@一溜烟 另外，老师，通过长期回测观察发现一个很有意思的事情，每次从收益最高点回落40%就停止交易4个月以后再启动会有意想不到的效果。可惜我不会写那段代码。我在代码里写了一段： def after_market_close(context): current_returns = 100 * context.portfolio.returns #取得当前收益，每天盘后执行，如果当前收益大于前一天则更新g.win if current_returns > g.win: g.win = current_returns log.info("本阶段交易最高收益：%.2f%%", g.win) #如果收益为正且在交易期，并且最高收益大于今日收益的40%（相当于回落了40%）则停止交易100天 if g.win>0 and g.blance == 0 and g.win > current_returns * 1.4: g.wait_days = 100 g.blance = 1 log.info("空仓等待交易日期数：", g.wait_days) 逻辑是写了2个全局函数：blance（判断是否为等待，与原flag可能重叠了。）wait_days，当wait_day不为0则不进行pe检查和选股，wait_day每天减1直到为0。但不知道为什么总是执行第一次后面就不行了，我也找不到问题所在，所以就不献丑了。您如果有空可以写个类似的代码，很有意思。

@jqz1226 另外，老师，通过长期回测观察发现一个很有意思的事情，每次从收益最高点回落40%就停止交易4个月以后再启动会有意想不到的效果。可惜我不会写那段代码。我在代码里写了一段： def after_market_close(context): current_returns = 100 * context.portfolio.returns #取得当前收益，每天盘后执行，如果当前收益大于前一天则更新g.win if current_returns > g.win: g.win = current_returns log.info("本阶段交易最高收益：%.2f%%", g.win) #如果收益为正且在交易期，并且最高收益大于今日收益的40%（相当于回落了40%）则停止交易100天 if g.win>0 and g.blance == 0 and g.win > current_returns * 1.4: g.wait_days = 100 g.blance = 1 log.info("空仓等待交易日期数：", g.wait_days) 逻辑是写了2个全局函数：blance（判断是否为等待，与原flag可能重叠了。）wait_days，当wait_day不为0则不进行pe检查和选股，wait_day每天减1直到为0。但不知道为什么总是执行第一次后面就不行了，我也找不到问题所在，所以就不献丑了。您如果有空可以写个类似的代码，很有意思。

@大思维者 我与您理念不合所以怎么说都如同鸡对鸭讲，您是做趋势投资的，我是做价值投资的，在我的交易系统里没有大盘高或者低的概念，或者8年前还有，但是近5年已经没有大盘所谓的高低，点位，趋势这种东西了。只有值得和不值得的区别。您那套东西太过于复杂，我这人比较笨，不懂也学不会，更不会用的好。我的逻辑很简单，值得就买，不值得就撤，就这么简单无脑。卑微地活在股市一的那个成分里，知足了。虽然赚的不多。

@南开小楼 你的pe没有错，个人有个人的择时方法，我是不赞同使用这种暴涨暴跌的策略加你的择时做策略，打板策略动则翻倍，动则腰斩，能用你的pe择时吗？

@大思维者 不赞成是因为你看不懂原作的代码，你复制下我发到研究里的代码琢磨下就明白了。很简单的策略。我在上面的文章里也说明了投机的原因，至于您赞不赞成，说真的，你用你赞成的也写个共享的策略出来，能如我上面发的，抓住阶段性的暴力上涨，没有未来函数的哪种，不实用但养眼也行啊。我最早但一篇文章就说过：在股市，你做的未必有人赞成，但赞成你但未必能让你赚钱，投资的本质是让资产不断变大而不是缩小。同样的道理，如果我坚持我所能理解的，并运用到交易中而赚钱了。可是我运用您赞成的反而有可能亏钱，那我为什么要放弃自己坚持的而采用您的建议呢？您说是不是这么个道理？在股市，很难求同存异，你也不能要求别人运用你的价值观，要知道，每一个能赚钱的人都有属于他自己的盈利模式，而这种模式不可复制。

@南开小楼 好的，收到

添加了回撤等待期的逻辑

@一溜烟 谢谢老师的代码，太感谢了。

@南开小楼 南老师别为小部分杠精生气啦，不值得~~感谢您的分享，今年周期股这波吃到肉了~~

感谢南开小楼老师再次无私分享~~~

@一溜烟 老师，再麻烦下，通达信的count函数怎么怎么来实现啊？举例：取10个周期内大于条件a的周期数。 我用py写了个非常繁琐的代码，比如取10日内ma5大于ma10的周期数： 1，取10个周期history（5）.mean 2,取10个周期history（10）.mean 3,对比每一个周期，5日大于10日则存入bigers，反之存入littles。 4.len（bigers） 判断个数 能实现但运算实在太狗屎，就不发出来献丑来，老师如果有时间，请抽空给写个函数。拜谢。

回复不能加代码，回复放前面了

``` import numpy as np df=history(25, unit='1d', field='avg', security_list='000001.XSHG', df=True, skip_paused=False, fq='pre') ma5=df['000001.XSHG'].rolling(5).mean() ma10=df['000001.XSHG'].rolling(10).mean() # 最近5天，条件成立的次数 np.where(ma5>ma10,1,0)[-5:].sum() ``` @南开小楼 我的邮箱 yiliuyan161@126.com

@一溜烟 谢谢老师，太感谢了

@一溜烟 收到，谢谢

策略都不可能是一成不变的，熊市持股周期就要短。牛市持股周期就要长。 看似一长一短，收益就差很多。

@kuan量化 正确的盈利模式应该是牛市持股，熊市空仓或者买入稳健型收益等东西，积少成多一样能盈利。目前来看，对于不善于炒股等人，利用rsrs跟随牛市炒股，rsrs空仓的时候把钱提出来买年化3%左右的活期银行理财是普通小散收益最高的方式。不要看不起这3%，很多“股神”熊市里未必能跑赢cpi的，亏的稀里哗啦的遍地都是。

@大吃一鲸 呵呵，赚钱就好。那个策略在一创跑有点儿bug，需要人为除虫。当然，我个人还是建议既然是炒股，尽可能自己去理解，摸索出一套属于自己的盈利模式，并尽可能去手动操作修正机械交易的不足。最后，祝投资顺利。

@南开小楼 这个整个市场的PE变化区间在牛熊市里是有一定统计学意义的