核心指标与策略逻辑

策略的核心指标是两条简单移动平均线（SMA）：

• 快速 SMA（5 日）：基于最近 5 个交易日的收盘价计算，反映短期价格趋势。
• 慢速 SMA（75 日）：基于最近 75 个交易日的收盘价计算，反映中长期价格趋势。

策略逻辑围绕两条均线的交叉展开：当快速 SMA 从下方上穿慢速 SMA 时，视为多头趋势确立，生成买入信号；当快速 SMA 从上方下穿慢速 SMA 时，视为趋势转弱，生成卖出信号。同时，为避免趋势反转时的大额亏损，策略加入了追踪止损（stoptrailing）机制 —— 当价格从持仓后的高点回落一定比例时，自动平仓离场，锁定部分收益。

策略代码

以下是完整的策略代码，包含逐段注释以解释各环节功能：

###############################################################################
# 一个使用简单均线交叉策略的演示脚本，包含追踪止损，用于测试
###############################################################################

# 加载quantstrat包，用于量化策略开发与回测
library(quantstrat)

# 策略参数设置
init_date <- "2017-01-01"  # 初始化日期
start_date <- "2017-01-01"  # 回测开始日期
end_date <- "2018-12-31"    # 回测结束日期
init_equity <- 1e4          # 初始资金1万美元
.orderqty <- 100            # 订单数量（后续规则中实际使用1000）
Sys.setenv(TZ = "UTC")      # 设置时区为UTC，避免日期处理问题
fast <- 5                   # 快速SMA周期（5日）
slow <- 75                  # 慢速SMA周期（75日）
symbols <- symbol <- "AAPL" # 交易标的为AAPL
tradesize = 1e4             # 交易规模（1万美元）

# 定义货币与标的属性：AAPL以美元计价，合约乘数为1
currency('USD')

## [1] "USD"

# 加载AAPL历史数据（此处使用内置数据，也可从雅虎财经下载）
data(AAPL)
stock(symbols, currency = "USD", multiplier = 1)

## [1] "AAPL"

# 初始化组合、账户与订单簿
portfolio.st <- "Port.Luxor"  # 组合名称
account.st <- "Acct.Luxor"    # 账户名称
strategy.st <- "Strat.Luxor"  # 策略名称

# 清理旧策略数据，确保回测环境纯净
rm.strat(strategy.st)
rm.strat(portfolio.st)
rm.strat(account.st)

# 初始化投资组合：指定标的与初始化日期
initPortf(
  name = portfolio.st,
  symbols = symbols,
  initDate = init_date
)

## [1] "Port.Luxor"

# 初始化账户：关联组合，设置初始资金
initAcct(
  name = account.st,
  portfolios = portfolio.st,
  initDate = init_date,
  initEq = init_equity
)

## [1] "Acct.Luxor"

# 初始化订单簿：记录交易订单
initOrders(
  portfolio = portfolio.st,
  symbols = symbols,
  initDate = init_date
)

# 创建策略对象并存储到环境中
strategy(strategy.st, store = TRUE)

# 添加技术指标：快速SMA与慢速SMA
add.indicator(
  strategy = strategy.st,
  name = "SMA",  # 使用SMA函数计算移动平均线
  arguments = list(x = quote(Cl(mktdata)), n = fast),  # 输入为收盘价，周期5日
  label = "nFast"  # 指标标签：快速SMA
)

## [1] "Strat.Luxor"

add.indicator(
  strategy = strategy.st,
  name = "SMA",
  arguments = list(x = quote(Cl(mktdata)), n = slow),  # 周期75日
  label = "nSlow"  # 指标标签：慢速SMA
)

## [1] "Strat.Luxor"

# 生成交易信号：基于双均线交叉
# 信号1：快速SMA上穿慢速SMA（大于关系），视为多头信号（LONG）
add.signal(
  strategy.st,
  name = "sigCrossover",  # 交叉信号函数
  arguments = list(
    column = c("nFast", "nSlow"),  # 对比快速与慢速SMA
    relationship = "gt"  # 大于（上穿）
  ),
  label = "LONG"  # 信号标签：买入
)

## [1] "Strat.Luxor"

# 信号2：快速SMA下穿慢速SMA（小于关系），视为空头信号（SHORT）
add.signal(
  strategy.st,
  name = "sigCrossover",
  arguments = list(
    column = c("nFast", "nSlow"),
    relationship = "lt"  # 小于（下穿）
  ),
  label = "SHORT"  # 信号标签：卖出
)

## [1] "Strat.Luxor"

# 入场规则：当LONG信号触发时，以限价单买入
add.rule(
  strategy.st,
  name = "ruleSignal",  # 基于信号的规则
  arguments = list(
    sigcol = "LONG",  # 触发信号列：LONG
    sigval = TRUE,  # 信号值为TRUE时执行
    orderside = "long",  # 做多方向
    ordertype = "limit",  # 限价单
    threshold = 1/100,  # 阈值（相对于参考价格的比例）
    tmult = T,  # 阈值为比例（而非固定值）
    orderqty = 1000,  # 订单数量：1000股
    prefer = "Open",  # 参考价格为开盘价
    TxnFees = -10,  # 交易费用：-10美元（每次交易成本）
    orderset = "ocolong",  # 订单集标签，用于管理相关订单
    replace = F  # 不替换未成交订单
  ),
  type = "enter",  # 入场规则
  enabled = T,  # 启用规则
  label = "EnterLONG"  # 规则标签
)

## [1] "Strat.Luxor"

# 出场规则：当SHORT信号触发时，平掉所有多头持仓
add.rule(
  strategy = strategy.st,
  name = "ruleSignal",
  arguments = list(
    sigcol = "SHORT",  # 触发信号列：SHORT
    sigval = TRUE,
    orderqty = 'all',  # 平仓全部持仓
    orderside = 'long',  # 针对多头持仓
    ordertype = "market",  # 市价单（确保快速平仓）
    prefer = "Open",  # 参考价格为开盘价
    TxnFees = -10,  # 交易费用
    orderset = "ocolong",
    replace = F
  ),
  type = "exit",  # 出场规则
  enabled = T,
  parent = "EnterLONG",  # 关联入场规则，确保对应持仓平仓
  label = "Exit2SHORT"
)

## [1] "Strat.Luxor"

# 止损规则：追踪止损，控制单边趋势反转风险
add.rule(
  strategy.st,
  name = "ruleSignal",
  arguments = list(
    sigcol = "LONG",  # 与入场信号关联
    sigval = TRUE,
    orderside = "long",
    ordertype = "stoptrailing",  # 追踪止损单
    orderqty = "all",  # 平仓全部持仓
    prefer = "Close",  # 参考价格为收盘价
    threshold = 2/100,  # 追踪止损比例：2%（从高点回落2%平仓）
    tmult = T,  # 阈值为比例
    TxnFees = -10,
    orderset = "ocolong",
    replace = F
  ),
  type = "chain",  # 链式规则（跟随入场规则触发）
  parent = "EnterLONG",  # 基于EnterLONG规则触发的持仓
  enabled = T,
  label = "StopTrailingLONG"  # 规则标签：多头追踪止损
)

## [1] "Strat.Luxor"

# 执行策略回测
applyStrategy(strategy = strategy.st, portfolios = portfolio.st)

## [1] "2017-07-27 00:00:00 AAPL 1000 @ 141.598281619503"
## [1] "2017-08-03 00:00:00 AAPL -1000 @ 150.70126151877"
## [1] "2017-10-04 00:00:00 AAPL 1000 @ 147.350684699421"
## [1] "2017-10-19 00:00:00 AAPL -1000 @ 151.241571914452"
## [1] "2018-03-22 00:00:00 AAPL 1000 @ 166.357919238892"
## [1] "2018-03-23 00:00:00 AAPL -1000 @ 163.030760854114"
## [1] "2018-04-19 00:00:00 AAPL 1000 @ 168.23487944963"
## [1] "2018-04-20 00:00:00 AAPL -1000 @ 164.870181860637"
## [1] "2018-11-23 00:00:00 AAPL 1000 @ 171.574945095388"
## [1] "2018-11-26 00:00:00 AAPL -1000 @ 168.14344619348"

# 更新组合与账户数据
updatePortf(portfolio.st)

## [1] "Port.Luxor"

daterange <- time(getPortfolio(portfolio.st)$summary)[-1]  # 获取交易日期范围
updateAcct(account.st, daterange)  # 更新账户数据至指定日期

## [1] "Acct.Luxor"

updateEndEq(account.st)  # 更新账户最终权益

## [1] "Acct.Luxor"

# 提取交易统计数据
tstats <- t(tradeStats(Portfolios = portfolio.st))

# 可视化回测结果：展示持仓变化与双均线
chart.Posn(
  Portfolio = portfolio.st, 
  Symbol = "AAPL", 
  TA = c("add_SMA(n=fast, col='blue')", "add_SMA(n=slow, col='red')")  # 叠加5日（蓝）与75日（红）均线
)

# 查看订单簿（用于调试与详细分析）
obook <- getOrderBook('Port.Luxor')

策略核心思路解析

该策略的实现遵循量化交易的标准化流程，各环节紧密衔接，形成完整的逻辑闭环：

环境与参数的初始化

代码首先清理旧策略数据，避免残留信息干扰；随后定义交易标的（AAPL）、初始资金（1 万美元）、均线周期（5 日 / 75 日）等核心参数，并通过initPortf、initAcct等函数初始化组合、账户与订单簿，为策略运行搭建基础环境。

指标与信号的层次构建

策略通过add.indicator添加双均线指标，将短期与长期趋势量化；再通过add.signal定义交叉信号 —— 上穿为买入、下穿为卖出，使趋势转折的判断从主观观察转化为客观规则。这种 “指标→信号” 的转化，是量化策略可复现性的核心。

交易规则的风险控制设计

策略的规则体系包含三类动作：

• 入场：以限价单买入，控制入场成本；
• 出场：以市价单平仓，确保趋势反转时及时离场；
• 止损：追踪止损单（回落 2% 平仓），在趋势未按预期发展时限制亏损。

同时，规则中明确了交易费用（每次 - 10 美元），使回测更接近实盘成本结构；通过parent参数关联入场与出场规则，确保持仓与平仓的对应性。

回测执行与结果可视化

代码通过applyStrategy执行策略回测，更新组合与账户数据后，利用chart.Posn展示 AAPL 的持仓变化，并叠加双均线直观呈现交易时机与趋势的关系；tradeStats则提供胜率、盈亏比等统计指标，为策略评估提供数据支持。

策略的优势与局限性

该策略的优势体现在逻辑清晰与风险控制的结合：

• 规则明确：基于均线交叉的信号无主观干扰，参数与动作均可量化，便于复现与优化；
• 风险可控：同时包含趋势反转出场与追踪止损，既捕捉趋势收益，又控制极端风险；
• 结构灵活：各环节模块化（指标、信号、规则独立），便于扩展（如添加成交量过滤、调整均线周期）。

但策略也存在趋势跟踪策略的共性局限：

• 滞后性：SMA 基于历史价格计算，信号可能滞后于实际趋势，导致错过最佳入场 / 出场点；
• 参数敏感：5 日 / 75 日的周期是固定的，可能仅适配特定时段，在震荡市或极端行情中表现不佳；
• 单一标的依赖：策略仅针对 AAPL 设计，若扩展至其他标的，需重新优化参数以适应其波动性。

总结与改进方向

本策略展示了双均线交叉与追踪止损结合的量化实现，为趋势跟踪提供了一套可操作的框架。其核心价值在于将 “识别趋势→执行交易→控制风险” 的流程标准化，减少主观决策的干扰。

若要进一步优化，可从三方面入手：一是引入自适应参数（如根据市场波动率调整均线周期），提升策略对不同行情的适应性；二是添加过滤条件（如成交量放大时才确认信号），减少震荡市的虚假交易；三是扩展至多标的组合，通过分散投资降低单一标的风险。通过持续迭代，策略可在保持逻辑简洁的同时，提升实盘适用性。