松鼠宽客

维度	BOLL通道	Aberration策略
主要目的	衡量价格波动区间和超买超卖	捕捉趋势延续或反转的交易信号
设计者	约翰·布林格（John Bollinger）	凯文·戴维（Kevin Davey）
理论背景	统计学标准差	统计学+趋势跟踪+均值回归

2. 使用逻辑差异

(1) BOLL通道的典型用法

超买超卖判断：价格触及上轨可能卖出，触及下轨可能买入。
均值回归：假设价格会回归中轨（20日均线），适合震荡市。
无明确规则：布林带本身是工具，不提供具体交易信号。

(2) Aberration的策略化改进

趋势跟踪：突破上轨后顺势做多（非反向做空），下破下轨后顺势做空。
动态止损：以中轨作为移动止损点，而非直接反向操作。
波动率过滤：仅当通道宽度（标准差）扩大时交易，避免低波动假突破。

3. 关键增强点（Aberration的优化）

改进项	BOLL通道	Aberration策略
突破方向	逆势操作（回归中轨）	顺势操作（趋势延续）
波动率控制	无	必须满足通道宽度阈值
止损规则	无固定规则	中轨动态止损+时间止损
参数敏感性	默认20日均线+2倍标准差	需优化周期/倍数适应不同品种

接下来让Ai帮我们编写到松鼠Quant回测框架内，我们不需要写一行代码！！！

github地址(国外)：

https://github.com/songshuquant/ssquant-ai

gitee地址(国内):

https://gitee.com/ssquant/ssquant-ai

如何使用，手把手教程：《gitee官方推荐，松鼠QuantAi+回测框架详细版教程(图文)》

Python源码：

import pandas as pdimport numpy as npfrom ssquant.backtest.multi_source_backtest import MultiSourceBacktesterfrom ssquant.api.strategy_api import StrategyAPIdef initialize(api: StrategyAPI): api.log("Aberration策略初始化") # 设置策略参数 api.log(f"布林带周期: {api.get_param('bb_period', 20)}") api.log(f"布林带标准差倍数: {api.get_param('bb_std', 2)}") api.log(f"ATR周期: {api.get_param('atr_period', 14)}") api.log(f"ATR倍数止损: {api.get_param('atr_multiplier', 2)}")def strategy_function(api: StrategyAPI): # 获取参数 bb_period = api.get_param('bb_period', 20) bb_std = api.get_param('bb_std', 2) atr_period = api.get_param('atr_period', 14) atr_multiplier = api.get_param('atr_multiplier', 2) current_idx = api.get_idx() # 数据验证 if current_idx < max(bb_period, atr_period): return close = api.get_close() high = api.get_high() low = api.get_low() if close is None or len(close) == 0: api.log("警告: 数据为空") return # 计算布林带指标 ma = close.rolling(bb_period).mean() std = close.rolling(bb_period).std() upper_band = ma + bb_std * std lower_band = ma - bb_std * std # 计算ATR指标 tr = pd.DataFrame({ 'hl': high - low, 'hc': abs(high - close.shift(1)), 'lc': abs(low - close.shift(1)) }).max(axis=1) atr = tr.rolling(atr_period).mean() # 获取当前价格和仓位 current_price = close.iloc[current_idx] current_pos = api.get_pos() # 交易逻辑 # 做多信号：价格突破上轨 if current_price > upper_band.iloc[current_idx]: if current_pos <= 0: api.close_all(order_type='next_bar_open') api.buy(volume=1, order_type='next_bar_open') api.log(f"做多信号触发，价格{current_price:.2f}突破上轨{upper_band.iloc[current_idx]:.2f}") # 设置止损 stop_loss_price = current_price - atr.iloc[current_idx] * atr_multiplier api.log(f"设置止损价: {stop_loss_price:.2f}") # 做空信号：价格跌破下轨 elif current_price < lower_band.iloc[current_idx]: if current_pos >= 0: api.close_all(order_type='next_bar_open') api.sellshort(volume=1, order_type='next_bar_open') api.log(f"做空信号触发，价格{current_price:.2f}跌破下轨{lower_band.iloc[current_idx]:.2f}") # 设置止损 stop_loss_price = current_price + atr.iloc[current_idx] * atr_multiplier api.log(f"设置止损价: {stop_loss_price:.2f}") # 平仓信号：价格回归中轨 elif (current_pos > 0 and current_price < ma.iloc[current_idx]) or \ (current_pos < 0 and current_price > ma.iloc[current_idx]): api.close_all(order_type='next_bar_open') api.log(f"平仓信号触发，价格{current_price:.2f}回归中轨{ma.iloc[current_idx]:.2f}")if __name__ == "__main__": # 导入API认证信息 try: from ssquant.config.auth_config import get_api_auth API_USERNAME, API_PASSWORD = get_api_auth() except ImportError: print("警告：未找到 auth_config.py 文件，请在下方填写您的认证信息：API_USERNAME和API_PASSWORD") API_USERNAME = "" API_PASSWORD = "" # 创建多数据源回测器 backtester = MultiSourceBacktester() # 设置基础配置 backtester.set_base_config({ 'username': API_USERNAME, # 使用配置文件中的用户名 'password': API_PASSWORD, # 使用配置文件中的密码 'use_cache': True, # 是否使用缓存数据 'save_data': True, # 是否保存数据 'align_data': False, # 是否对齐数据 'fill_method': 'ffill', # 填充方法 'debug': True # 启用调试模式 }) # 修改点：将品种从rb888改为au888，并调整合约参数 backtester.add_symbol_config( symbol='au888', # 黄金期货主力合约 config={ 'start_date': '2024-01-01', # 回测开始日期 'end_date': '2025-12-31', # 回测结束日期 'initial_capital': 100000.0, # 初始资金(黄金价格较高，保持10万) 'commission': 0.0002, # 黄金手续费率较低(万分之二) 'margin_rate': 0.08, # 黄金保证金率8% 'contract_multiplier': 1000, # 黄金期货每点1000元 'periods': [ {'kline_period': '1d', 'adjust_type': '1'}, # 日线数据 ] } ) # 运行回测(保持原参数) results = backtester.run( strategy=strategy_function, initialize=initialize, strategy_params={ 'bb_period': 20, # 布林带周期 'bb_std': 2, # 布林带标准差倍数 'atr_period': 14, # ATR周期 'atr_multiplier': 2 # ATR倍数止损 }, )

回测绩效

没错，整个开发过程我们没有手写一行代码，松鼠QuantAi助手会编写，回测，分析，修改。基于松鼠Quant的MCP服务器+Deepseek开启全新量化学习的路径，即使0基础也能完成策略的编写与验证！

如果你喜欢这个系列，请点赞，转发，在看三连。我们根据受欢迎程度决定是否继续更新，感谢您的支持。

防迷路

微信｜小松鼠-松鼠Quant

微信号｜viquant01

25俱乐部源码《VIP20》

加入2025量化俱乐部