

最后这一点，我觉得同样是对「让资产自由流动起来」内容的一个补充。

之前看过一部 Netflix 推出根据现实故事改编的短剧《Inventing Anna》/《创造安娜》。除了 Julia Garner 的颜值外，留下最深刻印象的就是女主对「Fake It Till You Make It」这个金句的真实演绎。

事实上到最后一步如果女主真的成功，那这一切就是白手起家，美国梦最生动案例而不是一个惊天骗局了。

但这个故事还是带给我很多启示。自信先于行动，很多时候，你并不是因为确定自己能行才去做，而是因为开始做了，才逐渐变得确定。

我们都希望追求生活上/财务上的自由。那就不妨先“假装成为”那些已实现自由的人：站在他们的位置，观察他们如何行动、如何思考、如何管理资产，然后复制可行的行为。

因此每当有家人朋友问我“就这么点资产，XXX 这样做有必要吗？”我都会告诉他们：Fake It Till You Make It，所有决策不应由“麻烦”或“是否必要”来驱动，而应以“是否正确、是否有利”为准。

慢慢的也许有一天，我们现在假装的，努力才能有的行为和生活会成为我们的习以为常。

最后，感谢你的阅读

• 如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！

• 你也可以访问网站介绍📑，更好了解本站。

• 如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；

• 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。

在上一篇「TQQQ 1% 波动策略」内容中，我们分享了个非常简单但有效的交易规则。该策略试图利用 TQQQ ETF 的波动性，来获取利润。接下来我们将围绕这个策略进行一系列的测试和模拟，你可以在这里查看到整个专题的全部内容。

在上一篇内容中，我们对这个策略过往回测的数据进行了展示。

• 回测时间：2019 - 2025 年

• 绿色线为策略表现，黑色线为买入持有 SPY 表现。

• 策略总共获得了 4982% 收益。

那今天内容中，我们来测试这个策略运用在其他标的上的效果。

Subscribe now

核心指数 ETF 效果测试

我们首先将「TQQQ 1% 波动策略」的交易策略，应用在 SPY、QQQ、DIA、IWM 这 4 个最核心指数上，回测过去 10 年的表现，以下是回测结果：

我们可以看到当应用在 3 大指数时，收益最高的就是波动性最高的 QQQ，而 DIA 和 SPY 的结果非常相近。

在 IWM 上的结果出乎我意料的低，我暂时不想去深究原因，但猜想是：IWM 本身下跌后的恢复性比较弱，所以导致了这样的结果。

从收益上来说，虽然都不及直接买入持有 SPY，但基于平均仓位使用只有 20%，这样的表现还是很亮眼的。

Subscribe now

多倍指数 ETF 效果测试

从交易规则，以及上述测试结果中，我们能得出一个猜想，就是策略对标的的波动性有要求，那接下来我们就找一些波动性更大的多倍指数 ETF 来进行测试，标的如下：

• TQQQ – 3 倍做多纳斯达克 100

• UPRO – 3 倍做多标普 500

• UDOW – 3 倍做多道琼斯 30

• TNA – 3 倍做多罗素 2000

• SOXL – 3 倍做多半导体指数

• TECL – 3 倍做多科技板块

• FNGU – 3 倍做多 FANG+指数

• CURE – 3 倍做多医疗保健板块

• RETL – 3 倍做多零售板块

• DFEN – 3 倍做多航空航天与国防

• YINN – 3 倍做多富时中国 50

• CWEB – 2 倍做多中证海外中国互联网

• EDC – 3 倍做多 MSCI 新兴市场

以下是回测按照年化收益率降序排序的结果数据：

当使用波动性较大杠杆 ETF 时，策略的波动性也明显增加了。除了 FNGU 外，TQQQ 仍然是表现最亮眼的，而且最大回撤竟然也是最小的。

PS：上述回测是我的系统中 FNGU 的数据一直有些问题，因此只有 2025 年的回测结果，仅供参考。

Subscribe now

高波动性股票测试

接下来，我们也试试将这个策略应用在个股上面，我们把纳斯达克 100 的成分股都跑一遍，截取里面前十名数据分享给大家，第一名绝对出乎意料：

虚拟货币测试

同样，我们也试试将这个策略应用在虚拟货币上面，但由于虚拟货币是 7*24 小时交易的，因此我对回测结果也不抱太大的期待，看个乐吧，后面我们会专门针对虚拟货币做策略的回测：

BTC 和 ETH 都没有出现在回测结果的前十名中，他们的实际结果是：

以上就是本期的全部内容，最后还是要提醒一下，我们将围绕这个策略进行一系列的测试和模拟，你可以在这里查看到整个专题的全部内容。

感谢你的阅读

• 如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！

• 你也可以访问网站介绍📑，更好了解本站。

• 如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；

• 如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。

该策略试图利用 TQQQ ETF 的波动性，来获取利润，本文介绍该策略的规则，同时，我们将围绕这个策略进行一系列测试和模拟，你可以在这里查看到整个专题的全部内容。

关于 TQQQ

TQQQ 是通过持有正股和银行掉期合约实现针对纳斯达克 100 指数三倍杠杆效果的一只 ETF。

• 名称：ProShares UltraPro QQQ

• 发行公司：ProShares

• 名称：三倍做多纳斯达克指数 ETF

• 交易所代码：TQQQ

• 成立时间：2010年2月9日

• 总管理费用：0.95%（含0.26%的非管理费用）

策略回测结果如下：

• 回测时间：2019 - 2025 年

• 绿色线为策略表现，黑色线为买入持有 SPY 表现。

• 策略总共获得了 4982% 收益。

• 左侧为策略每月收益情况

• 最右侧为 SPY 年度收益情况。

• 在过去 6 年中，策略没有亏损年份。

以下是策略规则及详细数据，同时，我们将围绕这个策略进行一系列的测试和模拟，你可以在这里查看到整个专题的全部内容：

Read more