网格策略审判:赢在哪一步

                        事后区间     事前区间     差
                     （全样本极值） （过去250日）
沪深300 指数              3.24%       1.44%    +1.80 pp
sh.600000               5.02%       1.87%    +3.16 pp
sh.600019               5.68%       2.04%    +3.64 pp

一、先说清网格是什么

网格没有任何预测成分。它是一个逆势的仓位函数:价格越低,仓位越高。

把"跌一格买一格、涨一格卖一格"写成仓位形式,是同一件事的两种写法:

def make_grid(lo, hi, n=10):
    """价格 ≤ lo → 满仓；≥ hi → 空仓；中间按 n 档阶梯。"""
    def f(h):
        p = float(h["close"].iloc[-1])
        x = (hi - p) / (hi - lo)
        return float(np.clip(np.floor(np.clip(x, 0, 1) * n) / n, 0.0, 1.0))
    return f

这个写法让本节的问题变得很清楚:lo 和 hi 从哪来?

网格的收益来源只有一个:标的在区间内来回震荡。它不预测方向,也不假装预测。

问题从来不在"网格有没有用",而在"区间是谁定的、什么时候定的"。

二、用全样本极值定区间(几乎人人都在犯的未来函数)

看起来网格确实赢了——三个标的里两个跑赢买入持有,回撤也更小。

注意 sh.600000 那一组:即使用了事后区间,网格(5.02%)仍然输给定投(5.74%)。

也就是说,"远超定投"这个说法,在开了未来函数的条件下都不总是成立。

三、只改一个地方:区间换成"只用过去 250 日"

🔧 动手做:网格"远超定投",藏了一个未来函数(6 分钟)

网格策略常被吹"远超定投"。跑 python grid_trial.py——它先用全样本极值定网格区间(几乎人人都这么画),再只改一处:区间换成只用过去 250 日。

你会看到(实测):同一条网格,区间从"事后全样本极值"换成"事前过去 250 日",年化直接掉 1.80 / 3.16 / 3.64 个百分点。

想明白:那个"远超"的漂亮回测,是用了你当时根本不知道的未来最高最低价布网格——典型的未来函数。改成只用历史,优势大半蒸发。任何"网格神话",先问:网格区间怎么定的?用没用到未来价格?

四、成本敏感性:高换手策略绕不开的一关

按 p5.7 的纪律,任何高换手结论都要过成本这一关(事前区间口径):

两只个股上,成本从零到翻倍吃掉 1.3~1.4 个百分点——而它们的成交笔数是 1179 和 2256 笔。

五、判断一份网格回测是否可信,只问一句

区间上下界是哪一天定的?

如果答案里出现了回测结束之后才知道的信息——全样本最高价、最低价、历史极值分位——后面所有数字都不用看了。

这是 p1.2「未来函数」在网格上的具体形态,而且比均线类策略更隐蔽:

信号层面完全干净、每一步都只用历史数据,但参数是从未来借来的。

同类问题在本课出现过两次:p5.4 的"样本内最优参数"、p5.1 的"从 16 种读法里挑最好的"。

它们的共同点是:错误不在计算,在「这个数字是什么时候知道的」。

六、那网格到底能不能用

能用,但要把它当成它本来的样子:

单边下跌时它会不断买入并被套满;单边上涨时它会过早卖光。这两个失效条件不是缺陷,是它的定义带来的必然结果。

📌 免责:本课为技术教学,网格与定投均为演示口径,标的按代码取样(非精选),不推荐任何策略或标的;历史模拟不构成投资建议。