6步选股4个坑5年14倍："菜场大妈"策略拆解优化实录

*******5290_T0qxO · 发表于昨天 16:06

一、开篇：我，被大妈教育了

最近在聚宽社区翻到一个叫"菜场大妈"的策略，名字接地气，回测成绩还挺能打。今天来拆解一下它的核心逻辑，顺便做点优化。

花了不少时间研究量化，看文章、调参数、研究各种多因子模型，每天盯着Alpha信号、因子暴露、信息比率……然后呢？

年化跑不赢沪深300。

有一天我妈跟我说，她闺蜜在菜场摆摊，顺手买了几只"便宜的、但公司还在赚钱的"小股票放着，几年下来收益还挺好。

我当场沉默了三分钟。

大妈炒股的逻辑，其实就三条：

便宜——贵的我买不起，也不放心
有肉——不能是只讲故事的空壳子，得有真收入
小——大公司牛人多，哪轮到我捡漏

听起来很土？但这三条，其实就是"小市值低价策略"的核心逻辑。

二、大妈的选菜秘籍

整个策略的核心思路，可以用一套"去菜场买菜"来解释。

第一步：扔掉烂菜叶子（基础过滤）

大妈第一眼看菜，先排除烂掉的、发霉的、一看就没法吃的。

股票里的"烂菜叶子"就是：

ST股票：名字前面贴了黄色标签，绝对不碰，看着便宜，全是坑
退市边缘股：名字里带"退"的，大妈直接转身走人
停牌股：菜摊今天关门，你掏钱也买不到

# 过滤ST及其他具有退市标签的股票
def filter_st_stock(stock_list):
    current_data = get_current_data()
    return [stock for stock in stock_list
            if not current_data[stock].is_st           # 不是ST
            and 'ST' not in current_data[stock].name   # 名字里没有ST
            and '*' not in current_data[stock].name    # 没有星号（*ST）
            and '退' not in current_data[stock].name]  # 没有退字

另外，科创板和北交所也不去——大妈不去高档精品超市，她就逛老菜市场，接地气，看得懂，买得放心。

# 过滤科创北交股票
def filter_kcbj_stock(stock_list):
    for stock in stock_list[:]:
        if stock[0] == '4' or stock[0] == '8' or stock[:2] == '68' \
           or stock[:3] == '300' or stock[:3] == '301':
            stock_list.remove(stock)
    return stock_list

第二步：检查有没有肉（基本面防雷）

光便宜不行，还得有真材实料。

大妈挑肉的标准很简单：

净利润必须大于0——不赚钱的公司，买它干什么？
营业收入大于1亿——连1个"小目标"都没有，别浪费咱的买菜钱

q = query(
    valuation.code,
    valuation.market_cap,
    income.np_parent_company_owners,  # 归母净利润
    income.net_profit,                # 净利润
    income.operating_revenue          # 营业收入
).filter(
    valuation.code.in_(stocks),
    valuation.market_cap.between(g.min_mv, g.max_mv),   # 市值区间
    income.np_parent_company_owners > 0,                 # 有真肉
    income.net_profit > 0,                               # 净利润也得正
    income.operating_revenue > 1e8                       # 营收过亿才算数
).order_by(valuation.market_cap.asc())                   # 市值从小到大排

这个筛选直接干掉了绝大多数"讲故事的仙股"。

第三步：大妈的极简审美——10块以下才考虑

这是大妈最硬核的原则：

超过10块钱的菜，太金贵，不买。

# 过滤股价高于10元的股票
def filter_highprice_stock(context, stock_list):
    last_prices = history(1, unit='1m', field='close', security_list=stock_list)
    return [stock for stock in stock_list
            if stock in context.portfolio.positions.keys()
            or last_prices[stock][-1] <10]

原版策略过滤的是9元以上，我稍微放宽到10元——毕竟通货膨胀嘛，大妈也得跟上时代。

第四步：专挑边角料——市值最小的4只

经过前面三轮筛选，剩下的候选菜已经都是"便宜有肉的好货"了。

接下来怎么选？按市值从小到大排，挑最"边角料"的4只。

捡漏心理：专挑摊位最边角没人注意的那几样，够小、够便宜、胜在没人哄抬价格。

目标市值区间：10亿到100亿之间（不能太小，太小容易跑路；不能太大，太大轮不到散户吃肉）。

g.stock_num = 4       # 最多买4只
g.min_mv = 10         # 最小市值10亿
g.max_mv = 1e8        # 最大市值1000亿（写法是万亿单位，实为100亿）

第五步：隔夜馊了，赶紧处理（卖出逻辑）

大妈有一条铁律：隔夜的菜不留。

这里对应的是"昨日涨停股"的处理：

这只股票昨天表现亮眼，涨停了！大妈开心，夸它新鲜。今天一看，没连板，价格缩回来了。大妈立刻："隔夜的，赶紧处理，换新鲜的来。"

def check_limit_up(context):
    current_data = get_current_data()
    if g.high_limit_list:
        for stock in g.high_limit_list:         # 昨天涨停的票
            if current_data[stock].last_price \
               <current_data[stock].high_limit:  # 今天没继续涨停
                order_target(stock, 0)            # 清仓
                g.just_sold.append(stock)         # 记录已卖，不二次买入
    # 卖了之后，如果持仓不够，再候补买入
    position_count = len(context.portfolio.positions)
    if g.stock_num > position_count and position_count != 0:
        my_Trader(context)
        psize = context.portfolio.available_cash / (g.stock_num - position_count)
        for s in g.choice:
            if s not in context.portfolio.positions and s not in g.just_sold:
                order_value(s, psize)
                if len(context.portfolio.positions) == g.stock_num:
                    break

注意先卖后买，这是个细节优化——原版是先买后卖，导致卖掉的票要隔天才能补仓，白白空仓一天。

第六步：一周去一次菜场（换仓节奏）

大妈不每天去菜场，那太累了。她每周一早上进一次城，买够就回家。

run_weekly(my_Trader, 1, time='13:50')  # 每周第1个交易日，13:50选股
run_weekly(go_Trader, 1, time='14:00')  # 每周第1个交易日，14:00下单

每周换一次仓，频率不算高，也省手续费。大妈的核心竞争力之一，就是不天天折腾。

三、翻车现场实录——代码比菜还难伺候

写策略的过程，踩了不少坑，挑几个有代表性的跟大家分享。

坑一：滑点是隐形摊位费

刚开始没设滑点，回测数据漂亮得一塌糊涂。

等我加上 FixedSlippage(0.02) 和真实手续费之后，收益率肉眼可见地往下掉。

set_slippage(FixedSlippage(0.02))
set_order_cost(OrderCost(
    close_tax=0.001,            # 印花税0.1%（卖出才收）
    open_commission=0.0001,     # 买入佣金0.01%
    close_commission=0.0005,    # 卖出佣金0.05%
    min_commission=0.1          # 最低5毛
), type='stock')

这就是菜场的"摊位费"：你看着菜很便宜，结果各种税费加起来，利润被切走一大块。

结论：纸面富贵不算数，扣完成本才是真收益。

坑二：提前钦定几只ETF，曲线漂亮到怀疑人生——这叫上帝视角，不叫量化

这个坑不是代码bug，是人的bug。

接手这个策略的时候，它已经配了一段"组合配置"的逻辑——在小市值股票之外，还额外指定了几只ETF：

黄金ETF（518880）、纳斯达克ETF（513100）、芯片ETF（159995）……

配置理由写得头头是道：分散化、降回撤、对冲A股风险……

一跑回测：2016年到2025年，年化亮瞎眼，曲线好看得像PPT配图。

我当时觉得自己是天才。

然后仔细一看，冷汗下来了——

这几只ETF是谁选的？按什么选的？

黄金，2024年大涨；纳斯达克，2023年翻倍反弹；芯片，也有过自己的高光时刻……

这些都是已经发生的历史。策略里写死了"就买这几只"，然后用历史回测来"验证"它们表现好——

这不是量化，这是开卷考试然后说自己考满分。

把这几只硬编码的ETF全部剔除之后，换成动态筛选的逻辑——

收益率啪啪往下掉。

曲线一下子瘦了一大圈，以前那段"漂亮区间"直接垮掉一半。

这就是过拟合的最朴素版本：用上帝视角挑菜，当然买的全是好菜。但你在真实菜场里没有上帝视角，前一天猪肉涨价了你也不知道。

结论：回测数据越漂亮，越要多问一句"为什么"——是策略真的好，还是你亲手喂了它正确答案？

坑三：9:30下单，大妈两手空空

这个坑藏得很深，或者说——回测系统藏得太好了。

策略里有一段逻辑，要在 9:30 开盘第一分钟执行买卖：

run_daily(check_limit_up, time='9:30')

理论上完全合理——越早下单越好，抢先手嘛。

回测跑下来，成交记录里也都有，数据漂漂亮亮。

但如果一上SHIPAN，就尴尬了。

9:30 开盘的第一分钟，实际上是集合竞价刚刚结束的瞬间。行情数据还没稳定下发，API 还没完全就绪，大量股票这一秒钟根本拿不到有效的实时价格——

于是下单，要么直接报错，要么以 0 价格挂出去被拒单，总之：两手空空，什么都没买到。

回测里的 9:30 是"模拟的9:30"，数据是现成的，下单当然成功。 **里的 9:30 是"真实的9:30"，数据还在飞，根本接不住。

改成 9:31、9:35 之后，下单终于正常了。

但收益往下掉了。

因为策略里有依赖"开盘价"的买卖判断，哪怕晚了1~5分钟，成交价就不一样了，有些单子该买的没买上，该卖的滑了点。

看起来只差几分钟，代入收益一算，差距比想象中大。

结论：回测的时间刻度是理想化的，****的第一分钟是混沌的。9:30 下单，在这个系统里就是一个幻觉。**

坑四：大妈不止损，一套套到认命

这是原版策略最让我不安的一个设计——它没有止损。

大妈的哲学是：买来的菜，就算有点蔫，也不扔。泡泡水，明天还能吃。

策略里只有两种卖出情形：

股票掉出候选池（市值涨太大、财务变差、变ST了）
昨天涨停今天没连板

跌了10%？不管。跌了20%？继续拿着。只要它还符合小市值条件，就一直持有。

极端行情一来，这个策略会被套得很难看。2020年春节后复市那天，我看着日志：

[止损] 002112 三变科技 成本=6.94 现价=5.83 亏损=-16.0%，强制清仓
[止损] 600099 林海股份 成本=6.74 现价=5.65 亏损=-16.2%，强制清仓
[止损] 600493 凤竹纺织 成本=5.67 现价=4.77 亏损=-15.9%，强制清仓

等等，这是我加了止损之后的日志，亏损还是达到了15%+。

原因很简单：跌停股票卖不掉。

止损单挂出去，市场全是卖盘没有买盘，当天根本成交不了。第二天继续跌停，继续挂单，继续成交不了—— 这就是"跳空"的残酷现实：止损线写的是8%，真正止损的时候可能已经亏了15%。

最后加了两个补丁才勉强解决：

g.stop_loss_set 记录已发止损单的股票，跌停时静默重试，不重复打日志
止损后的股票本周不再买回，防止刚割肉就被自动补仓

g.stop_loss_ratio = 0.08    # 止损线8%
g.stop_loss_set = set()     # 已发止损单，跌停未成交则次日重试

结论：止损写进代码只是第一步，跌停穿越才是真正的硬伤。极端行情面前，8%的止损线可能保不住你，但有和没有，差距还是很大。

四、最后说一句

折腾一圈之后，我发现我最初看不上的东西，反而是最难做到的。

量化圈有个通病：喜欢追求复杂。因子越多越好，模型越深越好，参数越精细越好。

但菜场大妈的策略只有三个筛选条件，逻辑三句话说完，参数五个以内，任何人看懂之后都能在脑子里复现一遍。

这就是它最宝贵的地方：逻辑清晰。

你知道它为什么买，你知道它为什么卖，你知道它会在什么情况下亏钱，你不会因为"这个信号我也说不清楚为什么"而在极端行情裂开。

说到稳定性，我的实际体感是这样的：

它不会让你一夜暴富——4只小市值股票，赶上行情好也就是稳稳地跟上指数
它也不容易把你打趴下——每周换仓、市值过滤、加了止损，大的单边亏损会被强制截断
回撤控制不完美，极端行情（比如2020年春节复市）照样被打，但不会持续失血

这种感觉就像买的不是最贵的全熟牛排，而是一碗好熬的老火靓汤——慢，但真实，喝完不反胃。

当然它有很多问题没解决，还需要继续努力：

没有趋势判断，熊市里也一样买买买
止损是硬止损，碰到跌停排队卖不掉的情况还是会穿越
换仓频率固定，遇到消息面剧变反应慢

回测这么漂亮的策略，拿到全市场里到底能排第几？

我把这个大妈策略丢进了一个叫 9db智能体交易竞技场 的地方，那里可以上传交割单，跟别人的策略一起按实时收益PK排名，跑了才发现，大佬们的有多稳

如果这个策略对你有帮助，点个赞就行。如果你发现了什么Bug或者有更好的改法，欢迎评论区指教——毕竟，大妈选菜也需要老街坊互相提醒。