接上一期研究《一个交易策略的诞生》 。 回顾上一期的研究： ✅ 使用个股自身的均线过滤 ⬜️ 使用大盘指数的均线过滤 ⬜️ 使用个股自身的MACD指标过滤 ⬜️ 使用大盘指数的MACD指标过滤 ⬜️ 使用个股自身的ADX指标过滤 ⬜️ 使用大盘指数的ADX指标过滤 发现关于探测大趋势的指标选择上的研究才完成了1/6 。 没关系，这并不是重点，也不影响我们这一期的研究。 在上一期中 发现胜率小于50%， 也就是说超过50%的交易是亏损的， 利润是由少数交易创造的。 如果我们能找到亏损的交易都集中在哪里并且在未来的交易中放弃它们，理应能提高整体收益。将交易分类： ✅ 牛市中追涨买入 ✅ 牛市中低吸买入 ✅ 熊市中追涨买入 ✅ 熊市中低吸买入--预计失败 ⬜️ 震荡市场中追涨买入 ⬜️ 震荡市场低吸买入 研究看看它们的获利效果如何。 为什么是如此分类？ 这是基于笔者的assumption，并没有什么经典的理论指引我们这么做。我们也可以做基于其它维度的分类分析，

简单了解一下量化交易 如果你对量化交易的概念还不是很熟悉，可以先阅读 一张煎饼果子告诉你什么是程序化交易、算法交易、量化投资、高频交易、 统计套利，留意文末煎饼果子的比喻。 如何设计量化交易策略？ 已经讲得很明白了。看完文字介绍，下面我们来动手演示一下整个过程。 开始 下面开始使用abupy回测引擎演示 ，关于 abupy研究的环境的搭建，请参阅《以量化金融研究工具为例: Docker到底给开发人员/测试工程师/数据科学家带来了什么？》 第一步，利用现成指标构建逻辑 上面的文章《如何设计量化交易策略？》提到的第一步是利用现成指标构建逻辑。 好的，我们先去找一个现有的技术指标，我找到了一个cci顺势指标。 根据文中的介绍，cci指标的用法是这样子的： 1、