bt实战：五块Algo积木拼出五种策略，SMA做空杠杆回撤98%的惨痛教训

一个用"积木"搭策略的回测框架——五块积木拼出五种策略，结果天差地别

bt 是一个轻量级 Python 回测库，它的设计思路和之前写过的所有框架都不一样。大多数回测框架是"事件驱动"的——策略是一个类，你在 next() 方法里写交易逻辑。bt 是"管道"式的——策略是一串 Algo 块的链式组合：RunMonthly → SelectAll → WeighEqually → Rebalance，四块积木拼在一起就是一个完整的策略。换一个 SelectAlgo 就换了一种选股逻辑，换一个 WeighAlgo 就换了一种仓位分配方式。

我拿它在六只美股上用五种不同的 Algo 组合跑了 8.5 年。结果差异大到令人难以置信：简单的每月等权再平衡年化 28.87%，夏普 1.02。而加了做空杠杆的 SMA 交叉策略年化 -23.54%，最大回撤 -98.04%——几乎亏光了。同一个标的池、同一个时间段，策略之间的绩效差距超过 50 个百分点。

起步

从 EasyClaw 官网下载安装。不需要手动装 bt、不需要配 ffn 依赖。

打开后左侧找「Skill」→「Skill Creator」。灰显的话去「设置 → 通用」打开「开发者模式」重启。

创建 Skill

在 Skill Creator 里告诉 EasyClaw：

帮我把 GitHub 上的 bt（https://github.com/pmorissette/bt）做成一个回测 Skill。我希望输入一组股票代码、起止日期和 Algo 策略配置，自动跑回测并对比多个策略的绩效——包括年化收益、夏普、最大回撤、年度收益等完整统计。

Skill 创建好后：

用 bt 回测六只美股，对比五种策略：每月等权再平衡、SMA50以上持有、SMA多空交叉、波动率倒数加权、标普基准。从 2018 年初到现在。

五种策略的完整绩效对比

指标	每月等权	SMA50以上	SMA交叉	波动率倒数	标普基准
总收益	+776%	+416%	-90%	+602%	+213%
CAGR	28.87%	21.15%	-23.54%	25.59%	14.26%
夏普	1.02	0.88	0.60	0.96	0.79
索提诺	1.47	1.30	0.84	1.38	1.12
最大回撤	-47.89%	-33.70%	-98.04%	-44.84%	-33.72%
卡玛比率	0.60	0.63	-0.24	0.57	0.42
年度胜率	87.5%	75.0%	37.5%	87.5%	87.5%
12月胜率	82.6%	77.2%	45.7%	83.7%	85.9%

近期表现——谁在最近三个月赚钱

	每月等权	SMA50以上	SMA交叉	波动率倒数	标普
月至今	+2.31%	-1.96%	-8.71%	+2.47%	-1.15%
近 3 月	-0.84%	-13.40%	+1.74%	+0.56%	+4.46%
年初至今	+1.36%	-14.63%	-13.02%	+1.65%	+8.83%
近 1 年	+15.71%	-3.30%	+22.68%	+15.32%	+17.68%

SMA50 策略最近表现极差——近三个月跌了 13.4%、年初至今跌了 14.6%。原因是近期美股出现了一定的风格切换，SMA50 持有的标的大部分在下跌。

为什么 SMA 交叉策略亏了 98%

这是一个教科书级别的反面案例。SMA 交叉策略的回撤不是 -50%、不是 -70%，而是 -98.04%——几乎亏光了。原因是这个策略使用了做空逻辑：当 SMA50 < SMA200 时，仓位变成 -1（做空），而不是 0（空仓）。

在 2018-2026 这个区间，美股整体是牛市。做空牛市的代价是毁灭性的。SMA 交叉策略年化 -23.54%，但夏普仍然是 0.60——说明它在某些时间段（下跌行情中）能赚钱，但总体上做空牛市的损失远远超过了做空的收益。

对比 SMA50 以上持有策略——同样是基于均线，但只做多不做空。它在同一个区间赚了 416%，回撤仅 -33.7%。两者的**区别是：做空开关。关掉做空，从 -98% 变成 +416%。

bt 的 Algo 管道——搭积木式策略构建

bt 最核心的设计是Algo 管道。一个完整的策略不是写在一个类里，而是用几个独立的 Algo 块链式拼接：

Algo 块	作用	示例
RunAlgo	设置执行频率	RunMonthly()——每月跑一次
SelectAlgo	选股	SelectAll()——选所有；SelectWhere(data>sma50)——选价格高于均线的
WeighAlgo	分配权重	WeighEqually()——等权；WeighInvVol()——波动率倒数加权
Rebalance	执行再平衡	Rebalance()——按目标权重调仓

这种设计的最大好处是Algo 块可以复用。RunMonthly 搭配 SelectAll 搭配 WeighEqually 是"每月等权再平衡"；同样的 RunMonthly，把 SelectAll 换成 SelectWhere 就变成了"SMA50 以上持有"；再加上 WeighInvVol 就是"低波动精选"。换一个 WeighAlgo 不需要改动其他任何代码。

这和之前写过的 Backtrader（事件驱动、策略是一个类）形成了鲜明对比——bt 更适合"快速验证多种选股和权重方案的组合"，Backtrader 更适合"精细化控制每笔交易的逻辑"。

常见报错

错误	原因	解决方法
Algo 管道返回空结果	SelectWhere 条件太严格，没有任何标入选	放宽选股条件
绩效统计中部分指标为 NaN	策略在回测期内没有任何交易	检查 Algo 组合是否合理

下一步

• 把 SMA 交叉策略的做空开关关掉，对比做多和做空两个版本在同一区间的表现差异
• 试试 bt 的自定义 Algo——自己写一个 SelectAlgo 或 WeighAlgo，测试你自己的选股逻辑

资源链接：

• EasyClaw 下载：https://easyclaw.cn/?f=738
• bt GitHub：https://github.com/pmorissette/bt

你做过做空的策略吗？有没有被做空反噬过的经历？欢迎聊聊。