原创不易，转载请标明出处及原作者。文中示例仅用于技术讨论，不构成任何操作建议。量化策略开发应以学习和技术交流为目的。本号不荐股、不卖课、不承诺收益。市场有风险，请合法合规投资。本文约 4600 字 | 预计阅读 11 分钟，后有完整代码，建议先收藏。· · ·先看一组数字。某海外技术博客前几天发了一篇量化教程，讲的东西叫小波去噪加动量交易。配套的回测图里，策略从 2020 年初跑到 2026 年，六年半，累计收益1750 倍。同期一直拿着英伟达不动，大约 25 倍上下。更神的是回撤。六年半，策略最大回撤只有14%。英伟达本尊 2022 年那波，从高点跌掉六成。策略的曲线却像一条只会往上走的楼梯，几乎看不到像样的坑。我盯着它的两张收益图看了很久。自觉告诉我这不可能是真的。问题出在哪，我把它的代码逐行读了一遍，又在沪深300ETF（510300）上从头跑了一遍。这篇讲清楚三件事。这个策略在干什么，1750 倍是怎么被一行代码吹出来的，以及同样的逻辑搬到 A 股宽基上，真实成绩单长什么样。答案比 1750 倍难看得多，也比 1750 倍有用得多。一、筛子、信号，和那行出事的代码先用大白话把方法过一遍。小波变换（Wavelet Transform）这个东西，你可以把它理解成一把网眼可调的筛子。价格曲线倒进去，它按不同的摆动周期分开筛。两三天的毛刺是沙子，属于噪声，漏掉。五到二十天的起伏是你要的货，作者管这个区间叫 swing 尺度。一个月以上的慢趋势，先搁在另一边。① 小波去噪，按尺度筛波动import numpy as np from scipy import signal as sig widths = np.arange(1, 31) # 30 个尺度，30 把不同网眼的筛子 cwt_coeffs = sig.cwt(price.values, sig.ricker, widths) denoised = cwt_coeffs.copy() denoised[:5, :] = 0 # 5 以下，沙子，漏掉 denoised[20:, :] = 0 # 20 以上，慢趋势，搁一边 clean_trend = np.mean(denoised[5:20, :], axis=0) # 留下 5-20 的摆动筛完把 5 到 20 这几个网眼上的波动平均一下，就得到一条去掉毛刺的干净趋势线。光有趋势还不够。作者又在每个尺度上算了一个比值，今天的波动能量除以十天前的能量。大于 1.02，说明这个尺度上的波动正在放大。两个条件同时满足才亮灯，波动在放大，干净趋势站在自己的 60 日均线上方。② 信号合成，和那行致命代码momentum = np.mean([cwt_coeffs[s-1, 10:] / cwt_coeffs[s-1, :-10] for s in range(5, 21)], axis=0) signal = (momentum 1.02) (clean_trend ma60) # 双条件亮灯 strategy_returns = returns * signal # 问题就出在这一行注意看那行收益计算。signal 在这里没有往后挪。这就是整篇文章的七寸。二、1750 倍，是一行代码的功劳回测里每天的收益，等于持仓状态乘以当天的涨跌幅。signal 表示的是今天收盘后算出来的判断，写对的话它只能决定你明天持不持有，代码里要加一个 shift(1)。原文没加。没加意味着什么。今天收盘之后才算得出来的信号，乘上的是今天白天已经涨完的幅度。好比一场球，你等终场哨响了才去下注，账本却按开球前的赔率算你赢。每天赢一点，六年半复利下来，就是 1750 倍。
