---
title: '5月22日21年只交易47次，跑赢沪深300四倍——量价斜率择时策略完整复现【附全套源码】'
source: 'https://www.youtube.com/watch?v=SPj_04ppbNM'
video_id: 'SPj_04ppbNM'
date: 2026-09-17
duration_sec: 323
channel: 'Kara说量化'
---

# 5月22日21年只交易47次，跑赢沪深300四倍——量价斜率择时策略完整复现【附全套源码】

> Source: [5月22日21年只交易47次，跑赢沪深300四倍——量价斜率择时策略完整复现【附全套源码】](https://www.youtube.com/watch?v=SPj_04ppbNM)

## Summary

This video presents a complete quantitative trading timing strategy, demonstrated through a backtest showing 15% annual returns versus an 8% benchmark, a 3:1 profit/loss ratio, and a 64% win rate. The creator explains the core logic (a regression slope between high and low prices), walks through the Python codebase, and offers the full source code to viewers.

### Key Points

- **Performance Overview** [00:00] — Backtest shows 15% annualized returns vs 8% benchmark, max drawdown 34.5% vs 72% for the benchmark, and a 3:1 profit/loss ratio.
- **Behavior During Crises** [00:25] — The strategy stayed almost fully in cash during the 2008 financial crisis (index fell from 6000 to 1600) and captured the 2015 bull market from January to June, then exited before the crash.
- **Key Indicators** [00:50] — Uses right-skewed standard score, with real-time values and preset dashed lines, plus green holding zones and red gradient areas showing drawdown depth and duration.
- **Trade Statistics** [01:14] — 64% win rate, average winning trade +13.5%, average losing trade -4.5% – an ideal profit/loss structure as described by the creator.
- **Core Logic: Regression Slope** [02:23] — The strategy relies on a simple principle: a linear regression line fitted to 16 days of low and high prices. A high slope indicates strong support (buy), a low slope signals resistance (sell).
- **Signal Reliability** [03:11] — Signals are built by multiplying standardized Z-score, R-squared, and slope, with a trend filter (only buy when the moving average is rising). Three parameters: regression window, Z-score period, and signal threshold.
- **Visualization Dashboard** [03:47] — A standalone 340KB HTML file with 10 charts, double-click to open in a browser, hover for exact values – no installation needed.
- **Code Structure** [04:08] — The project is less than 3,400 lines of Python across 6 modules: Strategy.py (core engine, 4 variants), Data.py, Backtest.py, Utils.py (metrics), Run.py (CLI), and Dashboard.py.
- **Running the Code** [04:44] — Three steps: install dependencies, run run_backtest.py, and open the output dashboard. 4,000+ word ReadMe for beginners.

## Transcript

Hello大家好,我是Kara 今天我们来聊一个交易的择时策略 我们先上效果图 在所有交易中可以看到 年化收益有15% 但其基准只有8% 最大回撤有34.5% 但同期基准跌了72%
盈亏比3比1 赚一次,够亏三次的 进局曲线 里面主要是包含对数坐标 金色策略以及灰色基准 买卖三角 绿色三角代表的是买入的信号 红色三角代表的是卖出的信号
以及十字准线2TIP 你会发现一个很有意思的事情 2008年金融危机 大盘从6000点跌到1600点 期间策略几乎全程空仓 完美躲过 接着是2015年大牛市
策略从1月持仓 一路到6月 吃满了主声浪 然后6月中旬清仓 躲过了随后的股灾 这感觉就像是 市场涨的时候他在场 市场跌的时候他就跑了 你说巧不巧 第二个则是指标
这里主要展示右偏标准分 实时数值 以及加减零期的预置虚线 还有绿色持仓区间的效果 以及回车分析 通过红色渐变面积直观的展示每次水逆的深度和持续时间
阅读热力图 252个月的色块矩阵 你可以一目了然的看到 策略在2008年几乎是全绿的 工仓躲过 而在2006年到2007年以及2015的上半年
则是深绿色 有大赚一波 交易收益分布通过红绿直方图可以悬停展示各个区间的交易比数,胜率64%,单笔平均赚13.5%,单笔平均亏4.5%,赚的时候大赚,亏的时候小亏,这就是量化交易里最理想的盈亏结构。
累计交易收益,用瀑布柱和金色累计线,看16倍收益是如何一步步爬上来的。 持仓天数分布,通过蓝色直方图,平均46天,不频繁进出,也不死扛。 年度收益率21年里只有6年是亏损的
而且最大年亏损也不到14.3% 滚动年化收益 252天窗口蓝色面积图 看不同年份进场的大致体验 你可以看到策略年化收益很少跌破零 到了2024年底的反弹中
它又迅速拉了回来 滚动最大回撤 通过红色面积图 展示策略在不同市场环境中的回撤波动 交易明细 可以筛选各个交易期间的持仓天数和收益 并支持导出 以上就是则是策略系统的全部内容
而且这个策略的全部圆码 三连加关注后 解脱私信我 全套Python代码打包带走 好 现在我们来聊聊这个系统背后的逻辑 这个东西的原理说出来 你可能会觉得这么简单吗 它的核心逻辑就一句话
每天的最高价和最低价之间 存在一个邪律关系 想象一下 如果市场很强 今天的低开之后 买家疯狂涌入 一路把价格推到最高点 那最高价涨得比最低价快 邪律就大 反过来
如果市场很弱 开盘就是高点 一路被砸到最低点那最高价根本没涨甚至比最低价涨的还慢血率就小所以我们做了一件非常简单的事情取过去16天的数据对最低价最高价做一条线性回归线
算出这条线的血率 可以看出来 血率大的时候 说明支撑性很强 可以进场 血率小的时候 说明阻力压顶 赶紧跑路 这听起来是不是很像干多说话 但数学证明
这个简单的指标 对市场状态的预测能力极强 关于信号到底靠不靠谱 我们用的是右偏标准分 把标准化Z分数 拟合度R方和斜率三者乘在一起 相当于给信号上了三重保险
再加上一个简单的去时过滤 军线在往上走的时候才买入 这里还涉及到了三个参数 分别是回归窗口 标准分周期 信号预值 接着关于数据获取呢 这里用的是BossDock
一个完全免费的A股数据源 不需要注册 不需要API 而且代码里内置了自动重视三次机制 加指数推币 如果网络不好也不会直接挂掉 数据下载一次就缓存到本地 以后秒开
可以经得起5000只股票批量的拉曲 同时呢 整个系统支持单标的回测 多标的批量回测 交易成本模拟 跑多只股票的时候 还有进度条实时查看 不断回测结果 我还给这个项目做了一个交互可视化的一条盘
一个独立的HTML文件 340KB 双击就能在浏览器打开 不需要安装任何东西 里面一共签了10张图 每一张都能用鼠标悬停查看精确数值 具体可以在视频开头看详细的介绍好说了这么久我们来看看代码是怎么写的整个项目不到3400行的Python代码分成6个模块首先 第一个Strategy.py是核心策略引擎
4种指标变体 右偏标准分效果最好 第二 Data.py 是数据模块层 第三 Backtest.py 最主要是做回测引擎 第四 Utils.py 评估指标层
下谱比率 最大回测 盈亏比 日胜率 全在这里 第五 Run.py 是命令行主入口 支持五种模式 在运行时 一行命令就能直接跑 好现在重点来了 拿到代码之后
跑起来只需要三步 第一步安装依赖 第二步运行Person Run Backtest.py 第三步打开Output Dashboard 就是刚才那个交互式仪表盘 如果你去新手
Redmi里有四千加字的详细教程 从安装Person到看懂回测报告 手把手交给你 想换参数 换标的 换策略变体的 代码全是开源的 命令行参数一键切换 最后这个项目的价值 其实不在于回测出来的
1674% 过去的表现并不代表未来 但它真正有价值的地方在于 它把一套完整的量化研究流程展示给你了 从数据的获取 策略的设计 回测的验证 指标的评估 到可视化的呈现
每一个环节的代码都是开源的 你可以改 可以学 可以用在自己的研究上 最后呢 点赞 关注 截图私信我 全套源码打包给你 再次强调 视频内容仅供学习研究 不构成任何建议
市场有风险 决策是谨慎 我们下次再见 拜拜