⚠️ 免责声明：本章仅为教育与研究方法展示，不构成任何投资建议。 所有回测结果来自历史数据，不代表未来表现。投资有风险，决策需独立判断。

第五课：信号交易——别人的建议能跟吗

本章代码：code/lesson5_signals.py 运行方式：python lesson5_signals.py

5.0 策略概述

这是什么策略

前四课都是"我自己决定什么时候买卖"。这一课换一个角色："别人给了我买卖信号，我怎么判断这些信号靠不靠谱？"

这是一个评估框架，不是一个交易策略。它不产生信号——它检验信号。

它回答什么问题

问题	白话
这个信号源的胜率是多少？	赚钱的交易占百分之几
每笔交易平均赚多少？	对数收益率的均值
累计能赚多少？	所有交易收益加起来
最坏一笔亏多少？	VaR 99%——单笔交易的最坏 1%
这个信号源值得跟吗？	年化收益 > 买入持有 → 值得

---

5.1 真实案例：一套不知来源的交易信号

2012 年到 2019 年，有人用一套信号系统在 16 个 A 股指数上做了交易。我们不知道这套信号是怎么产生的——可能是技术分析、可能是基本面、可能是扔硬币。

我们只知道结果：138 笔交易，买入和卖出日期。

import pandas as pd
import numpy as np

# 读取价格和信号（数据已打包在仓库里）
stock = pd.read_csv("data/交易策略1/stock.csv", encoding="utf-8-sig")
signal = pd.read_csv("data/交易策略1/signal.csv", encoding="utf-8-sig")

# 合并：把价格和信号对齐
df = pd.merge(stock, signal, on="日期", how="left")
# 筛选有信号的交易日
trades = df[(df["sell"] == 0) | (df["sell"] == 1)].copy()

信号的格式很简单：偶数行 = 买入，奇数行 = 卖出。每次买入和下一次卖出配成一对交易。

# 沪深 300 的买入价格（偶数行）和卖出价格（奇数行）
CODE = "000300.SH"
buy_prices = trades.iloc[0::2][CODE].values   # 第 0, 2, 4, ... 行
sell_prices = trades.iloc[1::2][CODE].values  # 第 1, 3, 5, ... 行

# 每笔交易的对数收益
log_returns = np.log(sell_prices / buy_prices)
# 对数收益的好处：可以直接相加 = 累计收益

5.2 用真实数据跑一遍

CSI300，138 笔交易，7.1 年：

交易笔数：138
胜率：52.9%
平均每笔：+0.42%（对数收益）
累计收益：+78.9%
年化收益：6.7%
最大回撤：-16.4%
VaR 99%：-7.9%（最坏的 1% 交易亏 7.9%）

图 5-1：138 笔交易收益分布。 绿柱 = 盈利交易，红柱 = 亏损交易。横虚线 = 平均收益。注意：大部分盈利是"小赚"，少数亏损是"大亏"——这是交易策略的典型特征。胜率 52.9% 看起来不高，但赢的时候赚的比输的时候亏的多一点点——这一点点差距在 138 次复利后变成了 +78.9%。

5.3 这套信号值得跟吗

先做正确的比较——不是和"全历史买入持有"比，而是和信号覆盖的同一段区间（2012—2019）比：

信号交易：累计 +78.9%（年化 6.7%）
同期买入持有沪深300：累计 +34.7%（年化约 4.3%）
→ 信号跑赢了，但只赢一点点

再看一个残酷的事实：138 笔交易只有 7.1 年的样本。7 年对交易系统来说太短了——一个 52.9% 胜率的随机信号，在 138 次抛硬币里跑赢买入持有的概率并不低。所以诚实的结论是：这套信号"看起来"跑赢了，但样本太小，无法排除运气。

但这个框架的真正价值不在这里——在于：你可以拿任何信号源来测。 GOR 方向信号、六大师共识、朋友推荐、微信群喊单——全部可以用同一个框架跑一遍，看结果。

5.4 这一课教了你什么

1. 信号交易是一个"评估框架"——不产生信号，只检验信号。
2. 计算每笔交易的对数收益、胜率、年化、最大回撤、VaR。
3. 我们测试的信号源年化 6.7%，同期跑赢买入持有（约 4.3%）——但 7 年样本太短，无法排除运气。框架本身是普适的。
4. 52.9% 的胜率就够了——只要赢的时候比输的时候多赚一点点。

5.5 课堂问答

问：胜率只有 52.9%，这也能赚钱？

能。交易不是靠胜率赚钱——是靠"盈亏比"。赢的时候平均赚 4%，输的时候平均亏 3%——52.9% × 4% > 47.1% × 3%。138 次复利后变成了 +78.9%。这就是为什么"胜率"是最容易误导人的指标——你应该看的不是"对了几次"，是"对的时候赚的够不够多"。

问：这个框架能用来测 GOR 方向信号吗？

能，而且是设计它的目的之一。你把 GOR 每天的方向判定（配什么、配多少）转化成买卖信号，然后用这个框架回测过去 3 年的表现。胜率、年化、最大回撤全出来——你就知道 GOR 信号在历史上到底靠不靠谱。这比"我觉得 GOR 挺准的"强一万倍。 5. 这个框架是你未来评估任何外部建议的工具——包括六大师、GOR 方向、甚至你自己的直觉。

---

动手练习（第 5 课）

1. 入门：换指数。把演示指数从 000300.SH 换成 000016.SH（上证50）、 399001.SZ（深证成指），138 笔交易的结果一样吗？ 这套信号是不是只对沪深300 有效？
2. 进阶：随机信号对照组。用 np.random.default_rng(42).random 生成 138 个 随机买卖点（买价取当日收盘价），跑同一个框架。 随机信号的年化是多少？如果随机信号也能"跑赢"，你还会信这个框架的结论吗？
3. 挑战：检验你自己的信号源。把你信任的任何信号（GOR 方向、分析师评级、 朋友推荐、你自己的直觉）转成买卖日期，用这个框架回测。 结果可能让你重新审视"我觉得它挺准的"。

---

下节预告： 你知道了自己的收益是多少。但你的收益长什么样？是钟形曲线吗？如果不是——VaR 还靠得住吗？第六课回答这个问题。

---