加仓：股价站稳 20 日均线后，回调至 10 日均线时，再加 10% 仓位；
止损：收盘价跌破 20 日均线且 3 天内未收回，卖出全部仓位；
止盈：股价上涨 20%，卖出 50% 仓位；上涨 30%，全部卖出。
散户王女士 2023 年用该规则操作某半导体股：
3 月 10 日，股价金叉，买入 10% 仓位（成本 30 元）；
3 月 20 日，回调至 10 日均线（31 元），加仓 10%；
4 月 15 日，股价涨至 36 元（获利 20%），卖出 50% 仓位，获利 3000 元；
5 月 5 日，股价涨至 39 元（获利 30%），卖出剩余仓位，获利 4500 元；
总收益 7500 元，操作过程完全按规则执行，未受盘中波动影响。
“以前涨一点就想卖，跌一点就怕套，现在规则写得清清楚楚，操作起来特别省心。” 王女士说。
量化回测：用历史数据验证 “规则有效性”
量化规则的有效性必须经过历史数据验证，否则可能是 “曲线拟合”（只适合过去数据，不适合未来）。吴老师教导散户通过 “回测三步法”，检验规则在不同市场环境中的表现，确保其具有普遍适用性。
回测三步法详解
选择时间周期：至少覆盖一个完整牛熊周期（如 2019-2023 年），避免只测试牛市或熊市数据；
设定评价指标：包括胜率（盈利次数 / 总次数）、平均收益率（每次盈利幅度）、最大回撤（单只股最大亏损）、夏普比率（单位风险带来的收益，>1 为优秀）；
分析失效场景：找出规则表现差的时期（如 “2022 年熊市胜率低”），针对性优化（如熊市提高止损线）。
案例：“低 PE + 高股息” 规则的回测结果
散户老陈想采用 “低 PE + 高股息” 规则（PE<10 倍，股息率 > 5%），吴老师帮他回测 2019-2023 年数据：
整体表现：共筛选出符合条件的股票 320 只次，操作胜率 68%，平均收益率 15%，最大回撤 12%，夏普比率 1.3（优秀）；
分年度表现：2019-2021 年牛市胜率 75%，2022 年熊市胜率 55%，2023 年震荡市胜率 65%；
失效分析：2022 年熊市中，部分股票因行业衰退（如地产），虽 PE 低但业绩恶化，导致亏损。
针对失效场景，老陈优化规则：加入 “净利润增长率> 5%” 条件，排除业绩恶化的股票。优化后回测 2022 年数据，胜率从 55% 提升至 68%，验证了规则的可优化性。
散户可用的回测工具
吴老师推荐散户使用简单易用的回测工具，无需编程基础：
