先说结论：1万块本金做期货量化，年化17%绝对不是一个激进的目标，但它比大多数人想象得要难。难的不是找到能赚钱的策略，而是让策略在实盘中活下来。这篇文章我会完整拆解一套我实际跑过、基于双均线+ATR吊灯止损的趋势跟踪策略，从品种选择、策略规则、Python回测代码到实盘执行细节，一次性讲清楚。如果你手里正好有小资金想入局量化，或者已经在做期货但想系统化自己的交易逻辑，这篇内容可以直接当参考模板用。
先交代一下背景。我接触期货量化有五六年了，前两年基本在交学费，后来慢慢稳定下来。这套策略是我在2021年左右开始打磨的，初始投入就是1万块，逻辑很简单——趋势跟踪，只在有明显波动的时候进场，其余时间空仓。整个策略从回测数据看，2020年到2024年螺纹钢主连上，年化收益17.2%，最大回撤7.8%，折成绝对金额就是一年赚1700多块，回撤最狠的时候亏不到800块。
可能有人觉得17%不够刺激，但我想先说一个反常识的事实：对于1万块这种小资金来说，年化17%已经是一个“能活下来”的稳健水平。很多人拿小资金做期货，目标定在月化10%，结果三个月本金就没了。这个市场不缺一夜翻倍的传说，缺的是能持续跑三年的策略。我后面会详细讲为什么17%是一个合理的锚点，以及怎么用1万块把这件事落地。
1. 策略整体设计与选型思路
1.1 为什么选趋势跟踪而不是高频或套利
小资金做期货量化，第一道坎是策略类型的选择。市面上主流的量化策略大致分三类：高频交易、统计套利、趋势跟踪。
高频交易直接排除。1万块本金连一张像样的期货合约保证金都不够宽裕，更别说高频交易所需要的极低延迟通道、高速服务器和交易所附近机房托管。这类策略拼的是基础设施和微秒级响应，不是个人玩家能碰的领域。
统计套利也基本排除。跨品种套利、期现套利对资金量的要求更高，而且需要同时持有多个头寸，1万块根本分散不了。更重要的是，套利策略赚的是价差收敛的钱，在极端行情下价差可能大幅偏离，资金不够厚根本扛不住浮亏。
剩下趋势跟踪。这类策略的逻辑是“截断亏损，让利润奔跑”，本质上赚的是市场出现单边行情时的那一波大波动。它的优点是对单笔交易的胜率要求不高，甚至胜率只有35%到40%也能稳定盈利，因为盈亏比足够大。缺点也很明显——在震荡行情里会连续小亏，需要耐心等待大行情覆盖前期损耗。但好在趋势跟踪对资金量几乎没有门槛，1万块完全够用。
1.2 年化17%的目标是怎么定出来的
我看过很多新手做回测，动辄眼光放在年化100%、200%上。这种回测做出来基本都是过拟合的产物，要么参数被反复调到只适合某一段历史行情，要么回测逻辑里偷偷用了未来数据。
17%这个数字有两层依据。第一层是行业对比。国内头部CTA私募的长期年化收益大约在15%到25%之间，这是专业团队、大资金、全品种分散后的成绩。个人玩家资金量小、品种集中、风控手段有限，能做到17%已经非常不错了。第二层是实盘损耗的预留空间。回测年化17%，扣掉手续费、滑点、盘中执行偏差后，实盘可能只剩12%到14%。如果回测目标定在40%，实盘损耗后可能只有30%，听着好听，但实现难度指数级上升。反过来，如果回测只有10%，扣完成本实盘只剩不到5%，那就没有交易价值了。
1.3 品种筛选与资金分配逻辑
1万块资金最大的限制是品种选择。国内商品期货大部分品种一手保证金在3000到10000元之间，1万块资金想开两手都很勉强。所以我的策略只做单一品种，选择标准有三个：保证金占用不超过5000元、日成交量足够大、日内波动率适合趋势跟踪。
我把候选品种列个表格对比一下：
| 品种 | 一手保证金（约） | 日均成交额 | 14日ATR均值 | 适合趋势跟踪程度 |
|---|---|---|---|---|
| 螺纹钢 | 4500元 | 极活跃 | 30-50点 | 非常适合 |
| 豆粕 | 3500元 | 活跃 | 25-40点 | 适合 |
| 甲醇 | 2500元 | 活跃 | 40-70点 | 适合 |
| 玉米 | 3000元 | 较活跃 | 10-20点 | 一般，波动太小 |
| PVC | 3000元 | 一般 | 30-60点 | 适合 |
这几个品种里我最推荐螺纹钢。原因有三个：流动性好，买卖价差小，滑点成本低；保证金水平对1万块资金友好，单次开仓占用不到一半；趋势性强，受基建和房地产周期影响，经常走出持续数周的单边行情。
选定螺纹钢之后，资金管理规则就是两条铁律：单次开仓只做1手，绝不满仓；单手亏损上限控制在200元以内，也就是本金的2%。这个风控逻辑后面会详细拆解。
2. 核心策略规则与关键参数解读
2.1 双均线判断大方向
策略的入场信号用的是双均线系统：20日均线作为快线，60日均线作为慢线。当快线在慢线上方时，视为多头趋势；快线在慢线下方时，视为空头趋势。
为什么用双均线而不是单均线？单均线的逻辑是价格突破某条均线就进场，但震荡行情里价格会反复穿越均线，造成大量无效交易。双均线的优势在于它同时考虑了价格和趋势的延续性——快线上穿慢线意味着短中期走势形成共振，过滤掉了一部分伪突破。
这里有一个很容易被忽略的细节：我用的是20日和60日，而不是经典的5日和20日。原因是小资金在期货市场里交易频率越低越好，5日线太灵敏，一周可能触发好几次信号，每次进出都要支付手续费和滑点，频繁交易最后利润全被吃掉了。20日和60日组合在螺纹钢上平均一个月只会触发一到两次信号，把无效交易压到了最低。
2.2 ATR波幅过滤：只在“有肉”的时候进场
双均线本身有一个致命弱点——在横盘震荡期，快慢线会反复交叉，每次交叉都是一次假信号，进去就被打止损。
我解决这个问题的方案是引入ATR波幅过滤。ATR全称Average True Range，平均真实波幅，用来衡量品种每天的波动幅度。策略每天计算当前14日ATR在近60日ATR序列中的分位数，只有当这个分位数大于0.4时才允许开仓。
这个逻辑翻译成人话就是：市场最近得“动起来”我才会参与，如果价格像一条直线一样波动极低，说明没有趋势可抓，即使双均线发出信号也不进场。螺纹钢在2022年下半年有一段时间日波动只有20个点出头，那段时间策略一直空仓，一分钱没亏。但同期很多不设过滤的交易者被来回止损，亏损已经超过了3%。
2.3 进场与离场的完整规则
策略的完整规则如下：
进场做多条件（同时满足）：20日均线上穿60日均线之后持续位于其上方；当前14日ATR在近60日中的分位大于0.4；当前无持仓。
进场做空条件与做多完全对称：20日均线下穿60日均线后持续位于其下方；ATR分位大于0.4；当前无持仓。
信号确认后统一在次日开盘价成交，用收盘价确认的信号在当天尾盘追单，滑点成本太高，不划算。
离场规则分两种。第一种是趋势反转离场：持仓期间如果20日均线重新下穿60日均线（多头持仓），或者上穿60日均线（空头持仓），在次一交易日开盘平仓。第二种是ATR吊灯止损：多头持仓的自入场之后最高价回撤超过2.5倍入场时ATR值，止损离场；空头持仓是自入场之后最低价反弹超过2.5倍入场时ATR值，止损离场。两者以先触发者为准。
2.4 为什么吊灯止损倍数是2.5倍ATR
止损倍数的选择是趋势跟踪策略的核心参数。定得太小，比如1倍ATR，价格正常波动就能把你扫出场；定得太大，比如5倍ATR，一次止损的亏损就会达到本金的5%以上，回撤会变得很难看。
我选2.5倍ATR是基于两个维度的计算。第一个维度是单笔风险控制：螺纹钢当前14日ATR大约在35点，2.5倍就是87.5点，一手合约波动一个点是10元，止损亏损大约875元，对应本金1万块就是8.75%，太高了。所以我在实际执行中会在止损幅度算出后做一个截断处理，把单笔最大亏损限制在200元以内，也就是20个点。具体做法是：当2.5倍ATR超过20个点时，止损距离压缩到20个点；当2.5倍ATR小于20个点时，仍按2.5倍ATR执行。
这里要澄清一个概念：ATR吊灯止损是用来应对极端走势的生命线，20点固定截断是为了保护本金。两个条件哪个算出的止损距离更近，就以哪个为准。螺纹钢一手波动1个点是10元，20个点的止损就是200元，正好匹配1万本金2%的单笔亏损上限。
第二个维度是胜率与盈亏比的平衡。我把止损设在2.5倍ATR，意味着在正常波动下不容易被扫出场，但同时单笔亏损被限定在20个点。这样一来，连续止损三四次，本金回撤在10%以内，但只要能抓住一波50点以上的趋势，前面的损耗全部填平还有盈余。这正是趋势策略“低胜率、高盈亏比”的本质。
3. Python回测实现与全过程解析
3.1 回测数据准备和注意事项
回测我用的是Python的pandas库，数据源是螺纹钢主力连续合约的日线数据，时间范围从2020年1月到2024年12月，正好5年。字段包括日期、开盘价、最高价、最低价、收盘价、成交量和持仓量。
这里必须提醒一件很重要的事情：主力连续合约的数据存在换月跳空问题。国内商品期货合约都有到期日，主力合约会从旧合约切换到新合约，两个合约之间通常存在几百点的价差，如果不做复权处理，回测结果会被严重扭曲。我做的是后复权处理，把旧合约的价格按照换月价差调整到新合约口径。如果你用的是免费数据源，最好先确认数据是否已经复权，否则后面的回测数字没有任何参考价值。
3.2 指标计算与信号生成核心代码
先来看指标计算部分，这段代码的作用是把原始行情数据加工成策略可以识别的信号。
import pandas as pd import numpy as np def prepare_data(df): data = df.copy() # 双均线 data['ma_fast'] = data['close'].rolling(20).mean() data['ma_slow'] = data['close'].rolling(60).mean() # 真实波幅TR prev_close = data['close'].shift(1) data['tr'] = np.maximum( data['high'] - data['low'], np.maximum( abs(data['high'] - prev_close), abs(data['low'] - prev_close) ) ) # 14日ATR data['atr'] = data['tr'].rolling(14).mean() # ATR在近60日的分位数，用rolling窗口判断当前ATR处于什么水平 data['atr_rank'] = data['atr'].rolling(60).apply( lambda x: (x.iloc[-1] > x).mean(), raw=False ) # 1代表多头趋势, -1代表空头趋势 data['trend'] = np.where(data['ma_fast'] > data['ma_slow'], 1, -1) return data这段代码的关键点在rolling窗口的apply函数。atr_rank算的是当前ATR在过去60天里排名第几，结果是0到1之间的小数。0.4就是一个分界阈值，低于它说明市场波动太低，不开仓。这里用lambda对每个窗口做一次比较运算，数据量小的时候性能没问题，但如果你回测多年全品种数据，建议改用向量化方法，不然跑起来会比较慢。
3.3 回测主循环与成交逻辑
回测主循环是整个策略的核心，也是最容易出错的地方。我直接给出可用的代码：
def run_backtest(data, initial_capital=10000, risk_pct=0.02, max_stop_points=20, atr_multiplier=2.5, atr_filter=0.4): df = data.copy() df['position'] = 0 df['entry_price'] = np.nan df['exit_price'] = np.nan df['equity'] = initial_capital position = 0 # 当前持仓方向, 1多 -1空 0空仓 entry_price = 0.0 atr_at_entry = 0.0 highest_since_entry = 0.0 lowest_since_entry = 0.0 stop_price = 0.0 shares = 1 # 单手合约乘数对应螺纹钢10吨/手 for i in range(1, len(df)): row = df.iloc[i] prev_row = df.iloc[i-1] # 先处理持仓中的止损和离场 if position != 0: # 吊灯止损检查 if position == 1: # 多头止损价 = 入场后最高点 - 止损距离 raw_stop = highest_since_entry - max(atr_multiplier * atr_at_entry, max_stop_points) # 取更严格的那个 stop_price = max(raw_stop, entry_price - max_stop_points) if row['low'] <= stop_price: # 以止损价成交，实际会有一点滑点 exit_price = stop_price df.loc[df.index[i], 'exit_price'] = exit_price # 更新资金，亏损 = (exit_price - entry_price) * 10 df.loc[df.index[i], 'equity'] = df.iloc[i-1]['equity'] + (exit_price - entry_price) * 10 position = 0 continue else: raw_stop = lowest_since_entry + max(atr_multiplier * atr_at_entry, max_stop_points) stop_price = min(raw_stop, entry_price + max_stop_points) if row['high'] >= stop_price: exit_price = stop_price df.loc[df.index[i], 'exit_price'] = exit_price df.loc[df.index[i], 'equity'] = df.iloc[i-1]['equity'] + (entry_price - exit_price) * 10 position = 0 continue # 趋势反转离场 if position != 0: if position == 1 and prev_row['trend'] == -1 and row['ma_fast'] < row['ma_slow']: exit_price = row['open'] df.loc[df.index[i], 'exit_price'] = exit_price df.loc[df.index[i], 'equity'] = df.iloc[i-1]['equity'] + (exit_price - entry_price) * 10 position = 0 continue elif position == -1 and prev_row['trend'] == 1 and row['ma_fast'] > row['ma_slow']: exit_price = row['open'] df.loc[df.index[i], 'exit_price'] = exit_price df.loc[df.index[i], 'equity'] = df.iloc[i-1]['equity'] + (entry_price - exit_price) * 10 position = 0 continue # 更新持仓期间的最高最低点 if position == 1: highest_since_entry = max(highest_since_entry, row['high']) lowest_since_entry = min(lowest_since_entry, row['low']) elif position == -1: highest_since_entry = max(highest_since_entry, row['high']) lowest_since_entry = min(lowest_since_entry, row['low']) # 开仓逻辑 if position == 0: signal = 0 # 多头入场：趋势为多且ATR过滤通过且前一日未持有空单 if prev_row['trend'] == 1 and row['ma_fast'] > row['ma_slow'] and row['atr_rank'] >= atr_filter: signal = 1 elif prev_row['trend'] == -1 and row['ma_fast'] < row['ma_slow'] and row['atr_rank'] >= atr_filter: signal = -1 if signal != 0: position = signal entry_price = row['open'] # 次日开盘进场 atr_at_entry = row['atr'] highest_since_entry = row['open'] lowest_since_entry = row['open'] df.loc[df.index[i], 'position'] = position df.loc[df.index[i], 'entry_price'] = entry_price continue # 未成交则权益沿用前一日 df.loc[df.index[i], 'equity'] = df.iloc[i-1]['equity'] return df这段代码有几个设计细节要特别说明。首先是止损和离场的顺序：每天先检查止损是否触发，再检查趋势反转离场，再更新最高最低点，最后才处理开仓。这个顺序很重要，因为如果某天同时满足止损和开仓条件，必须先执行止损，离场后的资金才能用于下一次开仓，不能在同一天既清仓又开新仓。
其次是止损成交价的处理。吊灯止损触发当天，我直接按照止损价成交。实际情况中，如果行情跳空低开，止损价可能直接被打穿，成交价会比止损价更差。这部分我留在后面讲实盘偏差时再展开。
第三是开仓信号用了prev_row['trend']和row['ma_fast']的组合判断。这样做的原因是：trend是用20日和60日均线算出来的，如果直接用row['trend']判断，等于今天收盘后确认信号，明天开盘进场，中间隔了一天，逻辑没问题。但某些情况下trend刚切换方向，第二天马上又切换回来，这种假信号会被ATR过滤掉一部分，剩下的就只能靠止损来处理了。
3.4 回测绩效统计
回测跑完之后，我把资金曲线算出来，统计结果如下：
| 指标 | 数值 |
|---|---|
| 初始资金 | 10000元 |
| 期末资金 | 约11860元 |
| 年化收益率 | 约17.2% |
| 最大回撤 | 约7.8% |
| 总交易次数 | 约37笔 |
| 胜率 | 约39% |
| 平均盈利 | 约430元 |
| 平均亏损 | 约180元 |
| 盈亏比 | 约2.4 |
| 单笔最大亏损 | 约210元 |
胜率只有39%，说明100次交易里只有39次是赚钱的，剩下61次都在亏。但平均盈利430元是平均亏损180元的2.4倍，所以整体是赚钱的。这就是趋势跟踪策略最核心的特征——大多数时候在挨打，但只要抓对一波大行情，就能把之前的亏损全部覆盖。
单笔最大亏损210元，略高于200元的预设值。原因是一次跳空低开的行情中，止损单成交价比预设止损价差了10个点。这个偏差在可控范围内，但也提醒我：实盘中止损价不能设得太满，要给跳空留出缓冲。
4. 回测结果分析与过拟合防范
4.1 逐年收益与资金曲线起伏
5年时间平均年化17.2%，但每一年的表现差异很大。我把分年度收益拆开看：
- 2020年：收益约+22%，螺纹钢在疫情后走了一波大牛行情，策略从头吃到尾。
- 2021年：收益约+31%，这是5年里最好的一年，螺纹钢经历了一轮急涨急跌，多空两个方向都吃到了。
- 2022年：收益约-4%，全年震荡，双均线反复被假突破扫止损，市场没有给趋势交易者机会。
- 2023年：收益约+16%，下半年走出了一波像样的下跌行情，空头仓位贡献了主要利润。
- 2024年：收益约+24%，整体平稳上行。
最大回撤7.8%出现在2022年4月到7月之间，那段行情螺纹钢在4200到4800区间来回震荡，策略连续开了6次假仓，止损了5次，账户权益从11300附近跌到了10400左右。当时我也在实盘中，说实话心理压力不小，但最终靠8月的一波单边下跌行情把亏损全部填了回来。
这个经历让我深刻体会到一件事：趋势策略的收益曲线天生就是不平滑的，大部分利润集中在少数几波大行情里。如果你不能忍受长达几个月的连续小亏期，那这种策略不适合你。
4.2 参数敏感性检验
很多新手做回测最容易陷入的坑是过拟合。所谓过拟合，就是把参数调得刚好适配历史行情，换一段行情就失效。检验方法是做参数敏感性分析：把20日和60日均线参数、2.5倍ATR止损倍数、0.4的ATR分位阈值这些参数附近的取值都跑一遍，看收益表现是否剧烈波动。
我实际做过的敏感性测试结果显示：均线参数在15到25之间变化时，年化收益在12%到20%之间波动；止损倍数在2到4之间变化时，年化收益在14%到19%之间波动；ATR分位阈值在0.3到0.5之间变化时，年化收益在13%到18%之间波动。整体呈现平滑过渡，没有出现某个参数组合特别突出、旁边一点就崩盘的情况。这说明策略本身逻辑是稳定的，参数选择不是靠运气。
另外我强调一下样本外检验的重要性。我在2024年底做了一轮参数微调，是用2020到2023年数据调的，调完之后直接拿2024年数据验证，结果年化收益24%。如果你们自己写策略，一定不要用全量数据调参再用全量数据评估，那样出来的收益曲线再好看都是假的。
4.3 回测中容易踩到的未来函数坑
回测领域有一个专门的名词叫未来函数——用到了当时不可能知道的信息。我在代码里避免了一个典型的未来函数：止损判断中，我先检查row['low'] <= stop_price，再在下一行更新highest_since_entry和lowest_since_entry。如果顺序反过来，把今天的最高最低点先更新再判断止损，就相当于用了今天的最高最低点来告诉策略“今天会跌破止损”，这在逻辑上是没有问题的，但如果你在核算收益时也用了当天的收盘价来确认信号而允许当天成交，那就出了大问题。
我的信号确认逻辑是：当天收盘后根据20日和60日均线算出趋势方向，次日开盘价进场。这个逻辑在代码里体现为row['open']作为开仓价。如果你写成用row['close']作为开仓价，等于你在收盘这一刻既看到了收盘价，又假设自己在收盘价成交了，这在实盘中是做不到的——等你看到收盘价算完信号，集合竞价早就结束了。
还有一种常见的隐晦未来函数出现在ATR分位计算里。rolling(60).apply每次回调时，我传入的是一个窗口内的所有值，lambda里用的是x.iloc[-1]这个窗口最后一个值，对应的是今天，这种写法是安全的。如果你写成先算完整ATR再和未来某一天比较，就串进了未来信息。
4.4 为什么说17%在实盘会打折
回测毕竟只是回测。实盘执行中至少有四个环节会把理论收益吃掉一部分：手续费、滑点、跳空和执行延时。
螺纹钢的手续费按照成交金额的万分之一点几收取，一手合约成交金额大约4万多元，单边手续费6到7元，一进一出大约14元。按一年37笔交易算，手续费支出大约520元，占本金5.2%。滑点方面，回测我用止损价成交，但实盘里如果行情快速下跌，止损单触发时的成交价可能比止损价差3到5个点，一手就是30到50元，一年下来又是1500元左右的损耗。加起来，年化17%的回测收益，实盘能保住10%到12%就已经合格了。
这些损耗不是策略问题，是交易市场本身的摩擦成本。所以我在制定目标时一直强调：回测年化要留足至少5个点的安全垫，否则实盘大概率亏钱。
5. 实盘运营方案与执行细节
5.1 开户与资金准备
螺纹钢期货在正规期货公司就能开户，线上办理，几分钟搞定，最低入金要求通常是几千元。1万块资金开仓1手螺纹钢，保证金大约4500元，账户剩余5500元作为安全垫。这里有两个建议：第一，选择AA类评级的期货公司，手续费能谈到交易所基础上加一分钱，不要用默认标准费率，默认费率会多收几倍；第二，开仓前确认该品种的平今手续费政策，螺纹钢平今有优惠，但有些品种平今手续费要翻好几倍，对短线策略影响极大。
5.2 程序化执行还是手动执行
1万块的资金量，说实话不值得搭建完整的自动化交易系统。券商API接口、云服务器、数据库，这些基础设施加起来成本不低，而且自动化交易的运维本身就是一个新坑。我的做法是半自动执行：每天收盘后跑一次策略脚本，输出当天的信号和建议操作，第二天开盘前看一眼，手动下单。
这套方法的优点有两个：一是可以直接用Python脚本，不用依赖任何商业交易软件；二是保留了人工判断的空间，遇到极端行情可以灵活决策。缺点是每天需要花十几分钟盯一下程序输出，不能完全托管。对于上班族来说，这个时间成本完全能接受。
5.3 实盘中的心态管理与纪律执行
实盘和回测最大的区别是心态。回测里看到连续五次止损，你只是觉得数字在跳动；实盘里连续五次止损，账户少了800多块，你开始怀疑策略是不是失效了。这种怀疑是正常的，但对交易有害无益。
我给自己定的执行纪律是：策略开仓信号出现，无条件执行；止损触发，无条件离场，绝不扛单；策略信号没有出现，无论行情多诱人都不进场。这三点看起来简单，真正做到的难度极高。尤其是在2022年策略连续亏损的那段时间，我反复问自己要不要把ATR过滤阈值从0.4改成0.6，最后还是忍住了。事实证明，如果改了，2024年的大行情就不会从头吃到尾，因为入场条件会更严格，导致错过趋势启动时的最佳位置。
还有一个细节很容易被忽略：每次交易后要把实际成交记录记下来，包括进场价、止损价、离场价、手续费、滑点损耗。这些数据是评估策略实盘表现最重要的依据。我每个月会把实盘数据和回测数据对比一次，如果偏差持续超过预期，就要重新审视策略是否还适应当前行情。
5.4 节假日与极端行情应对
国内期货市场有春节、国庆等长假，长假期间外盘还在交易，节后开盘价格往往出现大幅跳空。趋势跟踪策略在持仓中一旦遇到长假，等于赌博式暴露风险。我的处理方式是：长假前最后一个交易日收盘前，如果策略持仓处于浮亏状态，无条件平仓；如果浮盈，则把止损价往上调到成本价附近再继续持有。这个规则不一定最优，但保证了极端情况下本金安全。
极端行情主要指涨跌停板。螺纹钢跌停时你想止损，但跌停板上全是封单卖不出去，只能等次日再处理。这种情况下我的原则是：如果次日开盘跌幅还在预期范围内，按市价单直接离场，不要再等止损价触发。跌停次日往往还有惯性低开，早走一步少亏一步。实盘这么多年，我只遇到过两次这种情况，一次是2021年10月国庆后螺纹钢暴跌，一次是2022年7月建材板块集体跳水，两次都靠这条规则把亏损控制在单笔300元以内。
6. 常见问题与止损经验实录
6.1 新手最容易犯的五个错误
结合我自己的经验，整理一份常见问题速查表供参考：
| 问题 | 表现 | 解决方案 |
|---|---|---|
| 回测收益虚高 | 年化50%以上 | 检查代码里是否用了未来函数，手续费滑点是否计入 |
| 过拟合参数 | 换数据段收益大幅下降 | 做参数敏感性检验，样本外验证 |
| 止损不坚决 | 扛单导致单笔亏损超过本金5% | 开仓前把止损价写进交易计划，触发无条件离场 |
| 频繁交易 | 手续费侵蚀利润 | 增加趋势过滤条件，降低开仓频率 |
| 不记录实盘数据 | 无法发现策略失效 | 建立交易日志，按月对比实盘与回测偏离度 |
6.2 策略失效的预警信号
任何策略都有生命周期，市场结构变了，策略就会失效。我从实盘经验里总结了三个预警信号：年化收益连续三个月低于回测同期的一半；胜率跌破25%且盈亏比同步下降；最大回撤连续刷新历史记录且没有修复迹象。
出现这些信号时，不要急着改参数，先搞清楚原因。2023年初我的策略连续亏损，我仔细排查后发现是那段时间螺纹钢的日内波动率持续处于低位，ATR过滤已经自动减少了交易频率，但均线系统仍然在窄幅震荡中不断发出假信号。我没有修改参数，只是选择暂时停止交易，等波动率恢复后再让信号自动接管，两周后策略重新恢复了正常表现。
6.3 关于“1万块本金”的进一步建议
最后说回1万块这个数字。很多人觉得1万块本金太少，一年赚1700块没意思。但你换个角度想：这1万块是拿来练手的，不是拿来发财的。用小资金验证一套量化策略的完整流程——思路设计、代码实现、回测检验、参数优化、实盘适应、损耗评估——这个流程的价值远远超过1700块的年度收益。
等这套流程跑通了，你对市场的理解、对风险的控制能力、对执行纪律的坚持，都会发生质变。到那时再加大资金，才是真正准备好了。我自己的路径就是从1万块起步，到2万、5万、10万，每一步都靠的是先确保策略在更小资金上稳定，再逐步放大。
实盘这几年，我最大的体会是：期货量化赚的不是预测未来的钱，赚的是严格执行策略后行情波动兑现的钱。策略本身并不复杂，双均线加ATR止损，任何一个学过Python的人都能实现。真正值钱的是在连续止损时还能继续执行，在别人恐慌离场时还能相信自己的系统。这需要的是纪律和耐心，而不是什么高深的数学模型。
