企业官网建设流程全解析

一、这篇解决什么问题

做量化研究时，很多人卡在第一步：知道策略逻辑，但不知道怎么把它变成可运行、可验证的代码。

双均线是量化里最经典的入门策略，逻辑只有一句话：短期均线上穿长期均线时买入，下穿时卖出。它足够简单，能把“数据获取 → 信号生成 → 回测 → 评估”整条链路跑通，而且每个环节都看得见、改得动。

本文用一只 ETF 的日频数据，完整实现这个流程。读完你可以得到：

• 一份可运行的双均线回测代码
• 一张带买卖点标记的价格图
• 一份绩效指标对比（策略 vs 基准）
• 一张参数敏感性表格

二、环境与数据准备

2.1 依赖库

pipinstallpandas numpy matplotlib akshare

• pandas：数据处理
• numpy：数值计算
• matplotlib：绘图
• akshare：免费数据源，获取 ETF 日频行情

2.2 获取数据

importpandasaspdimportnumpyasnpimportakshareasak# 获取沪深300ETF日频数据（前复权）df=ak.fund_etf_hist_em(symbol="510300",period="daily",start_date="20200101",end_date="20241231",adjust="qfq"# 前复权，避免除权跳空造成假信号)df=df.rename(columns={'日期':'date','开盘':'open','最高':'high','最低':'low','收盘':'close','成交量':'volume'})df['date']=pd.to_datetime(df['date'])df=df.sort_values('date').reset_index(drop=True)print(df.head())print(df.shape)

检查点：

• 数据是否按日期升序
• 是否有缺失值
• 复权方式是否为前复权
• 时间范围是否覆盖至少一轮牛熊

关于复权处理的详细说明，见本系列第1期《Python量化交易入门：用Pandas做数据清洗与复权处理》。

三、核心实现

3.1 策略规则先写清楚

写代码之前，先把规则用文字定义好。这一步不能跳。

为什么用次日开盘：均线是用当日收盘价算的，收盘后才知道信号，最早只能次日开盘执行。这是避免未来函数的基本要求。

3.2 计算均线与信号

# 计算均线df['ma5']=df['close'].rolling(5).mean()df['ma20']=df['close'].rolling(20).mean()# 金叉：当日 ma5 > ma20 且前一日 ma5 <= ma20df['golden_cross']=((df['ma5']>df['ma20'])&(df['ma5'].shift(1)<=df['ma20'].shift(1)))# 死叉：当日 ma5 < ma20 且前一日 ma5 >= ma20df['death_cross']=((df['ma5']<df['ma20'])&(df['ma5'].shift(1)>=df['ma20'].shift(1)))# 持仓信号：金叉后为1，死叉后为0df['signal']=np.nan df.lo