@Morningstar 我仔细去看az的帖子，他贴过07年的交割记录，我刚才仔细看了下，1月12日就是发生三只乌鸦的那日，他不是开盘就走的（你的版本好像是开盘就清仓了） 2007/1/12 13:40 西王食品(000639.XSHE) 卖 -4200 6.47 -27174 35.33 2007/1/12 13:40 鸿达兴业(002002.XSHE) 卖 -4800 5.39 -25872 33.63 2007/1/12 13:43 精功科技(002006.XSHE) 卖 -4900 5.47 -26803 34.84 2007/1/12 13:45 博通股份(600455.XSHG) 卖 -3400 8.13 -27642 35.93 2007/1/12 14:50 西王食品(000639.XSHE) 买 4200 6.32 26544 7.96 2007/1/12 14:50 精功科技(002006.XSHE) 买 5000 5.33 26650 7.99 2007/1/12 14:50 中航机电(002013.XSHE) 买 3200 8.18 26176 7.85 2007/1/12 14:50 鸿达兴业(002002.XSHE) 买 5000 5.37 26850 8.06 后来问了他，他说早上的止损不可能是三只乌鸦，从他的意思来看，应该是等到14点50分的收盘才能确认是不是三只乌鸦，早盘不应该发生三只乌鸦，楼主该改下

@弱者，道之用 这个三黑鸦算法是直接拷贝自那帖子里的，调用处应该没错，除非算法本身有问题，回头我看看吧

@Morningstar 还有就是我发现如果把选股时间提前两分钟，选的股票都会有变化，评分体系好像有一定偶然性，但是收益好像也差不多

@弱者，道之用 评分涉及到当前价，所以有一定影响

@弱者，道之用 这些数据里还有个值得思考的地方，4个股票止损的时间是不一样的！

@Morningstar 请使用如下手续费设置 ''' 设置手续费率 ''' def set_slip_fee(context): # 设置滑点 set_slippage(PriceRelatedSlippage(0.004)) # 根据不同的时间段设置手续费 dt=context.current_dt if dt>datetime.datetime(2013,1, 1): set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0013, min_cost=5)) elif dt>datetime.datetime(2011,1, 1): set_commission(PerTrade(buy_cost=0.001, sell_cost=0.002, min_cost=5)) elif dt>datetime.datetime(2009,1, 1): set_commission(PerTrade(buy_cost=0.002, sell_cost=0.003, min_cost=5)) else: set_commission(PerTrade(buy_cost=0.003, sell_cost=0.004, min_cost=5))

研究的最后一段好像是无法复制进tradestat.py里，我把它去掉好像也能运行。。 ``` In [ ]: 使用方法： import tradestat g.trade_stat = tradestat.trade_stat() g.trade_stat.watch(context, stock) g.trade_stat.report(context) ```

@青牛煮茶 看清主贴说明，这个使用方法本来就不需要加入研究

@菜菜午出头 手续费配置貌似没有必要这么细分吧，历史回测也需要精确收益好像

@青牛煮茶 这一段代码不需要复制

谢谢。

@Morningstar 1.改变测试起始时间。调仓周期超过2天的策略，应该试遍每个起始时间，取平均收益，这才最接近策略真实历史回测，因为理论上起始时间变化一两天对策略收益影响是不大的，如果变化很大就说明过度优化。 2.不要创建静态股票池。历史上每个阶段都有大牛股，完全可以收集大牛股作为股票池，算好调仓周期，每个阶段买最牛的，收益可以美到不敢想象 3.不要用PE.PB等指标精确逃顶抄底，最多用来确定一个大致范围。每次大顶点位都是不同的，这样的择时毫无意义。 4.先用25个以上股票测试，确定策略有效性，再减少数量做策略，如果25个测试无效，那么一两个即使收益很好，也该放弃。 5.改变条件权重。如果稍微改变权重，收益变化很大，那么就降低策略未来预期收益，别指望策略以后会表现这么好。 6.尽量从07年开始测试。除非你能确定每个时间市场的风格，显然这是不可能的。 7.同一套择时系统，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定会选择策略2，如果策略1和2本质上是差不多的策略，别太高兴，在未来，策略1和2表现谁好谁坏也是难说的 这一段话转自果仁网的球爷。

大神，回测失败是什么原因

@哥布林 不错，学习了，话说有没有好的方法收集牛股

@fantasynew 看帖子里运行说明，复制 tradestat.py代码

@Morningstar 感谢大神

@Morningstar 试了一下采用不同时间起点的效果： 2015/1/1 - 收益 6.2倍 回撤 14% 2013/1/1 - 收益 19倍 回撤 14% 2011/1/1 - 收益 30倍 回撤 14% 2009/1/1 - 收益 150倍 回撤 14% 2007/1/1 - 收益 291倍 回撤 44% 时间2007-05-29,2008-11-18 2005/1/1 - 收益 426倍 回撤 42% 时间2007-05-29,2008-11-18 在2007、2008两次下跌的止损上还可以优化一下

精确逃顶可能导致过优化，能止损就可以

@吴勇谊 代码中默认关闭（False）的止损你都打开（True)了吗？