均值回归的真相：为什么"抄底"很难赚钱

引言：一个让人失望的发现

在量化交易的世界里，存在两种截然不同的投资哲学：

趋势跟踪：顺势而为，认为"趋势是你的朋友"
均值回归：逆势操作，相信"价格终将回归均值"

均值回归听起来很诱人——"跌多了买，涨多了卖"，这不就是"低买高卖"的完美实现吗？

但数据告诉我们一个残酷的事实：

市场	买入持有	最优均值回归策略	结果
美股 QQQ（16年）	18.56%	10.27%（V1偏离度）	❌ 跑输 8%
A股沪深300（8年）	3.41%	2.99%（V4趋势过滤）	❌ 跑输 0.4%
A股创业板（8年）	8.42%	3.58%（V6趋势止盈）	❌ 跑输 5%

我们测试了7个版本的均值回归策略，没有一个能跑赢简单的买入持有。

但真正的发现藏在细节里：同样的买入逻辑，仅仅改变卖出策略，收益差距可达4-5个百分点。

这不是参数问题，也不是实现问题——均值回归作为独立策略，在股票/ETF市场很难创造超额收益。

但这篇文章的价值不在于展示一个"成功策略"，而在于：

诚实地揭示均值回归的适用边界 — 什么时候不该用它
发现它的正确定位 — 作为趋势策略的入场时机优化工具
展示原语系统的表达能力 — 如何用原语实现从简单到复杂的均值回归逻辑

最重要的发现是：买入和卖出需要分开设计。V4和V6的对比揭示了一个被忽视的真相——同样的买入逻辑，不同的卖出策略，在不同市场的表现可以相差4-5个百分点。

均值回归的核心概念

什么是均值回归？

均值回归理论认为：价格偏离均值后，终将回归到均值附近。

这个理论基于以下假设：

市场存在一个"公允价值"（通常用移动平均线代表）
短期价格波动是对公允价值的偏离
偏离过大时，市场力量会推动价格回归

核心问题

实现均值回归策略需要回答两个关键问题：

如何定义"偏离"？ —— 价格与均值的距离
如何定义"够远"？ —— 触发交易的阈值

本文介绍三种衡量偏离的方式：

方法	计算方式	特点
百分比偏离度	(价格 - MA) / MA	简单直观，但阈值需要针对不同标的调整
布林带	使用标准差标准化	自动适应波动率，通用性强
ATR自适应	根据波动率动态调整阈值	在极端行情中更稳健

策略版本概览

我们构建了7个版本的策略进行对比：

版本	策略名称	核心逻辑
V0	买入持有	基准对照组
V1	百分比偏离度	价格偏离MA20达到阈值时买卖
V2	布林带策略	触及下轨买入，触及上轨卖出
V3	ATR自适应布林带	波动率高时放宽阈值
V4	趋势过滤+均值回归	仅在上升趋势中执行均值回归买入，上轨卖出
V5	偏离度分批建仓	根据偏离程度动态调整仓位
V6	趋势跟踪止盈	均值回归买入 + 趋势跟踪卖出

V1：百分比偏离度策略（入门版）

核心逻辑

最简单的均值回归实现：

偏离度 = (价格 - MA20) / MA20

买入条件：偏离度 < -8%（美股）/ -6%（A股）
卖出条件：偏离度 > +8%（美股）/ +6%（A股）

原语配置

{
  "trade_strategy": {
    "indicators": [
      { "id": "ma20", "type": "SMA", "params": { "period": 20, "column": "Close" } },
      { "id": "threshold_buy", "type": "Constant", "params": { "value": -0.08 } },
      { "id": "threshold_sell", "type": "Constant", "params": { "value": 0.08 } }
    ],
    "signals": [
      {
        "id": "price_minus_ma",
        "type": "Subtract",
        "params": { "return_calculation": true },
        "inputs": [
          { "column": "Close" },
          { "ref": "ma20" }
        ]
      },
      {
        "id": "deviation_pct",
        "type": "Divide",
        "params": { "return_calculation": true },
        "inputs": [
          { "ref": "price_minus_ma" },
          { "ref": "ma20" }
        ]
      },
      {
        "id": "oversold",
        "type": "LessThan",
        "inputs": [
          { "ref": "deviation_pct" },
          { "ref": "threshold_buy" }
        ]
      },
      {
        "id": "overbought",
        "type": "GreaterThan",
        "inputs": [
          { "ref": "deviation_pct" },
          { "ref": "threshold_sell" }
        ]
      }
    ],
    "outputs": {
      "buy_signal": "oversold",
      "sell_signal": "overbought"
    }
  }
}

策略特点

优点：逻辑简单，易于理解
缺点：固定阈值无法适应不同市场的波动率

V2：布林带策略（标准版）

核心逻辑

布林带通过标准差自动调整通道宽度，解决了固定阈值的问题：

中轨 = MA20
上轨 = MA20 + 2 × 标准差
下轨 = MA20 - 2 × 标准差

买入条件：价格 < 下轨
卖出条件：价格 > 上轨

原语配置

{
  "trade_strategy": {
    "indicators": [
      {
        "id": "bb",
        "type": "BollingerBands",
        "params": {
          "period": 20,
          "std_dev": 2.0,
          "column": "Close",
          "method": "sma"
        }
      }
    ],
    "signals": [
      {
        "id": "below_lower",
        "type": "LessThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "bb.lower" }
        ]
      },
      {
        "id": "above_upper",
        "type": "GreaterThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "bb.upper" }
        ]
      }
    ],
    "outputs": {
      "buy_signal": "below_lower",
      "sell_signal": "above_upper"
    }
  }
}

布林带原语详解

📖 关于布林带策略的完整介绍，请参考布林带策略。

BollingerBands 原语输出三条线，可通过点符号访问：

bb.upper - 上轨
bb.middle - 中轨（MA）
bb.lower - 下轨

策略特点

优点：自动适应波动率，无需针对不同标的调整参数
缺点：在单边趋势中可能频繁触发错误信号

V3：ATR自适应布林带（进阶版）

问题背景

标准布林带在极端行情中可能失效——当市场恐慌性下跌时，"触及下轨"可能只是下跌的开始。

解决方案

根据ATR（真实波动幅度）动态调整布林带标准差：

ATR高（市场恐慌）→ 使用宽布林带（标准差2.5）
ATR低（市场平静）→ 使用窄布林带（标准差1.5）

原语配置

{
  "trade_strategy": {
    "indicators": [
      {
        "id": "bb_tight",
        "type": "BollingerBands",
        "params": { "period": 20, "std_dev": 1.5, "column": "Close", "method": "sma" }
      },
      {
        "id": "bb_wide",
        "type": "BollingerBands",
        "params": { "period": 20, "std_dev": 2.5, "column": "Close", "method": "sma" }
      },
      { "id": "atr_short", "type": "ATR", "params": { "period": 14 } },
      { "id": "atr_long", "type": "ATR", "params": { "period": 60 } },
      { "id": "atr_ratio_threshold", "type": "Constant", "params": { "value": 1.2 } }
    ],
    "signals": [
      {
        "id": "atr_ratio",
        "type": "Divide",
        "params": { "return_calculation": true },
        "inputs": [{ "ref": "atr_short" }, { "ref": "atr_long" }]
      },
      {
        "id": "high_volatility",
        "type": "GreaterThan",
        "inputs": [{ "ref": "atr_ratio" }, { "ref": "atr_ratio_threshold" }]
      },
      {
        "id": "below_lower_tight",
        "type": "LessThan",
        "inputs": [{ "column": "Close" }, { "ref": "bb_tight.lower" }]
      },
      {
        "id": "below_lower_wide",
        "type": "LessThan",
        "inputs": [{ "column": "Close" }, { "ref": "bb_wide.lower" }]
      },
      {
        "id": "above_upper_tight",
        "type": "GreaterThan",
        "inputs": [{ "column": "Close" }, { "ref": "bb_tight.upper" }]
      },
      {
        "id": "above_upper_wide",
        "type": "GreaterThan",
        "inputs": [{ "column": "Close" }, { "ref": "bb_wide.upper" }]
      },
      {
        "id": "low_vol_not",
        "type": "Not",
        "inputs": [{ "ref": "high_volatility" }]
      },
      {
        "id": "buy_low_vol",
        "type": "And",
        "inputs": [{ "ref": "low_vol_not" }, { "ref": "below_lower_tight" }]
      },
      {
        "id": "buy_high_vol",
        "type": "And",
        "inputs": [{ "ref": "high_volatility" }, { "ref": "below_lower_wide" }]
      },
      {
        "id": "buy_signal",
        "type": "Or",
        "inputs": [{ "ref": "buy_low_vol" }, { "ref": "buy_high_vol" }]
      },
      {
        "id": "sell_low_vol",
        "type": "And",
        "inputs": [{ "ref": "low_vol_not" }, { "ref": "above_upper_tight" }]
      },
      {
        "id": "sell_high_vol",
        "type": "And",
        "inputs": [{ "ref": "high_volatility" }, { "ref": "above_upper_wide" }]
      },
      {
        "id": "sell_signal",
        "type": "Or",
        "inputs": [{ "ref": "sell_low_vol" }, { "ref": "sell_high_vol" }]
      }
    ],
    "outputs": {
      "buy_signal": "buy_signal",
      "sell_signal": "sell_signal"
    }
  }
}

策略特点

优点：在恐慌行情中更加谨慎
缺点：高波动时放宽阈值反而可能减少入场机会

V4：趋势过滤 + 均值回归（混合策略）

核心思想

这是本文最重要的策略改进：将趋势跟踪与均值回归结合。

趋势判断：价格 > MA200（大趋势向上）
入场时机：价格触及布林带下轨（短期超卖）

买入信号 = 趋势向上 AND 短期超卖
卖出信号 = 价格触及上轨

这个组合的哲学是：

用趋势判断决定"是否参与"
用均值回归决定"何时入场"

📖 关于如何用 And、Or 等原语组合信号，请参考原语组合。

原语配置

{
  "trade_strategy": {
    "indicators": [
      { "id": "ma200", "type": "SMA", "params": { "period": 200, "column": "Close" } },
      {
        "id": "bb",
        "type": "BollingerBands",
        "params": { "period": 20, "std_dev": 2.0, "column": "Close" }
      }
    ],
    "signals": [
      {
        "id": "uptrend",
        "type": "GreaterThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "ma200" }
        ]
      },
      {
        "id": "below_lower",
        "type": "LessThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "bb.lower" }
        ]
      },
      {
        "id": "above_upper",
        "type": "GreaterThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "bb.upper" }
        ]
      },
      {
        "id": "buy_signal",
        "type": "And",
        "inputs": [
          { "ref": "uptrend" },
          { "ref": "below_lower" }
        ]
      }
    ],
    "outputs": {
      "buy_signal": "buy_signal",
      "sell_signal": "above_upper"
    }
  }
}

策略特点

优点：避免在下跌趋势中"接飞刀"
缺点：趋势过滤会过滤掉部分有效信号

V5：偏离度分批建仓（仓位管理版）

核心思想

不是"触及下轨就满仓"，而是"偏离越大，仓位越高"：

偏离1个标准差 → 30%仓位
偏离1.5个标准差 → 60%仓位
偏离2个标准差 → 100%仓位

📖 关于 LinearScaleWeight 动态仓位原语的详细用法，请参考动态仓位策略。

原语配置

{
  "trade_strategy": {
    "indicators": [
      {
        "id": "bb",
        "type": "BollingerBands",
        "params": { "period": 20, "std_dev": 1.0, "column": "Close" }
      },
      { "id": "ma200", "type": "SMA", "params": { "period": 200, "column": "Close" } },
      { "id": "minus_one", "type": "Constant", "params": { "value": -1.0 } }
    ],
    "signals": [
      {
        "id": "price_minus_middle",
        "type": "Subtract",
        "params": { "return_calculation": true },
        "inputs": [
          { "column": "Close" },
          { "ref": "bb.middle" }
        ]
      },
      {
        "id": "band_width",
        "type": "Subtract",
        "params": { "return_calculation": true },
        "inputs": [
          { "ref": "bb.upper" },
          { "ref": "bb.middle" }
        ]
      },
      {
        "id": "deviation_in_sigma",
        "type": "Divide",
        "params": { "return_calculation": true },
        "inputs": [
          { "ref": "price_minus_middle" },
          { "ref": "band_width" }
        ]
      },
      {
        "id": "uptrend",
        "type": "GreaterThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "ma200" }
        ]
      },
      {
        "id": "oversold_1sigma",
        "type": "LessThan",
        "inputs": [
          { "ref": "deviation_in_sigma" },
          { "ref": "minus_one" }
        ]
      },
      {
        "id": "buy_signal",
        "type": "And",
        "inputs": [
          { "ref": "uptrend" },
          { "ref": "oversold_1sigma" }
        ]
      },
      {
        "id": "negate_deviation",
        "type": "Multiply",
        "params": { "return_calculation": true },
        "inputs": [
          { "ref": "deviation_in_sigma" },
          { "ref": "minus_one" }
        ]
      },
      {
        "id": "dynamic_weight",
        "type": "LinearScaleWeight",
        "inputs": [{ "ref": "negate_deviation" }],
        "params": {
          "min_indicator": 1.0,
          "max_indicator": 2.0,
          "min_weight": 0.3,
          "max_weight": 1.0,
          "clip": true
        }
      }
    ],
    "outputs": {
      "buy_signal": "buy_signal",
      "sell_signal": "overbought",
      "target_weight": "dynamic_weight"
    }
  }
}

策略特点

优点：渐进式建仓，降低择时风险
缺点：需要配合 RebalancingCapitalStrategy 使用

V6：趋势跟踪止盈（混合策略改进版）

问题背景

V4策略虽然在买入时加入了趋势过滤，但卖出逻辑仍然是均值回归思维（触及上轨就卖）。这导致在上涨趋势中过早卖出，错失后续涨幅。

环节	V4 逻辑	问题
买入	趋势向上 + 短期超卖	✅ 有趋势过滤
卖出	触及布林带上轨	❌ 无趋势过滤，可能过早卖出

解决方案

V6将卖出逻辑改为趋势跟踪：

买入条件：价格 > MA200 AND 价格 < 布林带下轨（同V4）
卖出条件：价格 < MA200（趋势转弱时才卖）

核心思想：

用均值回归找入场时机（回调到下轨买入）
用趋势跟踪持有利润（跌破MA200才卖出）

原语配置

{
  "trade_strategy": {
    "indicators": [
      { "id": "ma200", "type": "SMA", "params": { "period": 200, "column": "Close" } },
      {
        "id": "bb",
        "type": "BollingerBands",
        "params": { "period": 20, "std_dev": 2.0, "column": "Close" }
      }
    ],
    "signals": [
      {
        "id": "uptrend",
        "type": "GreaterThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "ma200" }
        ]
      },
      {
        "id": "downtrend",
        "type": "LessThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "ma200" }
        ]
      },
      {
        "id": "below_lower",
        "type": "LessThan",
        "inputs": [
          { "column": "Close" },
          { "ref": "bb.lower" }
        ]
      },
      {
        "id": "buy_signal",
        "type": "And",
        "inputs": [
          { "ref": "uptrend" },
          { "ref": "below_lower" }
        ]
      }
    ],
    "outputs": {
      "buy_signal": "buy_signal",
      "sell_signal": "downtrend"
    }
  }
}

策略特点

优点：在趋势市中持有更久，避免过早止盈
缺点：MA200是滞后指标，在震荡市中可能吃掉利润后才止损

完整回测对比

美股 QQQ (2010-2025, 16年)

策略	净值	年化收益	最大回撤	夏普比率	波动率	交易次数
V0-BuyHold	15.21	18.56%	-35.12%	0.96	20.64%	1
V1-偏离度	4.77	10.27%	-28.00%	0.74	16.16%	4
V2-布林带	4.15	9.31%	-33.11%	0.73	15.38%	39
V3-ATR自适应	3.71	8.54%	-21.39%	0.87	14.11%	60
V4-趋势过滤	3.53	8.20%	-29.65%	0.68	14.40%	34
V5-动态仓位	3.74	8.61%	-23.12%	0.71	11.49%	1
V6-趋势止盈	3.37	7.89%	-20.60%	0.61	11.39%	12

结论：

所有均值回归策略都大幅跑输买入持有（年化差距8-10个百分点）
风险控制亮点：V3/V5/V6的最大回撤（-20%~-23%）显著优于买入持有（-35%）
夏普比率悖论：买入持有的夏普比率（0.96）反而最高，因为QQQ长期向上

A股沪深300 (2018-2025, 8年)

策略	净值	年化收益	最大回撤	夏普比率	波动率	交易次数
V0-BuyHold	1.31	3.41%	-41.85%	0.22	19.50%	1
V1-偏离度	1.05	0.65%	-33.43%	0.05	13.80%	4
V2-布林带	0.98	-0.19%	-26.54%	-0.04	12.39%	21
V3-ATR自适应	0.99	-0.10%	-32.52%	-0.05	12.02%	26
V4-趋势过滤	1.27	2.99%	-13.67%	0.63	7.22%	11
V5-动态仓位	1.12	1.41%	-24.35%	0.09	8.82%	1
V6-趋势止盈	0.95	-0.60%	-19.75%	-0.54	8.71%	7

结论：

V4是最优策略：年化2.99%接近买入持有，但最大回撤仅-13.67%（vs -41.85%），夏普比率0.63（vs 0.22）
V4用19%的时间获得了85%的收益，同时回撤降低了28个百分点
V6在震荡市中失效，夏普比率为负

A股创业板 (2018-2025, 8年)

策略	净值	年化收益	最大回撤	夏普比率	波动率	交易次数
V0-BuyHold	1.91	8.42%	-56.56%	0.37	30.23%	1
V2-布林带	0.72	-4.10%	-48.82%	-0.43	15.04%	15
V4-趋势过滤	0.91	-1.12%	-36.49%	-0.19	12.11%	10
V6-趋势止盈	1.32	3.58%	-32.09%	0.20	14.72%	5

结论：

创业板波动极大（-56%回撤），均值回归策略整体失效
V6相对最优：虽然跑输买入持有，但回撤降低了24个百分点
在高波动趋势市场，趋势跟踪止盈（V6）优于均值回归止盈（V4）

全景对比：风险调整后收益

按夏普比率排序，展示风险调整后的真实表现：

排名	策略	市场	年化收益	最大回撤	夏普比率	评价
1	V0-BuyHold	QQQ	18.56%	-35.12%	0.96	🏆 牛市首选
2	V3-ATR自适应	QQQ	8.54%	-21.39%	0.87	回撤控制出色
3	V1-偏离度	QQQ	10.27%	-28.00%	0.74	简单有效
4	V5-动态仓位	QQQ	8.61%	-23.12%	0.71	波动率最低
5	V4-趋势过滤	沪深300	2.99%	-13.67%	0.63	🏆 震荡市首选
6	V0-BuyHold	创业板	8.42%	-56.56%	0.37	高收益高风险
7	V0-BuyHold	沪深300	3.41%	-41.85%	0.22	回撤太大
8	V6-趋势止盈	创业板	3.58%	-32.09%	0.20	风控改善明显

核心发现：

QQQ买入持有的夏普比率最高——在超级牛市中，被动策略就是最优策略
沪深300的V4趋势过滤是均值回归策略的最佳实践——夏普0.63远超买入持有的0.22
回撤控制是均值回归的主要价值——虽然跑输收益，但风险大幅降低

关键发现：均值回归的适用边界

发现一：均值回归在趋势市中表现糟糕

从三个市场的对比可以看出：

市场	特征	均值回归表现
QQQ	16年超级牛市	大幅跑输基准
沪深300	震荡偏多	接近基准
创业板	高波动趋势	严重亏损

核心原因：均值回归策略在价格"回归均值"时卖出，导致在上涨趋势中反复踏空。

发现二：持仓时间是收益的关键因素

策略	QQQ持仓比例	QQQ年化	300持仓比例	300年化
V0	100%	18.56%	100%	3.41%
V1	65%	10.27%	75%	0.65%
V2	48%	9.31%	50%	-0.19%

持仓比例与收益高度相关。均值回归策略的"等待机会"本质上是在趋势市中错过收益。

发现三：买入和卖出需要匹配市场特征

V4和V6的对比揭示了一个重要发现：卖出策略需要与市场特征匹配。

市场	V4（上轨止盈）	V6（MA200止损）	更优策略
沪深300（震荡市）	2.99%	-0.60%	V4
创业板（趋势市）	-1.12%	3.58%	V6

沪深300 V4 vs V6 卖出策略对比

深入分析：沪深300 V4 vs V6 交易对比

V4交易记录（触及上轨卖出）：

买入	卖出	收益
2020-09-09 @ 4.25	2020-10-12 @ 4.48	+5%
2021-03-08 @ 4.71	2021-05-25 @ 4.94	+5%

V6交易记录（跌破MA200卖出）：

买入	卖出	收益	问题
2019-04-26 @ 3.50	2020-02-03 @ 3.35	-4%	持有9个月遇疫情暴跌
2025-01-02 @ 3.82	2025-04-07 @ 3.61	-5%	跌破MA200才止损

核心问题：MA200是滞后指标，在震荡市中：

价格频繁穿越MA200
每次"跌破才卖"意味着已经吃了大量回撤
V4的"触及上轨就卖"虽然可能踏空，但锁定了利润

结论：

震荡市用均值回归止盈（V4）：锁定利润，避免回吐
趋势市用趋势跟踪止盈（V6）：持有更久，跟随趋势

发现四：没有万能策略

从V4和V6的对比可以清晰看出：同一策略在不同市场表现截然不同。

这提示我们：

策略选择必须基于对市场特征的判断
回测需要覆盖不同市场环境
实盘中需要根据市场状态动态切换策略

发现五：V1阈值过于严格

V1策略在16年内只触发了4次买入，说明-8%的偏离度阈值对于QQQ来说过于严格。这也提示我们：

固定阈值需要针对具体标的调整
布林带的自适应特性在这方面更有优势

策略选择指南

根据回测结果，我们总结出以下选择建议：

市场特征	推荐策略	理由
长期牛市	V0 买入持有	均值回归会反复踏空
震荡市	V4 趋势过滤	均值回归止盈锁定利润
趋势市（有回调）	V6 趋势止盈	趋势跟踪止盈持有更久
不确定市场	V5 分批建仓	渐进入场，降低风险

V4 vs V6 选择矩阵

判断维度	选择V4	选择V6
市场特征	震荡、箱体	趋势明显
价格与MA200	频繁穿越	长期在上方/下方
波动特征	规律波动	单边运动
风险偏好	保守（锁定利润）	激进（追求更大收益）

参数调优建议

参数	推荐范围	说明
布林带周期	10-30日	短周期更敏感，长周期更稳健
标准差倍数	1.5-2.5	小值更激进，大值更保守
趋势过滤均线	100-250日	MA200是经典选择
偏离度阈值	5%-10%	需根据标的波动率调整

参数稳健性验证

本文的核心结论基于特定参数组合（MA200、布林带2.0倍标准差）。在实际应用前，建议验证结论在参数扰动下是否稳健：

将 MA200 替换为 MA150 / MA250
将布林带标准差从 2.0 调整为 1.5 / 2.5

如果在参数合理变动范围内，"震荡市V4优于V6"、"趋势市V6优于V4"的结论依然成立，则说明策略逻辑本身有效，而非参数过拟合的结果。

💡 你可以在策引平台上复制本文策略，修改参数后自行回测验证。

资金策略说明

本文策略使用两种资金策略：

PercentCapitalStrategy（V0-V4）

📖 详细介绍请参考固定比例资金策略。

{
  "name": "PercentCapitalStrategy",
  "params": {
    "initial_capital": 100000,
    "percents": 99
  }
}

每次买入使用99%资金，适合固定仓位策略。

RebalancingCapitalStrategy（V5）

📖 详细介绍请参考再平衡资金策略。

{
  "name": "RebalancingCapitalStrategy",
  "params": {
    "initial_capital": 100000,
    "threshold": 0.05
  }
}

支持 target_weight 动态仓位，当实际仓位与目标仓位偏差超过5%时触发调仓。

结论：均值回归的正确定位

通过7个版本、3个市场、累计超过30年的回测数据，我们得出了一个清醒的结论：

核心发现：均值回归不适合作为独立策略

在股票/ETF市场，纯均值回归策略很难跑赢买入持有。

这不是因为我们的实现有问题，而是因为：

股票市场有长期向上的趋势（尤其是QQQ）
均值回归会在趋势中反复"踏空" — 涨到上轨就卖，错过后续涨幅
"跌多了"不等于"要涨了" — 在熊市中，触及下轨可能只是下跌的开始

均值回归的正确定位

均值回归不是独立策略，而是工具：

正确用法	说明	对应版本
入场时机优化	在趋势向上时，用均值回归找回调买点	V4、V6
仓位管理工具	偏离越大，仓位越高	V5
风险控制辅助	极度超买时减仓，而非清仓	参考 dynamic-position-strategy

买入和卖出需要分开设计

这是本文最有价值的发现：

策略	买入逻辑	卖出逻辑	沪深300	创业板
V4	趋势+均值回归	均值回归（上轨）	+2.99%	-1.12%
V6	趋势+均值回归	趋势跟踪（MA200）	-0.60%	+3.58%

同样的买入逻辑，卖出策略不同，收益差距4-5个百分点。

震荡市（沪深300）：用均值回归止盈（V4），锁定利润
趋势市（创业板）：用趋势跟踪止盈（V6），持有更久

原语系统的价值

虽然均值回归策略本身表现平平，但这次研究展示了原语系统的核心能力：

快速验证想法 — 7个版本、3个市场的完整测试
精确定位问题 — V4 vs V6的差异可以追溯到卖出信号的一行配置
灵活组合哲学 — 趋势判断 + 均值回归入场，只需一个And原语

均值回归可能有效的场景

本文的结论是针对股票/ETF市场。在以下场景中，均值回归可能更有效：

场景	原因
商品期货（如天然气、农产品）	有生产成本和库存约束，价格有"锚"
政策管控的汇率	央行干预形成隐性区间
配对交易（统计套利）	两个相关资产的价差回归
高频做市策略	微观结构层面的短期回归

这些场景的共同特点是：存在某种外部力量或结构性约束，使得价格偏离后"必须"回归。而股票市场缺乏这种约束——公司可以持续增长，股价可以"永远"上涨。

如果你只记住三句话

不要单独用均值回归做股票策略 — 它很难跑赢买入持有
卖出逻辑比买入逻辑更重要 — V4 vs V6 的差距来自卖出信号
先判断标的特征再选策略 — 长期向上选买入持有，震荡市选V4控制回撤

附录

A. 完整配置文件

配置文件使用说明

以下配置文件是策引策略引擎内部完整的投资组合配置，包含了原语策略定义、资金策略、标的物等完整信息。

如何在策引平台上使用这些策略：

创建原语策略组合：访问策略组合创建页面
- 仅复制配置文件中 strategy_definition 部分的内容
- 粘贴到"交易策略定义"区域
- 必须删除 capital_strategy 字段（该字段仅供参考，在创建时通过界面选择对应的资金管理策略即可）
- 其他配置项无需复制，在创建投资组合时通过界面配置
理解策略逻辑：访问原语策略可视化编辑器
- 将 strategy_definition 粘贴到编辑器中
- 可视化查看策略的指标、信号和逻辑关系
- 支持在线调试和修改策略参数
选择资金管理策略：在创建投资组合时，根据配置文件中的 capital_strategy 类型，在界面上选择对应的资金管理策略（如固定金额、固定比例、再平衡等）

⚠️ 重要提示：直接复制完整配置文件可能导致策略无法正常工作或产生意外行为。请严格按照上述步骤操作。

美股策略配置：

美股QQQ均值回归策略配置（V0-V6）

A股策略配置：

A股沪深300/创业板均值回归策略配置（V0-V6）

B. 在线回测链接

美股 QQQ 策略：

🔗 V4-趋势过滤+布林带策略
🔗 V6-趋势跟踪止盈策略

A股沪深300 策略：

🔗 V4-趋势过滤+布林带策略
🔗 V6-趋势跟踪止盈策略

A股创业板策略：

🔗 V4-趋势过滤+布林带策略
🔗 V6-趋势跟踪止盈策略

C. 风险提示

本文所有策略仅供研究和教育目的，不构成投资建议。历史表现不代表未来收益。在实盘交易前，请务必：

充分理解策略逻辑和风险
根据自身风险承受能力调整仓位
永远不要投入超过你能承受损失的资金

本文回测数据截至2025年12月31日。过往表现不代表未来收益，投资有风险，入市需谨慎。

引言：一个让人失望的发现​

均值回归的核心概念​

什么是均值回归？​

核心问题​

策略版本概览​

V1：百分比偏离度策略（入门版）​

核心逻辑​

原语配置​

策略特点​

V2：布林带策略（标准版）​

核心逻辑​

原语配置​

布林带原语详解​

策略特点​

V3：ATR自适应布林带（进阶版）​

问题背景​

解决方案​

原语配置​

策略特点​

V4：趋势过滤 + 均值回归（混合策略）​

核心思想​

原语配置​

策略特点​

V5：偏离度分批建仓（仓位管理版）​

核心思想​

原语配置​

策略特点​

V6：趋势跟踪止盈（混合策略改进版）​

问题背景​

解决方案​

原语配置​

策略特点​

完整回测对比​

美股 QQQ (2010-2025, 16年)​

A股 沪深300 (2018-2025, 8年)​

A股 创业板 (2018-2025, 8年)​

全景对比：风险调整后收益​

关键发现：均值回归的适用边界​

发现一：均值回归在趋势市中表现糟糕​

发现二：持仓时间是收益的关键因素​

发现三：买入和卖出需要匹配市场特征​

发现四：没有万能策略​

发现五：V1阈值过于严格​

策略选择指南​

V4 vs V6 选择矩阵​

参数调优建议​

参数稳健性验证​

资金策略说明​

PercentCapitalStrategy（V0-V4）​

RebalancingCapitalStrategy（V5）​

结论：均值回归的正确定位​

核心发现：均值回归不适合作为独立策略​

均值回归的正确定位​

买入和卖出需要分开设计​

原语系统的价值​

均值回归可能有效的场景​

如果你只记住三句话​

附录​

A. 完整配置文件​

B. 在线回测链接​

C. 风险提示​

引言：一个让人失望的发现

均值回归的核心概念

什么是均值回归？

核心问题

策略版本概览

V1：百分比偏离度策略（入门版）

核心逻辑

原语配置

策略特点

V2：布林带策略（标准版）

核心逻辑

原语配置

布林带原语详解

策略特点

V3：ATR自适应布林带（进阶版）

问题背景

解决方案

原语配置

策略特点

V4：趋势过滤 + 均值回归（混合策略）

核心思想

原语配置

策略特点

V5：偏离度分批建仓（仓位管理版）

核心思想

原语配置

策略特点

V6：趋势跟踪止盈（混合策略改进版）

问题背景

解决方案

原语配置

策略特点

完整回测对比

美股 QQQ (2010-2025, 16年)

A股沪深300 (2018-2025, 8年)

A股创业板 (2018-2025, 8年)

全景对比：风险调整后收益

关键发现：均值回归的适用边界

发现一：均值回归在趋势市中表现糟糕

发现二：持仓时间是收益的关键因素

发现三：买入和卖出需要匹配市场特征

发现四：没有万能策略

发现五：V1阈值过于严格

策略选择指南

V4 vs V6 选择矩阵

参数调优建议

参数稳健性验证

资金策略说明

PercentCapitalStrategy（V0-V4）

RebalancingCapitalStrategy（V5）

结论：均值回归的正确定位

核心发现：均值回归不适合作为独立策略

均值回归的正确定位

买入和卖出需要分开设计

原语系统的价值

均值回归可能有效的场景

如果你只记住三句话

附录

A. 完整配置文件

B. 在线回测链接

C. 风险提示