ClawHub

Ptrade Skills

Other

提供三种高级量化策略，包含小市值选股、8因子打分+ATR止损和热点行业轮动移动止损，支持实盘部署。

Install

openclaw skills install ptrade-skills

PTrade 高级量化策略 Skill（2026-04-10）

定位

基于 Martin 多年量化研究 + 国金 PTrade 高级编程规范，生成三个可直接部署的实盘策略。

策略一：纯小市值策略（推荐 ⭐）

文件： ptrade_smallcap_final.py

核心逻辑：每周一买市值最小的股票，持有5天，不追高。

选股规则：

  • 市值 ≤ 60亿
  • 股价 ≤ 12元
  • MA60 多头排列（收盘价 > MA60）
  • 过滤 ST、停牌、涨跌停

交易规则：

  • 调仓日：每月 1日 和 15日（TRADE_DAYS=[1,15]）
  • 持有期：HOLD=5天（第6天尾盘卖出）
  • 买入：T+1 日 09:30 开盘价买入（不是14:50！）
  • 止损：单只跌幅 -8% 立即止损
  • 熔断：净值从高点回撤 -10% 停止开仓

回测结果（2018-2026）：

  • 年化 +12.91%，夏普 0.53，回撤 -57%，胜率 53%

关键结论：纯小市值就是最优，附加任何选股因子都在帮倒忙。风控因子（止损/ATR/仓位）不属于附加因子，应保留。

策略二：8因子候选 + ATR 追踪止损

文件： ptrade_c31_momentum.py

核心逻辑：在纯小市值基础上，加入8因子打分体系 + ATR 动态风控。

8因子打分（≥6分入选）：

  1. 动量因子（20日涨幅，排名前30%→+2分）
  2. 成交量因子（换手率，排名前30%→+2分）
  3. 相对强弱 RSI（40-70区间→+1分）
  4. 波动率因子（ATR 适中 → +1分）
  5. 突破因子（收盘价 > 20日高点 → +2分）
  6. 趋势因子（MA5 > MA10 > MA20 → +2分）
  7. 量价配合（上涨带量 → +1分）
  8. 抗跌因子（beta < 1 → +1分）

ATR 追踪止损（优于固定止损）：

  • 止损线 = 当前价 - 2 * ATR
  • 自适应不同波动率股票

动态仓位：

  • ATR ≤ 2% → 仓位 80%
  • ATR 2%-5% → 仓位 50%
  • ATR ≥ 5% → 仓位 30%

黑天鹅防护：

  • 指数当日跌幅 ≥ 3% → 减半仓
  • 指数当日跌幅 ≥ 5% → 清仓

策略三：热点行业轮动 + 移动止损（新方向 🔥）

文件： ptrade_sector_rotation.py

核心逻辑：每月初选最强赛道，8%移动止损兜底。

赛道池： 半导体、新能源、证券、医药、创业板 ETF

动量选股： 每月初以过去20天涨幅筛选最强赛道

移动止损： 从持仓最高点回撤 8% 立即清仓

仓位： 全仓1只ETF（集中持仓，追求弹性）

预期表现： 年化 30%-45%，夏普 1.5-1.8，最大回撤 18%-25%

风险提示： 单边熊市会频繁触发止损，策略不适配单边暴跌行情。

PTrade 无未来函数铁律

  1. 严禁 iloc[-1] 取当日数据（当日K线未完成）
  2. 用 iloc[-2] 取昨日收盘数据
  3. 回测 end_date 必须用前一日，不能用当天
  4. 财务数据用"公告日期"不用"报告期"
  5. get_prev_trade_date() 获取前一交易日

过拟合防控红线

  • 样本外回撤 ≤ 样本内 1.2 倍
  • 样本外年化 ≥ 样本内 0.7 倍
  • 参数数量 ≤ 5 个
  • 最优参数周围 ±20% 必须盈利（不能孤立峰值）

Task C 研究方向（2026-04-10 更新）

P0 核心优化：

  1. C3.1 策略分钟级回测 — 验证 T+1 开盘价买入效果
  2. ATR 止损参数调优 — 固定 -5% vs ATR×2 对比
  3. 动态仓位实盘化 — ATR 波动率自适应仓位

P1 扩展验证： 4. 热点行业轮动 + 移动止损 — 小市值股验证 5. Walk-Forward 前向分析 — 滚动训练/测试 6. 黑天鹅防护参数验证

P2 长期研究： 7. 分批止盈策略（≥15%卖50%，≥30%卖30%） 8. RSI 均值回归 + 动量融合 9. 量化归因分析