布林带均值回归策略实践
策略逻辑
均值回归（Mean Reversion）是金融市场中一种常见的现象，指的是资产价格在偏离其长期平均值后，最终会回归到该平均值。比如某一资产价格不会无限上涨，亦不会无限下跌，总会在某个时间回归到价值中枢水平。金融市场并非永远趋势单边，更多时候，它在一个中枢附近反复震荡。在这样的环境中，“均值回归策略”便成为极具优势的交易方法。
布林线指标正是在上述条件的基础上，引进了“股价信道”的概念，其认为股价信道的宽窄随着股价波动幅度的大小而变化，而且股价信道又具有变异性，它会随着股价的变化而自动调整。正是由于它具有灵活性、直观性和趋势性的特点，渐渐成为投资者广为应用的市场上热门指标。
策略实践
这里我们就来实践一个均值回归的经典策略，布林带均值回归策略。
首先我们设定策略的交易规则为：
1. 选用指标：布林带（周期取20，波动率系数取2）
2. 买入信号：价格跌破布林带下轨（超卖）
3. 卖出信号：价格涨破布林带上轨（超买）
打开爱量化 AIQT（aiqt.cc）工作台，找到 AI 助手，将该策略的交易规则复制进去：
点击发送
可以看到 AI 已经根据要求生成了策略内容，首先 AI 用系统内置的的指标 BOLL 计算出了通道的上线和下线，然后定义交易信号为，收盘价跌破下线买入，突破上线卖出。策略内容，完全符合要求，然后点击应用
系统提示 AI 策略已经应用，点击确定
回到主界面输入要回测的股票代码和回测期，然后回测
注意需在提前读数填入 50 天，因为策略中要用到过去 20 日的交易数据，提前读数计算更准确。
回测之后的结果显示在右部
可以看到，该策略在中国国贸近 1 年的收益率为 8.17%，胜率为 100%，这也是均值回归策略的特点，风险回报非常保守，但是平均胜率较高。
我们再来看下它的走势图，点击画图功能，设置如下：
执行画图：
这是一个震荡市的走势图，图中可以看到布林带轨道的上线和下线随着股价的震荡在不断的变化。最下面一行是买卖信号红色的圆点表示买入，绿色的三角表示卖出，一年内的买入次数不算多。
动态参数优化
下面我们尝试将布林带的通道区间变窄一点，让指标更敏感一些，看下效果。点击策略右上方的优化，然后在对话框输入修改意见，将 BOLL 指标的波动率系数变为 1.9：
点击发送
AI 对指标的系数进行了修改，然后应用，回测：
通道变窄以后，交易次数增加，收益率也有所提高。
再从走势图上看下变化：
从图上我们可以看到，在震荡低点的买入次数增加，所以收益提高了。再进一步分析下图形，后半段有几次大的上下波动，本策略买点的切入还比较准确，但是卖点还以再后移一些。那么我可以尝试布林带的下线不变，上线变高一些。
一般系统内置的指标上线和下线都是对称的，我们需要用自定义指标来实现。有 AI 助手的帮助就方便多了，我们告诉 AI 用自定义计算改写 BOLL 指标，改写要求如下图。
有对 BOLL 指标算法不了解的小伙伴可以去读BOLL 布林线（股价信赖区间） - 乾学院，这里不再解释。
修改后的策略：
应用，回测：
收益率提高到了 17.26%。
再看下走势图：
上线提高后，卖点后移提高了收益。
总结
均值回归策略的特点
有更多交易机会 ——作为一般准则，市场在大约 30% 的时间里倾向于趋势市场，而 70% 的时间价格仍处于某种形式的整固中。由于回归均值策略最好在区间波动的市场背景下应用，而市场接近 70% 的时间都处在这种背景之下，因此与趋势交易设置相比，均值回归策略将有更多交易机会。
更高的胜率 ——许多均值回归策略的一个特点是在风险回报方面非常保守。换句话说，许多均值回归交易系统希望每单位风险的利润为 1 或 1.5 倍。这在本质上有助于提高系统的平均胜率。
较小的收益 ——正如我们上面所指出的，均值回归策略往往风报比上非常保守。这是广义上的概括，然而，它是许多均值回归技术的典型代表。这样做的明显缺点是，虽然能够获得更高的胜率，但我们放弃一些东西作为回报。更具体地说，与趋势跟随方法相比，均值回归策略收益较小。
可能会错过大趋势 ——我们知道市场在大约 70% 的时间里倾向于盘整，这有利于平均回归交易者。但请记住，市场确实有大约 30% 的时间趋向于趋势。而正是在这些趋势阶段，才有可能实现最高的潜在利润。这对逆势交易者来说可能是机会的错失。
优化方向
动态参数：如文中所演示，可以根据市场波动情况调整波动率系数（高波动时增大，低波动时减小）；
趋势过滤：结合 ADX（平均趋向指数）判断趋势强度，仅在 ADX<25（震荡市）时启用策略，ADX>25（趋势市）时空仓或切换趋势策略，读者可自行实验验证。
