@passssap 你的回测有问题吧，我试了一下，没有本质区别

@passssap 过拟合

点赞

@JASON_jiang 多谢

给蚂蚁兄点赞！

@Ahfu 也给你点赞，向你学习

@张批改与王批评 subtotal_operate_cash_inflow 是可以为负数参考工行数据，按单季度算 代码： security = ['601398.XSHG'] df = get_history_fundamentals(security, fields=[cash_flow.net_operate_cash_flow, cash_flow.subtotal_operate_cash_inflow, cash_flow.net_invest_cash_flow,], watch_date=None, stat_date='2025q1', count=10, interval='1q', stat_by_year=False) df code statDate net_operate_cash_flow subtotal_operate_cash_inflow net_invest_cash_flow 0 601398.XSHG 2022-12-31 -4.378940e+11 1.801800e+10 -2.321330e+11 1 601398.XSHG 2023-03-31 1.105614e+12 3.214923e+12 -3.187880e+11 2 601398.XSHG 2023-06-30 1.916550e+11 1.319654e+12 -1.380330e+11 3 601398.XSHG 2023-09-30 6.118500e+11 1.313712e+12 -2.390360e+11 4 601398.XSHG 2023-12-31 -4.921170e+11 -2.095190e+11 -1.959950e+11 5 601398.XSHG 2024-03-31 1.367252e+12 3.485474e+12 -1.999210e+11 6 601398.XSHG 2024-06-30 -1.340269e+12 -7.294970e+11 -5.881970e+11 7 601398.XSHG 2024-09-30 1.050265e+12 1.421859e+12 -3.411630e+11

感谢分享，策略逻辑很好，但是过拟合程度很大，先看代码：当市场高度小于0.2为cold，大于0.9为hot，近60日最高价大于近220日的最低价*1.2时为warm，其他情况维持不变，正常应该是当市场高度在0.2-0.9的时候为warm。这就导致了温度有很大的迟滞性，如果一开始是hot，很久才能变其他温度，一开始是warm同样也需要很长时间。数据回测的直观表现就是，才用原数据回测2020-2025，在2020-2021，温度为hot，增长为160%，近五年的年化为40%左右；但是把220改成200，2020-2021初始温度为warm，直接就导致了年化从40%变成了20%，中间的起伏太大了

@O_iX 很好，质疑是独立思考的开始，但别停留在此，继续探索，加油！！

@O_iX 不知道你有新的进展没有？下面两点给你参考：1.实际上这个220天是我在2019年策略就采用的天数，现在是个样本外的结果了，说明是有效的。但我原来的策略是用来切换的不同方式进攻，没有进入防守。2.不要等出现0.2为cold，大于0.9为hot，策略任何时候启动时，都多回溯前面220天数据，确认现在是什么温度。

非常棒的策略思路，为作者点赞。但是调试发现结果对market_height取值范围非常敏感，原作中的220天稍微调一下整体收益下滑非常厉害，一直思考无法得到答案，求问作者有没有什么解答。

@菱形心 你可以用滚动参数的方法试试，比如用每年的数据往前滚动十年的数据找一找最佳天数的分布，如果每年显示220每次都在收益前几名，那就用它。实际上这个220天是我在2019年策略就采用这个方法得到的天数，现在是个样本外的结果了，说明是有效的。但我原来的策略是用来切换的不同方式进攻，没有进入防守。

向大佬学习，大盘好策略太少了。

@橡皮球 多谢支持，相互学习。

不错，不错

能行

学习

学习

@zanz 多谢支持，相互学习