3. MACD金叉死叉调仓策略

任务目标

实现一个基于MACD金叉/死叉信号的调仓策略：当DIF上穿DEA（金叉）时买入，当DIF下穿DEA（死叉）时卖出，并在历史行情数据上完成回测，输出策略收益与基准收益的对比。

环境与依赖

需要 pandas、numpy、matplotlib。数据使用本地CSV文件（包含 date、close 两列即可），若没有真实数据，可用代码内置的随机价格序列演示完整流程。

核心实现

import pandas as pd
import numpy as np

def load_data(path=None, n=300, seed=42):
    """加载CSV或生成模拟价格序列"""
    if path:
        df = pd.read_csv(path, parse_dates=['date'])
    else:
        np.random.seed(seed)
        # 模拟几何布朗运动价格序列
        ret = np.random.normal(0.0005, 0.02, n)
        price = 100 * np.exp(np.cumsum(ret))
        df = pd.DataFrame({'date': pd.date_range('2023-01-01', periods=n, freq='D'),
                           'close': price})
    return df

def macd_cross_strategy(df, fast=12, slow=26, signal=9):
    """计算MACD并生成金叉死叉交易信号"""
    df = df.copy()
    # 计算MACD指标
    ema_fast = df['close'].ewm(span=fast, adjust=False).mean()
    ema_slow = df['close'].ewm(span=slow, adjust=False).mean()
    df['DIF'] = ema_fast - ema_slow
    df['DEA'] = df['DIF'].ewm(span=signal, adjust=False).mean()
    df['MACD'] = 2 * (df['DIF'] - df['DEA'])
    
    # 生成信号：金叉=1（买入），死叉=-1（卖出）
    df['signal'] = 0
    df.loc[(df['DIF'] > df['DEA']) & (df['DIF'].shift(1) <= df['DEA'].shift(1)), 'signal'] = 1
    df.loc[(df['DIF'] < df['DEA']) & (df['DIF'].shift(1) >= df['DEA'].shift(1)), 'signal'] = -1
    
    # 持仓状态：1表示持有，0表示空仓
    df['position'] = df['signal'].replace(0, np.nan).ffill().fillna(0)
    df['position'] = df['position'].shift(1).fillna(0)  # 次日开盘执行
    
    return df

def backtest(df, initial_capital=100000):
    """执行回测，返回策略与基准的净值序列"""
    df = df.copy()
    df['daily_ret'] = df['close'].pct_change().fillna(0)
    df['strategy_ret'] = df['daily_ret'] * df['position']
    
    df['strategy_net'] = initial_capital * (1 + df['strategy_ret']).cumprod()
    df['benchmark_net'] = initial_capital * (1 + df['daily_ret']).cumprod()
    return df

# ========== 运行与验证 ==========
if __name__ == '__main__':
    # 1. 加载数据（无CSV时自动生成模拟数据）
    data = load_data()  # 传入CSV路径可加载真实数据
    
    # 2. 生成信号并回测
    result = backtest(macd_cross_strategy(data))
    
    # 3. 输出关键结果
    final_strategy = result['strategy_net'].iloc[-1]
    final_benchmark = result['benchmark_net'].iloc[-1]
    print(f'策略最终净值: {final_strategy:.2f}')
    print(f'基准最终净值: {final_benchmark:.2f}')
    print(f'策略收益率: {(final_strategy/100000-1)*100:.2f}%')
    print(f'基准收益率: {(final_benchmark/100000-1)*100:.2f}%')
    
    # 4. 交易次数统计
    trades = result[result['signal'] != 0]
    print(f'总交易信号数: {len(trades)} (买入: {(trades["signal"]==1).sum()}, 卖出: {(trades["signal"]==-1).sum()})')
    
    # 5. 可视化净值对比
    import matplotlib.pyplot as plt
    plt.figure(figsize=(10, 5))
    plt.plot(result['date'], result['strategy_net'], label='MACD策略')
    plt.plot(result['date'], result['benchmark_net'], label='买入持有基准')
    plt.legend()
    plt.title('MACD金叉死叉策略回测')
    plt.xlabel('日期')
    plt.ylabel('净值')
    plt.grid(True, alpha=0.3)
    plt.show()

运行方式

1. 直接运行脚本：python macd_strategy.py（使用内置模拟数据）
2. 使用真实数据：将CSV文件路径传入 load_data('/path/to/your_data.csv')，CSV需包含 date 和 close 列

验证方法与通过条件

• 信号正确性：打印的交易信号数应大于0，且买入信号与卖出信号交替出现（或最多连续同向信号间隔出现）
• 策略有效性：策略最终净值与基准净值不同，说明调仓产生了影响；若模拟数据下策略净值低于基准，属正常现象（MACD在震荡行情中可能产生亏损交易），重点验证逻辑正确性而非盈利性
• 持仓逻辑：检查 position 列，金叉后应为1，死叉后应为0，且信号执行延迟一天（次日开盘调仓）
• 可视化确认：净值曲线图正常显示两条曲线，策略曲线在信号切换处出现斜率变化

常见问题

• 信号延迟：代码中 position.shift(1) 模拟次日开盘执行，避免未来函数
• 数据不足：MACD需要至少26+9个数据点才能产生首个有效信号，模拟数据默认300天足够
• 手续费未计入：本案例为简化教学，未包含交易成本；实际应用中需在 strategy_ret 中扣除