Dynamic Stoploss Optimizer - 动态止损策略优化器

派蒙的最强止损策略工具包！ 🧙‍♀️⭐

本工具包提供多种动态止损策略的实现和回测功能，帮助量化交易者优化止损策略，降低交易风险。

---

🌟 功能特性

核心止损策略

策略名称	描述	适用场景
VolatilityStoploss	基于波动率的动态止损	趋势跟踪策略
ATRStoploss	基于平均真实波幅 (ATR) 的止损	广泛适用于各种策略
MAStoploss	基于移动平均线的止损	趋势跟随策略
MaxDrawdownStoploss	基于最大回撤的止损	保护浮动利润

回测模块

• ✅ 完整的历史回测功能
• ✅ 详细的性能指标（夏普比率、最大回撤、胜率等）
• ✅ 交易记录追踪
• ✅ 权益曲线生成
• ✅ 多策略对比

参数优化

• ✅ 网格搜索优化
• ✅ 随机搜索优化
• ✅ 并行计算支持
• ✅ 优化结果可视化

---

📦 安装

依赖

pip install numpy pandas matplotlib scipy

可选依赖（用于真实数据）

pip install yfinance

---

🚀 快速开始

1. 基本使用

from dynamic-stoploss import (
    ATRStoploss,
    StoplossBacktester
)
import pandas as pd

# 准备数据 (需要包含 open, high, low, close 列)
data = pd.read_csv('your_data.csv')

# 创建止损策略
strategy = ATRStoploss(period=14, multiplier=2.5)

# 创建回测器
backtester = StoplossBacktester(
    data=data,
    initial_capital=100000,
    commission=0.001,
    slippage=0.001
)

# 运行回测
result = backtester.run(strategy, position_type='long', shares_per_trade=100)

# 查看结果
print(result.summary())

2. 对比多个策略

from dynamic-stoploss import (
    VolatilityStoploss,
    ATRStoploss,
    MAStoploss,
    MaxDrawdownStoploss
)

strategies = [
    VolatilityStoploss(window=20, multiplier=2.0),
    ATRStoploss(period=14, multiplier=2.5),
    MAStoploss(period=50, ma_type='ema'),
    MaxDrawdownStoploss(max_drawdown=0.10)
]

# 对比所有策略
comparison_df = backtester.compare_strategies(strategies)
print(comparison_df)

3. 参数优化

from dynamic-stoploss import StoplossOptimizer

# 创建优化器
optimizer = StoplossOptimizer(strategy, backtester)

# 网格搜索
best_params = optimizer.optimize(
    param_grid={
        'period': [10, 14, 20],
        'multiplier': [1.5, 2.0, 2.5, 3.0]
    },
    metric='sharpe_ratio'
)

print(f"最优参数：{best_params['best_params']}")

---

📊 输出指标

回测结果包含以下关键指标：

指标	说明
总收益率 (Total Return)	整个回测期间的总收益百分比
年化收益率 (Annualized Return)	年化后的收益率
夏普比率 (Sharpe Ratio)	风险调整后收益，越高越好
最大回撤 (Max Drawdown)	最大资金回撤幅度
胜率 (Win Rate)	盈利交易占比
盈亏比 (Profit Factor)	总盈利/总亏损
平均交易盈亏	平均每笔交易的盈亏金额
平均持仓周期	平均持仓天数
最大连续盈利/亏损	最大连续盈利/亏损次数

---

📚 示例

示例 1：ATR 止损策略

from dynamic-stoploss import ATRStoploss, StoplossBacktester

# 创建 ATR 止损策略
strategy = ATRStoploss(period=14, multiplier=2.5)

# 回测
backtester = StoplossBacktester(data, initial_capital=100000)
result = backtester.run(strategy)

print(result.summary())

示例 2：自定义入场信号

# 创建均线交叉入场信号
data['sma_20'] = data['close'].rolling(20).mean()
data['sma_50'] = data['close'].rolling(50).mean()

entry_signal = (data['sma_20'] > data['sma_50']) & \
               (data['sma_20'].shift(1) <= data['sma_50'].shift(1))

# 使用自定义信号回测
result = backtester.run(
    strategy,
    entry_signal=entry_signal,
    shares_per_trade=100
)

示例 3：参数优化

optimizer = StoplossOptimizer(strategy, backtester)

# 随机搜索
result = optimizer.random_search(
    param_distributions={
        'period': (10, 30),
        'multiplier': (1.5, 3.5)
    },
    n_iter=50,
    metric='sharpe_ratio'
)

print(f"最优夏普比率：{result['best_score']:.2f}")

---

🧪 测试

运行测试套件：

cd skills/dynamic-stoploss
python test_stoploss.py

或使用 pytest：

pytest test_stoploss.py -v

---

📖 API 文档

止损策略类

BaseStoploss (抽象基类)

所有止损策略的基类。

方法:

• calculate_stop(data, position_type, entry_price, current_bar) - 计算止损信号
• update_params(**kwargs) - 更新策略参数
• get_params() - 获取当前参数

VolatilityStoploss

基于波动率的动态止损。

参数:

• window (int): 计算波动率的时间窗口，默认 20
• multiplier (float): 波动率乘数，默认 2.0
• use_log_returns (bool): 是否使用对数收益率，默认 True

ATRStoploss

基于 ATR 的止损。

参数:

• period (int): ATR 计算周期，默认 14
• multiplier (float): ATR 乘数，默认 2.5
• use_current_atr (bool): 是否使用当前 ATR 值，默认 True

MAStoploss

基于移动平均线的止损。

参数:

• period (int): 均线周期，默认 50
• ma_type (str): 均线类型 ('sma', 'ema', 'wma')，默认 'ema'
• offset (float): 均线偏移量（百分比），默认 0

MaxDrawdownStoploss

基于最大回撤的止损。

参数:

• max_drawdown (float): 最大允许回撤，默认 0.05
• use_entry_price (bool): 是否相对于入场价计算，默认 False

回测器类

StoplossBacktester

参数:

• data (pd.DataFrame): OHLC 数据
• initial_capital (float): 初始资金，默认 100000
• commission (float): 交易佣金比例，默认 0.001
• slippage (float): 滑点比例，默认 0.001

方法:

• run(strategy, position_type, entry_signal, exit_target, shares_per_trade, max_positions) - 运行回测
• compare_strategies(strategies, **kwargs) - 对比多个策略
• plot_equity_curve(result, title, save_path) - 绘制权益曲线

优化器类

StoplossOptimizer

参数:

• strategy (BaseStoploss): 止损策略实例
• backtester (StoplossBacktester): 回测器实例
• n_jobs (int): 并行工作进程数，默认 -1

方法:

• optimize(param_grid, metric, maximize, n_folds, verbose) - 网格搜索优化
• random_search(param_distributions, n_iter, metric, maximize, verbose) - 随机搜索
• plot_optimization_results(param1, param2, metric, save_path) - 绘制优化结果
• get_optimization_summary() - 获取优化摘要

---

⚠️ 注意事项

1. 历史回测不代表未来表现 - 回测结果仅供参考
2. 避免过拟合 - 在不同市场环境下测试策略
3. 参数敏感性 - 止损参数对结果影响很大，需谨慎优化
4. 交易成本 - 回测中已考虑佣金和滑点，但实际交易可能不同
5. 风险管理 - 止损只是风险管理的一部分，需结合仓位管理

---

📝 更新日志

v1.0.0 (2026-02-28)

• ✨ 初始版本发布
• ✅ 实现 4 种动态止损策略
• ✅ 完整的回测功能
• ✅ 参数优化模块
• ✅ 测试和文档

---

🤝 贡献

欢迎提交 Issue 和 Pull Request！

---

📄 许可证

MIT License

---

👤 作者

派蒙 ⭐ - 提瓦特最强的量化助手！

---

🙏 致谢

感谢以下项目提供的灵感：

• pybroker - Python 算法交易框架
• ML for Trading Book - 机器学习交易书籍

---

✨ 派蒙提示：止损是交易成功的关键！合理使用止损策略，保护你的本金~