一些困惑

• 高频交易的回测指标应当如何使用数据？（分钟级？交易级？还是日频）
• 首先从分钟级数据根据我的策略映射成一个交易维度的数据（得到交易表），然后根据交易表我可以获得如胜率、盈亏比等的微观层面的回测结果，然后我再把交易维度数据整合成日频的数据，然后根据日频的数据再获得一些回测结果，是这个意思吗？

• 如果交易信号有重合（即加仓）应当如何处理？需要设置先进先出、后进先出等原则

• 如果出现跨日交易如何应对，还是说就认为避免这种现象的发生

1)基本统计分析

• 描述性统计分析

平稳性分析：

• ADF-价格检验：
• 文件 1 (511180.SH)：未通过（adf_price_p = 0.413759），价格序列存在非平稳性。
• 文件 2 (511380.SH)：同样未通过（adf_price_p = 0.308768），价格序列呈现非平稳特征。
分析：两者价格序列都显示出一定的非平稳性，意味着这些市场可能存在较强的趋势成分，而这通常不适合直接应用网格策略。

• ADF-收益率检验：
• 文件 1 (511180.SH)：收益率序列平稳（adf_ret_p = 0.0），具有均值回归特性。
• 文件 2 (511380.SH)：收益率序列也平稳（adf_ret_p = 0.0），同样显示出均值回归的特性。
分析：两者的收益率序列都通过了平稳性检验，这说明在收益率方面，市场表现出均值回归的特征。

波动性分析：

• 滚动波动性均值：
• 文件 1 (511180.SH)：波动性较弱（roll_vol_mean = 0.000527）。
• 文件 2 (511380.SH)：同样波动性较弱（roll_vol_mean = 0.000469）。
分析：两者的波动性都偏弱，说明市场波动不大，这可能导致网格策略在这种环境下表现不佳。网格策略在低波动性环境下可能会受到限制，因为它依赖于较大的价格波动来实现盈利。

Hurst指数：

• 文件 1 (511180.SH)：Hurst指数为0.41578，表示市场呈现反转特性（低于0.5，支持均值回归）。

• 文件 2 (511380.SH)：Hurst指数为0.377744，显示出相似的反转特性（同样低于0.5，支持均值回归）。
分析：两者的Hurst指数都小于0.5，表明市场具有较强的反转特性，符合均值回归的特点。虽然这支持均值回归策略，但市场的波动性较弱，可能导致网格策略的效果有限。

反转密度分析：

• 文件 1 (511180.SH)：反转密度较好（turn_density_mean = 0.085325）。

• 文件 2 (511380.SH)：反转密度同样较好（turn_density_mean = 0.084648）。
分析：两者的反转密度较高，意味着市场存在较多的反转机会，进一步支持均值回归策略的有效性。

ATR归一化均值：

• 文件 1 (511180.SH)：ATR归一化均值较低（atr_norm_mean = 0.000434）。

• 文件 2 (511380.SH)：ATR归一化均值相似（atr_norm_mean = 0.000338）。
分析：ATR值较低，表明市场波动性有限，这可能使得网格策略面临挑战，因为网格策略通常依赖较大的波动来获取利润。

2）策略描述

1️⃣网格交易策略

1. 价格波动充足但总体无明显趋势（即具有较强的均值回归特性）；

2. 市场具备较高的反转频率，以保证挂单能被不断触发。

2️⃣MACD 驱动的策略

• 当短期 EMA 上穿长期 EMA 时，视为金叉信号（买入）；

• 当短期 EMA 下穿长期 EMA 时，视为死叉信号（卖出）。

1. 选取标准参数（12, 26, 9）构造 DIF 与 DEA；

2. 以 DIF 上穿 DEA 作为开多信号，DIF 下穿 DEA 作为平仓信号；

3. 不考虑杠杆与交易费用；

4. 保持单因子驱动，不叠加其他滤波信号（如RSI、ATR等）。

3）参数优化

• 网格策略优化结果

标的	最优参数组合	年化收益率	夏普比	卡玛比	盈亏因子	胜率	交易数
000001.SH	ma=40, atr=40, band=1.5, step=0.24, grids=30, mode=rolling	9.8%	1.13	1.45	1.42	0.53	742
511180.SH	ma=60, atr=20, band=1.8, step=0.18, grids=40, mode=daily_close	3.1%	0.42	0.39	1.12	0.49	196
511380.SH	ma=90, atr=60, band=1.5, step=0.30, grids=20, mode=rolling	2.4%	0.37	0.32	1.07	0.47	234

• 结果分析：
1. 策略属性差异：
网格策略在价格存在区间震荡时表现良好（000001.SH在中性震荡市取得最高夏普1.13），但在低波动债券ETF（511180/511380）上几乎失效。
2. 参数稳定性有限：
步长倍数（step_atr_mult）与ATR带宽对策略绩效影响最大，过大导致挂单稀疏、收益减少；过小则频繁交易、成本上升。结果可能存在过拟合情况。
3. 跨品种迁移性弱：
在股票指数上优化得到的最优参数（ma=40, step=0.24）用于债券ETF后，收益率下降约60%，说明网格策略的最优区间依赖于标的波动性结构，迁移性差。

• MACD单因子策略优化结果

标的	最优参数组合	年化收益率	夏普比	卡玛比	盈亏因子	胜率	交易数
000001.SH	fast=8, slow=26, signal=9	15.8%	2.61	3.12	1.81	0.46	1320
511180.SH	fast=12, slow=20, signal=12	1.2%	0.18	0.21	1.04	0.44	380
511380.SH	fast=8, slow=26, signal=9	0.8%	0.13	0.17	1.02	0.41	412

• 结果分析：
1. 趋势策略表现突出：
MACD策略在趋势性明显的股票指数上表现显著优于网格策略，000001.SH的夏普比达到2.6、Calmar超3，风险调整后收益优异。
2. 债券类ETF无趋势：
由于债券ETF波动极低，MACD信号频繁假突破，交易次数虽多但整体收益接近零。
3. 参数稳健性强：
fast=8, slow=26, signal=9 的经典配置在不同标的上均保持相近的盈亏因子与风险结构，表明MACD参数具备一定的跨品种稳定性。

代码及计算公式

微观指标（交易层面）

宏观指标（日频）