Skip to content
TheChatArchiveThe Chat Archive
Perplexitysonar-reasoning· PerplexityHugging Face LMArena Search Arena 24K

請問有什麼勝率高、賺多贏少的股票投資策略嗎?請附上python程式碼

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Perplexitysonar-pro-high’s answer.
  1. User

    請問有什麼勝率高、賺多贏少的股票投資策略嗎?請附上python程式碼

  2. Perplexity Assistant

    在股票投資中,追求「高勝率」並非獲利的唯一關鍵,需結合「盈虧比」與風險管理。以下整合實戰策略與Python程式碼範例,強調透過技術指標與回測驗證提升策略有效性:


    一、核心策略原理與實戰方法

    1. 均線交叉策略(結合高低點突破)

    • 策略邏輯:當短期均線(5日)上穿長期均線(20日)且突破前高時買入,反之跌破前低時賣出[3][5][7]。
    • 優勢:利用趨勢慣性捕捉波段行情,避免過度交易。
    • 風險控制:設定固定比例止損(如-5%)或動態止損(基於ATR波動率)[8]。

    2. 大跌後反彈策略

    • 觸發條件:股價單日跌幅超過7%後,若連續3日收盤價站穩5日均線則進場[5]。
    • 原理:極端下跌後籌碼洗淨,反彈動能較強[5]。

    3. 籌碼集中度策略

    • 指標應用:監控「千張大戶持股比例」連續增加,且外資/投信同步買超[5]。
    • 操作:搭配成交量放大突破整理平台時進場。

    二、Python程式碼範例(均線交叉策略)

    from backtesting import Backtest, Strategy
    from backtesting.lib import crossover
    import pandas as pd
    
    class EnhancedSmaStrategy(Strategy):
        n1 = 5   # 短期均線
        n2 = 20  # 長期均線
        stop_loss = -0.05  # 固定止損比例
    
        def init(self):
            self.sma1 = self.I(lambda x: x.close.rolling(self.n1).mean())
            self.sma2 = self.I(lambda x: x.close.rolling(self.n2).mean())
            self.highs = self.data.High.rolling(50).max()  # 50日高點壓力
            self.lows = self.data.Low.rolling(50).min()    # 50日低點支撐
    
        def next(self):
            price = self.data.Close[-1]
            
            # 買入條件:均線金叉且突破前高
            if crossover(self.sma1, self.sma2) and price > self.highs[-1]:
                self.buy(sl=price*(1+self.stop_loss))  # 設定止損
                
            # 賣出條件:均線死叉或跌破前低
            elif crossover(self.sma2, self.sma1) or price < self.lows[-1]:
                self.sell()
    
    # 載入歷史數據(以台積電為例)
    data = pd.read_csv('TSMC.csv', parse_dates=['Date'], index_col='Date')
    
    # 回測設定
    bt = Backtest(data, EnhancedSmaStrategy, commission=0.004, exclusive_orders=True)
    stats = bt.run()
    
    # 輸出結果
    print(stats)
    bt.plot(filename='backtest_result.html')
    

    三、策略優化方向

    1. 動態止損機制:改用ATR指標調整止損幅度,例如stop_loss = 2 * atr(14)[8]。
    2. 過濾假突破:加入成交量條件,要求突破時成交量高於20日均量[3][5]。
    3. 多因子整合:結合ROE>15%或法人連續買超等基本面條件[5]。

    四、關鍵風險提示

    • 勝率陷阱:實測顯示60%勝率策略若平均虧損為-8%、獲利僅+3%,長期仍會虧損[2][4]。
    • 過度擬合風險:避免在回測中過度調整參數,需保留樣本外數據驗證[6]。
    • 市場週期影響:趨勢策略在震盪市易連續止損,需搭配市場狀態判斷[8]。

    五、進階資源建議

    • 回測框架:使用Backtrader或QuantConnect進行多資產組合測試[6]。
    • 即時數據源:透過Yahoo Finance API或TradingView Webhook串接。
    • 風險值計算:加入VaR(風險價值)模型評估極端情境損失[4]。

    > 關鍵結論:
    > 真正有效的策略需在「勝率、盈虧比、交易頻率」三角平衡中取得最適解,建議從均線系統起步,逐步加入波動率濾網與資金管理規則[3][5][8]。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.