Blankly实战：Golden Cross策略等14个月只触发一次信号，2笔交易盈利31%

一个能无缝切换回测和实盘的统一交易框架

Blankly 的设计理念和之前写过的所有回测框架都有一个根本性的差异：它的回测 API 和实盘 API 是完全一致的。你在回测里写的策略代码，不用改一行就能直接挂到 Alpaca、Coinbase、Binance 上跑实盘。大多数框架的回测模式和实盘模式需要两套不同的代码——回测用 BacktestEngine.run()，实盘用 Broker.place_order()。Blankly 把这两者抽象成了同一个接口，切换只需要改一个参数。

我拿它用苹果跑了一个最经典的 Golden Cross 策略——SMA50 上穿 SMA200 时买入、下穿时卖出。两年只产生了两笔交易（一买一卖），收益 +31.56%，夏普 0.97，最大回撤仅 -13.82%。等了整整 14 个月才等到第一个买入信号——2025 年 9 月 Golden Cross 触发，一把买入，拿到回测结束时卖出。

起步

从 EasyClaw 官网下载安装。不需要手动装 Blankly、不需要注册交易所 API Key。

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 Blankly（https://github.com/Blankly-Finance/Blankly）做成一个回测 Skill。我希望输入股票代码、起止日期和均线参数就能跑 Golden Cross 策略，用 Blankly 原生的 price_event 事件驱动 + Bokeh 仪表盘输出，支持 Keyless Exchange 本地回测。

Skill 创建好后：

用 Blankly 回测 AAPL 的 Golden Cross 策略，SMA50 上穿 SMA200 买入、下穿卖出，从 2024 年中到现在

回测结果：等了 14 个月，换来一笔 31% 的盈利交易

指标	值	怎么看
初始资金	$100,000
最终净值	$131,564	净赚 3.1 万美元
总收益率	+31.56%
CAGR	14.61%	年化可观
夏普比率	0.968	接近 1——优秀水平
索提诺	1.381	下行风险控制良好——回撤期间的波动很小
最大回撤	-13.82%	在可接受范围内
交易次数	2	一买一卖，等待 14 个月才出手
胜率	100%	**一笔交易盈利

交易明细——简单到只有两行

日期	方向	价格	金额	触发信号
2025-09-22	BUY	$256.08	$100,000	SMA50 上穿 SMA200（Golden Cross）
2026-07-27	SELL	$336.91	$131,564	持仓结束（回测终止）

2024 年 7 月到 2025 年 9 月，整整 14 个月，账户里一分钱都没动。策略在静静等着一个信号——SMA50 从下方上穿 SMA200。2025 年 9 月 22 日，Golden Cross 终于来了，全仓买入。然后一路持有到回测结束，卖出价 $336.91，比买入价涨了 31.5%。

这个策略的 Bokeh 仪表盘有四张图：累计收益曲线叠加买卖信号标记、SMA50 和 SMA200 两条均线的交叉过程、RSI(14) 的超买超卖区间、以及日收益率分布图。收益率分布的均值是 0.064%、标准差 1.01%，基本呈正态分布——在大半年的空仓期里，日收益率都是零，分布自然地聚集在零附近。

Golden Cross 为什么在这里有效

和之前 Backtesting.py 那篇形成有趣对比——那篇文章里 SMA 10/30 在苹果上跑出了 101 笔交易、只赚了 32%，远跑输买入持有。这里 Golden Cross 在两年里只有 2 笔交易、赚了 31%。核心差异在两个维度：

• 参数周期。SMA50/200 比 SMA10/30 长得多，信号少得多。Golden Cross 在两年里只触发了一次入场——这意味着它在大部分时间空仓等待，避开了震荡市的损耗
• 回测区间。2024 中到 2026 中苹果有明显的上升趋势。长周期均线抓住了这段趋势的大部分，而短周期均线在频繁进出中被手续费和市场噪音磨损

这个对比说明了一个朴素的道理：趋势策略的参数周期应该和趋势的持续时间匹配。如果你相信苹果有年线级别的上升趋势，就应该用月线级别的均线参数。用日线参数去捕捉年线趋势，结果就是在震荡中反复止损。

事件驱动的价格信号

Blankly 的策略构建方式和 bt 的 Algo 管道完全不同——它是事件驱动的。你定义一个 price_event 回调函数，每次新价格进来时执行：

概念	对应 API	说明
策略初始化	Strategy.add_price_event()	注册价格事件回调
免 Key 回测	StrategySimulator	不需要注册交易所 API
指标计算	blankly.indicators	内置 SMA/RSI 等常用指标，但这里用纯 Python 等效实现
绩效获取	BacktestResult.get_metrics()	一键获取夏普/索提诺/CAGR/回撤/胜率

事件驱动的优势在于逻辑清晰——每个价格点触发一次回调，你在回调里决定是否交易。和 bt 的 Algo 管道相比，事件驱动更灵活（可以做任意复杂的条件判断），但也更手工（需要自己管理状态）。

常见报错

错误	原因	解决方法
回测期间无交易信号	均线从未交叉	检查 SMA 参数是否合理，或延长回测区间
Keyless 模式无法获取数据	本地数据缓存缺失	Skill 自动处理，手动模式需先下载数据

下一步

• 把 SMA50/200 换成 SMA20/50——看信号频率和收益的变化
• 尝试 Blankly 的多资产回测——同时跑 AAPL 和 MSFT 的 Golden Cross，对比信号触发时间

资源链接：

• EasyClaw 下载：https://easyclaw.cn/?f=739
• Blankly GitHub：https://github.com/Blankly-Finance/Blankly

你有耐心等 14 个月才触发一次交易信号吗？还是更倾向于每个月都有几次交易的高频策略？欢迎聊聊你的交易节奏偏好。