写第一个策略：把买卖条件变成代码
很多人第一次写量化策略，会急着追求“聪明”。其实第一条策略先别聪明，先要清楚。就像开店先把“什么情况进货、什么情况清库存、每次进多少”写成规矩，再谈生意做得多漂亮。
这是什么
量化策略规则，就是把买入、卖出和仓位条件写成可执行逻辑。说人话，它像一张厨房出餐单：什么条件下开始炒，什么条件下停火，一锅最多放多少菜，都要写明白，不能靠临场感觉。
在程序里，一条最小策略通常拆成三块：
| 部分 | 要回答的问题 | 例子 |
|---|---|---|
| 买入条件 | 什么情况下可以买 | 收盘价站上 MA20，并且放量 |
| 卖出条件 | 什么情况下要卖 | 收盘价跌回 MA20 下方，或触发止损 |
| 仓位条件 | 每次买多少 | 每只股票最多用 20% 资金 |
本章只做第一条能看懂、能检查的小策略：用 A 股量化数据里的收盘价和成交量，配合均线与突破，写出一套清楚的量化策略规则。
经验
第一条策略的目标不是赚钱，而是把“想法”翻译成“规则”。规则能被自己复盘，才有资格继续改进。
为什么不能只写一句“涨了就买”
“涨了就买”听起来直观，但程序会追问很多细节。
涨多少算涨？站上哪条均线算强？突破的是哪一天的压力？成交量要不要放大？当天买入后，A 股普通股票通常 T+1，能不能同一天卖出？每次买满仓，还是只买一部分？
如果这些问题没写清楚，程序不会帮你补脑子，只会按你给的模糊规则乱跑。散户临盘时常说“感觉要突破了”，但量化交易不能靠感觉，要把“突破”拆成可检查的条件。
比如我们先定一个很朴素的买入条件：
- 当天收盘价高于 MA20。
- 当天收盘价高于过去 10 个交易日的最高收盘价。
- 当天成交量大于过去 5 个交易日平均成交量的 1.5 倍。
这三句话的意思是：价格站到中期均线上方，同时越过近期压力，还伴随放量。它不保证会涨，只是把“看起来比较强”改成了程序能判断的条件。
用一张教学样本表跑通
以贵州茅台（600519，白酒行业，上交所主板，2001 年 8 月 27 日上市）为真实 A 股公司例子，但下面数字是教学样本，不代表它的真实历史行情。我们只用它说明数据长什么样、规则怎么落地。
| date | code | close | volume | avg_volume_5 | ma20 | high_close_10 |
|---|---|---|---|---|---|---|
| 2024-01-08 | SAMPLE | 98.00 | 8.1 万 | 8.0 万 | 97.20 | 99.20 |
| 2024-01-09 | SAMPLE | 99.10 | 8.4 万 | 8.1 万 | 97.35 | 99.20 |
| 2024-01-10 | SAMPLE | 100.30 | 13.2 万 | 8.5 万 | 97.50 | 99.20 |
| 2024-01-11 | SAMPLE | 101.00 | 14.1 万 | 9.2 万 | 97.70 | 100.30 |
在 2024-01-10 这一天，收盘价 100.30 高于 MA20 的 97.50，也高于过去 10 个交易日最高收盘价 99.20；如果过去 5 个交易日平均成交量约 8.5 万，那么 13.2 万就是放量。按这条规则，2024-01-10 会出现买入条件。
用 Python 写出来，可以先保持很直白：
def make_signal(row):
price_ok = row["close"] > row["ma20"]
breakout_ok = row["close"] > row["high_close_10"]
volume_ok = row["volume"] > row["avg_volume_5"] * 1.5
return price_ok and breakout_ok and volume_ok这段逻辑没有神秘感：三个条件都满足，才给出买入提示。量化策略规则越早期，越应该这么朴素。你要能指着每一行说清楚：为什么是买，为什么不是买。
还有一个时间点要写清楚：如果用当天收盘价判断买入条件，通常应假设“收盘后生成信号，下一交易日再按可成交价格执行”，不能默认已经知道收盘结果后还按当天收盘价成交。
卖出和仓位也要写进规则
只写买入条件，是很多新手的第一坑。买入像进门，卖出和仓位才决定你会不会被困在屋里。
一个入门版卖出条件可以这样定：
- 收盘价跌破 MA20，卖出。
- 买入后浮亏达到预设止损线，卖出。
- 普通股票遵守 T+1，买入当天不假装可以马上卖出。
仓位条件也要简单。比如“单只股票最多 20% 仓位”，意思是 10 万元本金里，单只股票最多用 2 万元。这样即使这条规则连续犯错，也不至于一次把账户打穿。
风险
方向性做法：第一条策略可以先用“突破 + 放量 + 均线”做买入条件，用“跌破均线 + 止损”做卖出条件。适用条件是你只想练习把规则写清楚；反例是把它当成任何行情都适用的赚钱机器；风险是横盘和假突破里会频繁买错，必须配合仓位控制。
把买入、卖出、仓位放在一起，策略才算有骨架：
def decide(row, holding, can_sell):
buy_signal = (
row["close"] > row["ma20"]
and row["close"] > row["high_close_10"]
and row["volume"] > row["avg_volume_5"] * 1.5
)
sell_signal = holding and can_sell and row["close"] < row["ma20"]
if not holding and buy_signal:
return "buy", 0.2
if sell_signal:
return "sell", 1.0
return "hold", 0这里的 0.2 代表用 20% 仓位买入，1.0 代表把当前持仓卖出。代码不是重点，重点是每个动作都有理由：为什么买、为什么卖、买多少、能不能卖。
新手最容易踩的坑
第一个坑，是偷看未来。比如用“未来 5 天最高价”判断今天要不要买，这在真实交易里根本不可能。程序如果偷看未来，结果会漂亮得不正常，但那不是能力，是作弊。
第二个坑，是把收盘后才知道的数据，当成盘中就能用。比如用当天收盘价判断买入，又假装自己当天已经按收盘价成交。真实交易里，你看到完整收盘价时，当天已经收盘了；如果规则用收盘价判断，成交假设就要写清楚，不能让程序偷偷占便宜。
第三个坑，是参数太多。MA5、MA10、MA20、放量倍数、止损线都能调，一不小心就变成“调到历史样本最好看”。主力不会按你的参数出牌，市场也不会因为你找到了漂亮组合就让路。
散户做策略容易被一两次成功吸引，越调越兴奋；老手更关心规则有没有犯低级错。真正该先检查的是：有没有偷看未来，有没有违反 T+1，有没有混用复权口径，有没有一上来就满仓。
大坑
不要把“代码能跑”当成“策略有效”。代码能跑，只说明语法大致没问题；规则是否合理，还要看数据口径、交易规则、成本、仓位和风险是否写清楚。
总结
量化策略规则就是把买入、卖出和仓位条件写成可执行逻辑。第一条策略不需要复杂，先做到四件事：买入条件清楚，卖出条件清楚，仓位条件清楚，不偷看未来、不违反 A 股交易规则。
自检 3 问：
- 为什么“涨了就买”不能直接当成量化策略规则？
- 用收盘价判断买入时，为什么要特别小心成交假设？
- 一条最小策略为什么必须同时写买入、卖出和仓位？
股市有风险，入市需谨慎。本文不构成任何投资建议。
本章新学到：量化策略规则。