一一中文网

手机浏览器扫描二维码访问

第69章 风险管理（第2页）

。

理论需要落地。

他重新打开pycharm，在之前那个略显单薄的“策略”

类旁边，开始创建一个全新的“Riskmanager”

（风险管理器）类。

这个类将作为未来交易系统的核心组件之一，独立于预测模型，专门负责计算仓位、发出止损止盈指令。

他决定先从相对稳健的方法入手。

在仓位管理上，他实现了一个基于账户总净值的固定比例方法，并设置了一个最大单笔仓位上限（比如总资金的2%）。

同时，他写了一个简单的波动率监测模块，计算标的近期价格波动率（如AtR指标），当波动率异常升高时，仓位比例会自动下调。

止损方面，他选择了“百分比止损”

结合“移动止损”

的混合方式。

入场后，先设置一个基于入场价的固定百分比作为初始止损（例如-5%）。

一旦价格向有利方向移动超过一定幅度，止损价就自动上移（跟踪止损），锁定部分利润，同时给予行情继续发展的空间。

止盈则相对灵活，他设置了两重止盈：第一重是固定比例止盈（如+10%），到达后平掉一半仓位，剩下的一半采用更宽松的移动止损，博取更大趋势的可能。

代码敲击声中，一个个函数被构建起来：calculate_position_size、check_stop_loss、update_trailing_stop、check_take_profit……他力求逻辑清晰，参数可配置，方便后续调整和优化。

“光有逻辑还不够，得能直观看到效果”

。

林晨心想。

他修改了回测框架，将新的风控模块整合进去。

回测引擎在模拟交易时，每一笔买卖决策不仅要看模型的预测信号，还必须经过Riskmanager的审核：能买多少？有没有触发止损或止盈？

他选用了同一段历史数据重新回测。

这一次，回测报告出来后，累计收益率从之前的18.7%下降到了15.2%。

表面看收益降低了，但林晨仔细分析交易明细和资金曲线图后，眉头反而舒展开来。

最大的单笔亏损被严格限制在了-5%左右，没有出现之前可能存在的深度套牢。

资金曲线的回撤（从高点回落的最大幅度）明显变小，曲线看起来更平滑，少了些陡峭的“悬崖”

。

虽然牺牲了一些潜在利润（比如有些仓位被过早止损或止盈），但整个交易过程显得可控了许多。

“这才像个样子”

。

林晨长舒一口气。

一个完整的、可运行的量化交易系统雏形，终于在他手中拼接起来。

它现在至少包含了几个关键模块：数据获取与处理、特征工程、AI预测模型（尽管还需优化）、风险管理系统、回测框架。

骨架已经搭好，剩下的就是不断填充血肉、优化细节。