Z-Score 均值回归策略
在过去 25 年的回测中，该策略收获了 857.71% 的收益，超过了买入持有 SPY 的 668.59% 的表现，并且只使用了平均 20% 的仓位。
策略简介
今天我们分享一个基于 Z-Score 指标构建的策略，该策略在过去 10 年的回测中，获得了 355.58% 的收益，相比较而言买入持有 SPY 的收益率为 253.43%。以下是该策略的资金走势图。
除了绩效表现外，这个策略更让人印象深刻的是他的资金利用率。整个回测周期的平均资金使用仅为 18.35%，但却获得 16.42% 年化收益率。也让该策略资金使用调整后 EAR 数值达到了惊人的 89.48%。
关于 Z-Score 指标
量化交易的“偏离度仪表盘”
在系统化交易中，Z-Score 是衡量资产价格或交易信号偏离其历史平均水平的标准化工具，核心功能是告诉我们当前情况比“正常状态”极端了多少个标准差。例如，当Z值超过±2（意味着偏离均值2个标准差），传统统计认为价格已达到异常区域——这在配对交易中常触发做空高估资产/买入低估资产的回归均值信号。
常见的使用方法
作为均值回归指标，捕捉交易机会：寻找因短期波动而过度偏离的资产
监控策略风险：策略净值波动若突然出现Z<-3，往往预示模型可能失效
Z-Score 是将复杂统计简化为直观信号的“转换器”，但通常不建议单独使用，最好配合其他工具和指标进行交叉验证。
策略规则：
交易目标：QQQ
买入规则：
5 日 Z-Score 指标小于 -1 即买入三分之一仓位。
买入后每一次 Z-Score 创下新低则加仓三分之一，最多 2 次，也既最多总共持有 3 份仓位。
出场规则：收盘价高于 EMA(5) 则出场全部仓位。
策略回测：
原始策略本身的交易标的是 QQQ，我们先针对 QQQ 进行一轮回测。回测周期：1999 年至 2005 年，资金走势曲线如下：
在过去 25 年的回测中，该策略收获了 857.71% 的收益，超过了买入持有 SPY 的 668.59% 的表现，并且只使用了平均 20% 的仓位。
虽然策略回测表现很好，但从图上能看出，绿色资金曲线和黑色 SPY 走势差距最大是在 2015-2017 年左右，之后 SPY 资金曲线在逐步逼近策略曲线。也就是说最近几年，策略表现并不如买入持有 SPY，这点从下面的明细数据能看的更清楚。
我们对过去 10 年进行回测，得到的资金曲线如下：
过去 10 年，策略只收获 89.62% 的收益，远低于 SPY 的 253%。
策略调试
针对近 10 年表现不佳这一点，我们最容易做的一个操作就是将交易标的从 QQQ 换成 TQQQ，用更大的波动性来博取更高的利润。通过这个操作，我们的回测结果得到了很大的优化，收益率从 89.62%，提升到了 305.64%。资金曲线如下：
我们的第二个猜想是，通过更小的单个仓位比例，更多的仓位来平抑策略的波动曲线，看是否能得到更好的绩效，因此我们将策略中“每个信号三分之一仓位，最多 3 份持仓”的的规则修改为：
每个信号四分之一仓位，最多 4 份持仓
每个信号五分之一仓位，最多 5 份持仓
我们针对这 2 个重新的仓位分配都进行了测试，然而收获的都是负优化，四分之一版本的 10 年综合收益为 289.36%，五分之一版本的 10 年综合收益为 284.02%。
最后我们将文章中几个回测的数据汇总在下表中：
针对 Z-Score，我们还会进行更多测试。
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😜。