简介针对网格交易中网格大小固定导致过早满仓或空仓的痛点这份文档系统介绍了自动调整网格大小的实用方法。内容以魔灯策略为例结合收盘价、最高价与最低价的标准差衡量市场波动并引入KDJ指标中的RSV值对买入网格与卖出网格进行差异化设置。文档包含具体计算公式和示例例如当初始网格为0.5元、RSV值为0.85时买入网格设为0.15元、卖出网格设为0.85元便于读者直接理解与迁移应用。资源为单个docx文档压缩包仅165KB适合量化投资初学者、Python股票分析开发者及希望在实战中优化网格策略的投资者。目前已吸引6360人学习浏览文档内容源于作者实战总结既提供了可落地的策略改进思路也附带魔灯股票分析软件的开源项目介绍便于进一步探索Python量化分析技术并构建自己的分析工具。1. 网格交易不是不行是固定网格不行网格交易大概是散户最容易上手、也最容易在红绿 K 线里找到存在感的一类量化策略。它的逻辑朴素得不像策略价格在某个区间里来回震荡你按固定间隔挂买单和卖单跌一格买一份、涨一格卖一份不预测方向只赚波动本身。魔灯的思路更大胆它把网格大小从固定值改成动态值——用标准差衡量波动烈度用 RSV 值判断当下该多买还是多卖让网格自己适应行情。只要价格还在波动这个策略就不会彻底空仓或满仓。对想学 Python 量化分析的初学者来说魔灯源码是一个难得的可读性极高的实战样本对已经跑过固定网格的熟手来说它正好补上“网格参数固化”这块短板。2. 固定网格为什么翻车资金闲置与过早满仓的数学直觉2.1 网格交易的本质把震荡市变成可重复收割的现金流网格交易赚的不是趋势的钱是波动的钱。以魔灯文档里平安银行的例子为参照股价在 7 元到 15 元之间震荡网格大小设成 0.5 元母仓在 11 元建仓之后每涨 0.5 元卖出一部分每跌 0.5 元买入一部分。表面上看你只是在 11 元这个中枢位置两侧每隔 0.5 元挂了一排订单但实际上你构建的是一个“价格波动即产生现金流”的机器。为什么说它是机器因为每一次完整的“买入-卖出”循环也就是价格从 11 元跌到 10.5 元触发买入再从 10.5 元涨回 11 元触发卖出这一来一回你就赚到了 0.5 元的差价。只要价格还在震荡这个循环就会反复发生。09 年平安银行 11 元19 年平安银行还是 11 元普通持有者十年白忙网格交易在这十年里却通过反复收割波动积累了可观收益。这背后的数学直觉很简单固定网格的盈利来源是“波动次数 × 网格间距”。波动次数越多、网格间距越大单次收割利润越厚但网格间距变大意味着价格需要走得足够远才能触发下一次交易持有时间变长。这里存在一个平衡问题后面会详细展开。2.2 资金利用率低与极端行情固定网格的两个死穴网格交易有两个绕不开的缺陷魔灯文档里讲得很直白。第一个是资金利用率低。假设你准备 50 万资金网格交易通常需要留出 20 万做母仓剩下 30 万用于下跌时补仓。价格上涨时卖出会回收现金但这个过程是渐进的大多数时候你的资金有一半以上是“趴着不动”的。资金利用率低在牛市里意味着收益率被明显摊薄。第二个缺陷更致命网格大小是固定的遇到极端行情容易过早满仓或过早空仓。这里的数学很直观网格间距 0.5 元母仓在 11 元建立如果价格从 11 元一路跌到 9 元你会触发11-9/0.5 4 次买入。更极端一点价格跌到 7 元你会触发 8 次买入。如果补仓资金只够支撑 6 次买入第 7 次就只能看着价格继续下跌而无钱可加更糟的是你已经满仓账面上全是浮亏。过早空仓的逻辑完全对称价格上涨时每涨 0.5 元卖出一部分价格一路涨到 15 元你的仓位会全部卖光后面的大行情与你无关。固定网格的问题是它假设价格始终围绕一个中枢震荡但真实市场里趋势和震荡是交替出现的一旦趋势走单边固定网格就从一个机器变成了一台“给市场送钱”的机器。这里我给一个可以马上动手验证的模拟表格。假设基准价为 11 元网格间距 0.5 元看看价格走到不同位置时网格被触发了多少次价格位置相较基准价波动幅度买入触发次数卖出触发次数仓位神态9.5 元-1.5 元3 次0 次补仓 3 份仓位加重8.0 元-3.0 元6 次0 次补仓 6 份接近满仓7.0 元-4.0 元8 次0 次补仓 8 份若资金不足则满仓12.5 元1.5 元0 次3 次卖出 3 份回收现金15.0 元4.0 元0 次8 次卖出 8 份仓位可能空掉看到规律没有固定网格在单边行情里做不了任何主动防御它的买入和卖出触发逻辑是对称的价格朝哪个方向走它就不停地朝哪个方向加码直到仓位归零或者资金耗尽。这就是魔灯要解决的问题能不能让网格大小跟着波动幅度走3. 魔灯的自适应网格算法用标准差和 RSV 值驱动网格变形3.1 用布林逻辑量化波动率标准差为什么能当网格标尺魔灯对“极端行情导致爆仓或空仓”的归因是网格大小没有跟随股价变化自动调整。这句话本质上是说网格的“胃口”是固定的。波动剧烈的时候价格随便动一下就是 1 元固定 0.5 元的网格会被瞬间击穿好几层导致快速买入或卖出而波动平缓的时候0.5 元的网格可能挂一周都不成交一次。解决办法的第一条是网格大小与近一段时期收盘价、最高价、最低价的标准差挂钩。标准差是衡量数据离散程度的统计量股价序列的标准差越大说明价格分布越分散、波动越剧烈。布林线指标就是按这个逻辑构建的中轨是移动平均线上下轨是均线加减若干倍标准差布林带宽度随价格波动自动收窄或扩张。应用到网格上逻辑就变成了标准差的放大意味着市场波动剧烈这时把网格调大让策略的“胃口”变大避免在剧烈波动中被同一方向的连续击穿打满或打空仓位。反过来标准差缩小意味着市场趋于平静这时把网格调小让策略能吃进那些小幅波动。这本质上是给网格装了一个“波动率调节器”。注意这里的标准差不是用单根 K 线算的而是取近一段时期的收盘价、最高价和最低价分别计算再综合成一个波动度量值。魔灯的实际实现里通常使用过去 N 日的价格序列。N 的取值是个关键参数后面讲避坑时专门展开。3.2 标准差到网格间距的换算给“胃口”一个具体数字有了标准差怎么换算成网格大小这里需要说清楚魔灯文档给出的是思路框架并没有把整套公式锁死在某个固定系数上这也是它留给使用者二次开发的空间。我根据文档描述给出一套可复现的核心换算逻辑思路与文档完全一致以标准差为基准缩放基准网格。import numpy as np def calc_vol_grid(close_price, high_price, low_price, period20, base_grid0.5): 根据近 period 日的价格标准差计算当前应使用的基准网格大小。 核心思想标准差放大网格同步放大标准差缩小网格同步缩小。 # 取近 period 日的收盘价、最高价、最低价 close_win close_price[-period:] high_win high_price[-period:] low_win low_price[-period:] # 三组价格各自的标准差 std_close np.std(close_win) std_high np.std(high_win) std_low np.std(low_win) # 综合波动率取三者的平均值 avg_std (std_close std_high std_low) / 3.0 # 以 base_grid 为基准按标准差缩放 # 常见做法是网格 基准网格 * (当前标准差 / 历史均值标准差) # 这里给出一个简化版本标准差每达到一个基准单位网格放大一档 grid base_grid * (1.0 avg_std / base_grid) return round(grid, 2)这段代码的逻辑线很清楚先取过去 20 日的三组价格分别求标准差再取平均值作为当前波动率的综合度量。网格大小的计算公式是基准网格乘以「1 当前标准差/基准网格」的缩放因子。当标准差是基准网格的两倍时实际网格变成三倍大当标准差趋近于零时网格趋近于基准网格。这个公式不是魔灯的官方代码而是按文档思想重建的最小可复现版本区别只在于缩放系数核心的“标准差驱动网格大小”逻辑是忠实于原文的。实际使用中我一般会把 period 设为 9 或 20。9 日更灵敏适合短线网格20 日更平滑适合波段网格。这个参数直接决定了网格调整的节奏调小则反应快、噪音大调大则反应慢、延迟明显。3.3 买入卖出网格差异化RSV 值告诉策略该偏向哪一侧标准差只解决了“网格该多大”的问题还没解决“买卖是否对称”的问题。魔灯的第二个改进是买入网格和卖出网格大小不一样。这个想法直指一个容易被忽略的事实——上涨趋势中你希望多买少卖下跌趋势中你希望少买多卖但固定网格的买卖间距是对称的根本没有趋势倾向。用什么来判断趋势倾向魔灯选的是 RSV 值公式如下RSV (收盘价 - 最低价) / (最高价 - 最低价)这个公式是 KDJ 指标的一部分中文叫“未成熟随机值”。它做的事很直接把当前收盘价放在最近一段时间的最高价和最低价之间看它处于哪个相对位置。价格收在最高价附近RSV 接近 1收在最低价附近RSV 接近 0收在中段RSV 接近 0.5。魔灯在这里做了不对称设计的核心推理当 RSV 接近 1 时说明股价处于上涨趋势中收盘价经常贴近最高价。这时你希望多买少卖囤积筹码等后续拉升。反映到网格上就是买入网格变小更容易触发买入、卖出网格变大更不容易触发卖出。对称地RSV 接近 0 时应该少买多卖买入网格变大、卖出网格缩小。魔灯文档给了一个计算例子我完整重述一遍基准网格大小为 0.5 元时买入网格和卖出网格之和为 1 元也就是 2 倍基准网格。当前 RSV 值为 0.85说明处于上涨趋势。买入网格 1 * (1 - 0.85) 0.15 元卖出网格 1 * 0.85 0.85 元。股价每下跌 0.15 元就买入一部分每上涨 0.85 元才卖出一部分。这样在上涨趋势中你会越买越密、越卖越稀筹码自然越攒越多。我把它整理成一个参数表方便对照使用RSV 值趋势含义买入网格元卖出网格元交易倾向0.85强上涨0.150.85易买难卖囤积筹码0.65弱上涨0.350.65略偏买入0.50震荡0.500.50买卖对称等同固定网格0.35弱下跌0.650.35略偏卖出0.15强下跌0.850.15难买易卖回收现金这个表有一个很关键的观察买入网格和卖出网格之和恒等于 1 元。这是魔灯策略的隐藏约束它保证了无论网格怎么变形“一轮完整买卖”的平均利润空间不变。真正变化的是触发交易的难度——上涨时更难卖出、更容易买入下跌时则完全反过来。这样做的好处是母仓会随价格趋势动态浮动趋势向上时母仓越滚越大趋势向下时母仓自动收缩从而降低了满仓或空仓的概率。4. 把思想翻译成 Python魔灯核心逻辑的最小复现4.1 数据准备与 RSV 计算要实现魔灯的完整逻辑第一步是准备行情数据并计算 RSV。这里用 Python 写一个完整的核心计算模块。注意下面的代码不是魔灯源码的照搬而是根据文档描述整理出的最小可复现版本——数据结构上完全按文档公式实现跑通后你再拿源码对照参数细节会很容易定位到差异。import pandas as pd import numpy as np def calc_rsv(df, period9): 计算 RSV未成熟随机值。 RSV (收盘价 - 最低价) / (最高价 - 最低价) # 用 rolling 窗口取最近 period 日的最高价和最低价 high_n df[high].rolling(windowperiod, min_periodsperiod).max() low_n df[low].rolling(windowperiod, min_periodsperiod).min() # 核心公式收盘价在窗口内的相对位置 rsv (df[close] - low_n) / (high_n - low_n) return rsv这里有两个容易出错的细节。第一个是 rolling 窗口的边界处理min_periodsperiod 表示前 period-1 行的 RSV 都是空值因为数据不够。实战中我习惯在计算前用 dropna() 把前面的空行清掉否则后面算出来的网格包含了 NaN。第二个是窗口大小 period 的选取魔灯文档里没有固化成某个数字但 KDJ 指标的标准参数是 9 日这也是我推荐初学者从 9 日起步的原因。4.2 自适应网格生成函数有了 RSV 和标准差接下来把它们合并进一个网格计算函数。这个函数要回答一个具体问题在当前这个时刻下一格买入价和下一格卖出价是多少下面代码的核心逻辑来自魔灯文档的描述标准差负责决定基准网格的大小RSV 负责决定买入网格和卖出网格的分配比例。def compute_adaptive_grids(df, base_grid0.5, std_period20, rsv_period9): 根据标准差和 RSV 计算动态买入/卖出网格大小。 返回 DataFrame包含基准网格、买入网格、卖出网格、RSV。 # 计算标准差近 std_period 日收盘价的波动率 df[std] df[close].rolling(windowstd_period).std() # 计算 RSV近 rsv_period 日的相对强弱值 df[rsv] calc_rsv(df, periodrsv_period) # 基准网格 base_grid 按标准差缩放简化版 # 这里用 std / base_grid 作为缩放系数std 远大于 base_grid 时网格变大 df[base_grid] base_grid * (1.0 df[std] / base_grid) # 买入卖出网格差异化总和等于 2 倍基准网格 total_grid df[base_grid] * 2.0 # RSV 接近 1上涨趋势买入网格小卖出网格大 df[buy_grid] total_grid * (1.0 - df[rsv]) df[sell_grid] total_grid * df[rsv] return df.dropna()参数说明base_grid 是初始网格大小魔灯文档例子中取 0.5 元对应平安银行这种价格区间在 7 到 15 元的标的std_period 是计算标准差用的窗口取 20 表示用最近 20 日价格波动衡量当前波动烈度rsv_period 是 RSV 的窗口取 9 与 KDJ 指标一致。计算买入网格时用 (1 - rsv) 作为权重卖出网格用 rsv 作为权重二者的和恒等于 1因此买入网格加卖出网格恒等于 2 倍基准网格。这个校验关系很实用调试时可以随手打印一行buy_grid sell_grid如果结果不是 2 倍基准网格说明公式哪里写错了。实际执行时我建议在 df 的最后一行取值作为“下一个时刻的挂单参数”。比如 df 最后一行的 buy_grid 是 0.15 元意味着当前价格每下跌 0.15 元买入一档sell_grid 是 0.85 元则意味着当前价格每上涨 0.85 元卖出一档。4.3 参数刻度表从基准网格到交易频率的换算参数怎么定是新手翻车最多的地方。我给一张参考刻度表这张表以魔灯的例子为基准覆盖不同价格区间和波动率下的参数选择逻辑标的价格区间基准网格元标准差周期RSV 周期适用行情备注7-15 元平安银行类0.5209震荡市为主魔灯原例参数100-300 元高价股2.0-3.0209日振幅 2% 以上网格必须覆盖噪音3-10 元低价股0.1-0.2209低价股波动小网格设太小会导致手续费占比过高任意价格区间单边行情基准网格 × 1.599趋势中调大网格抗单边用短周期标准差提前应变这张表的逻辑是基准网格至少要覆盖住股价的噪音波动否则一天之内触发几十次手续费全部吞噬收益。标准差周期在震荡市里取 20 日平滑在趋势市里取 9 日灵敏跟踪。5. 避坑与参数调试我在魔灯源码复现时踩过的四个坑5.1 固定网格的“假优势”陷阱回测好看实盘翻车现象用固定网格对平安银行的历史数据做回测跑出来的收益曲线非常平滑年化收益率看着很不错。但扔进实盘遇到一段单边下跌行情账户两天就从浮盈变浮亏补仓资金迅速耗尽被迫止损离场。原因固定网格回测平滑是幸存者偏差造成的。你选的回测区间如果没有覆盖大级别单边行情网格的“资金耗尽风险”根本不会暴露。魔灯文档里提到的“过早满仓或空仓”在短回测区间里是低频事件容易被漂亮曲线掩盖。解决回测时必须强制加入压力测试区间。具体做法是把数据切成三段震荡区间、上涨趋势区间、下跌趋势区间分别回测。魔灯的自适应网格在下跌区间会通过 RSV 值持续放大买入网格、缩小卖出网格效果是下跌时补仓频率明显下降资金消耗速度变慢扛单时间拉长。固定网格在同样区间里补仓速度是线性加速的两种策略在压力测试下的差异非常直观。5.2 RSV 值在震荡行情中的“假信号”问题现象RSV 值在震荡行情中经常一天之内从 0.8 跳到 0.2买入网格从 0.2 元暴增到 0.8 元卖出网格反向变化导致挂单价格频繁变化最终什么单都没成交光看行情软件里的挂单价格跳动。原因RSV 是一个价格相对位置指标它的计算只用了收盘价、最高价、最低价在震荡行情中收盘价在区间内的位置没有明确趋势RSV 值自然来回摆动。如果直接用它驱动网格网格大小会跟着剧烈抖动。解决给 RSV 值加一层平滑常见做法是取 3 日移动平均。我看过一个更简单的处理办法直接用 RSI 的值替代原始 RSV效果类似。魔灯源码里对 RSV 的处理比文档描述得更细但核心思路不变——让趋势信号有惯性而不是每天翻脸。5.3 标准差周期设太短网格一天变三次现象把 std_period 设为 5网格大小每天大幅变化昨天的买入网格是 0.3 元今天变成 0.7 元挂单频繁撤换每撤一次单还要付手续费。原因5 日标准差完全被短期噪音主导波动率信号失真。标准差周期越长网格越稳定越短网格越灵敏。这里有个关键权衡网格稳定可以降低操作频率但反应迟缓又会错过行情突变。解决我在魔灯项目上试过 5、9、20、30 四组参数最终保留 20 作为默认值。9 日留给趋势市20 日留给震荡市。30 日以上不建议网格大小对行情的响应太慢差不多等于固定网格。调试时可以写一个参数遍历脚本分别用不同周期生成网格序列然后观察网格曲线的平滑度这是最直接的判断方式。5.4 母仓比例与自适应网格不匹配资金还是被打满现象自适应网格已经生效标准差和 RSV 都在动态调整网格大小但遇到连续下跌资金还是在 6 次补仓之后耗尽和第 2 章里固定网格的现象一模一样。原因自适应网格改变的是“触发买入的价格间隔”没有改变“每次买入多少股”。如果每次补仓买入的数量不变网格间距从 0.5 元压缩到 0.15 元后同样的下跌幅度会触发更多次买入资金消耗更快。换句话说网格缩小会让补仓频率上升如果持仓量没有同比例缩小资金会更快耗尽。解决魔灯文档对母仓比例的阐述不多但根据我实盘的经验正确的做法是让每次买入数量与买入网格大小保持比例关系。具体来说网格缩小的同时降低每次买入数量保证“网格间距 × 单次买入数量”对应的资金消耗速度大致稳定。这个参数在代码里对应一个 volume_scale 系数等于 base_grid / current_buy_grid。当 buy_grid 从 0.5 变成 0.15volume_scale 约等于 3.3每次买入量应缩减为原来的 1/3.3否则资金消耗速度反而更快。核心痛点固定网格表现魔灯自适应网格表现关键差异剧烈波动网格不变仓位快速打满或清空网格放大扛单能力增强标准差驱动趋势判断无趋势概念买卖对称买卖网格差异化跟随 RSV 偏向RSV 驱动参数调试一个网格间距写到死周期、基准网格、缩放系数可调多参数联动6. 回测验证与实盘习惯让自适应网格再稳一步6.1 用历史 K 线回放每一格触发拿到魔灯策略别急着上实盘。我的习惯是先做一次“逐格回放”——把历史 K 线按时间顺序逐根喂给策略打印每一次网格触发时的时间、价格、网格大小、RSV 值。这样做的好处是你能亲眼看到网格是什么时候变大的、RSV 在关键时刻给出了什么信号而不是只看一个收益曲线。具体做法是把第 4 章的 compute_adaptive_grids 包进一个循环每一根 K 线算一次当前网格然后用当前价格和上一次成交价格做比对。价格跌穿买入网格就记录一次买入涨破卖出网格就记录一次卖出。魔灯项目本身就是可运行的 Python 代码你完全可以把它的源码导入自己的回测框架或者用你自己的数据源替换它内置的行情接口。6.2 参数收敛习惯与手动干预标准我从魔灯实战里学到的另一个习惯是策略只是一个动态的决策参考不是圣杯。魔灯文档的作者在文中写到自己操作时也会凭主观感觉买买卖卖经常过早抄底或过早卖出回头看魔灯的提示懊恼不已。这段话特别有意思它说明再好的策略模型也需要执行纪律支撑。从那以后我每次调整网格参数都强制走一遍下面的流程先用三组不同市场状态的数据回放网格触发点再核对资金消耗速度是否在可控范围内最后模拟一段单边行情看看策略会不会被打满仓或打空仓。完成这三步才允许自己开始实盘。魔灯这套自适应网格思想的真正价值不在于让策略包赚不赔而在于它给网格交易装了一个根据市场状态自动调节“胃口”的调节器配合活跃的社区和完整开源的 Python 源码无论你是想学习量化分析还是直接拿它作为交易参考工具都能在这套思路上找到可以持续迭代的切入点。希望这套复盘思路能帮到你。本文还有配套的精品资源点击获取 自适应网格交易策略：用标准差与RSV动态调优，Python实现
简介针对网格交易中网格大小固定导致过早满仓或空仓的痛点这份文档系统介绍了自动调整网格大小的实用方法。内容以魔灯策略为例结合收盘价、最高价与最低价的标准差衡量市场波动并引入KDJ指标中的RSV值对买入网格与卖出网格进行差异化设置。文档包含具体计算公式和示例例如当初始网格为0.5元、RSV值为0.85时买入网格设为0.15元、卖出网格设为0.85元便于读者直接理解与迁移应用。资源为单个docx文档压缩包仅165KB适合量化投资初学者、Python股票分析开发者及希望在实战中优化网格策略的投资者。目前已吸引6360人学习浏览文档内容源于作者实战总结既提供了可落地的策略改进思路也附带魔灯股票分析软件的开源项目介绍便于进一步探索Python量化分析技术并构建自己的分析工具。1. 网格交易不是不行是固定网格不行网格交易大概是散户最容易上手、也最容易在红绿 K 线里找到存在感的一类量化策略。它的逻辑朴素得不像策略价格在某个区间里来回震荡你按固定间隔挂买单和卖单跌一格买一份、涨一格卖一份不预测方向只赚波动本身。魔灯的思路更大胆它把网格大小从固定值改成动态值——用标准差衡量波动烈度用 RSV 值判断当下该多买还是多卖让网格自己适应行情。只要价格还在波动这个策略就不会彻底空仓或满仓。对想学 Python 量化分析的初学者来说魔灯源码是一个难得的可读性极高的实战样本对已经跑过固定网格的熟手来说它正好补上“网格参数固化”这块短板。2. 固定网格为什么翻车资金闲置与过早满仓的数学直觉2.1 网格交易的本质把震荡市变成可重复收割的现金流网格交易赚的不是趋势的钱是波动的钱。以魔灯文档里平安银行的例子为参照股价在 7 元到 15 元之间震荡网格大小设成 0.5 元母仓在 11 元建仓之后每涨 0.5 元卖出一部分每跌 0.5 元买入一部分。表面上看你只是在 11 元这个中枢位置两侧每隔 0.5 元挂了一排订单但实际上你构建的是一个“价格波动即产生现金流”的机器。为什么说它是机器因为每一次完整的“买入-卖出”循环也就是价格从 11 元跌到 10.5 元触发买入再从 10.5 元涨回 11 元触发卖出这一来一回你就赚到了 0.5 元的差价。只要价格还在震荡这个循环就会反复发生。09 年平安银行 11 元19 年平安银行还是 11 元普通持有者十年白忙网格交易在这十年里却通过反复收割波动积累了可观收益。这背后的数学直觉很简单固定网格的盈利来源是“波动次数 × 网格间距”。波动次数越多、网格间距越大单次收割利润越厚但网格间距变大意味着价格需要走得足够远才能触发下一次交易持有时间变长。这里存在一个平衡问题后面会详细展开。2.2 资金利用率低与极端行情固定网格的两个死穴网格交易有两个绕不开的缺陷魔灯文档里讲得很直白。第一个是资金利用率低。假设你准备 50 万资金网格交易通常需要留出 20 万做母仓剩下 30 万用于下跌时补仓。价格上涨时卖出会回收现金但这个过程是渐进的大多数时候你的资金有一半以上是“趴着不动”的。资金利用率低在牛市里意味着收益率被明显摊薄。第二个缺陷更致命网格大小是固定的遇到极端行情容易过早满仓或过早空仓。这里的数学很直观网格间距 0.5 元母仓在 11 元建立如果价格从 11 元一路跌到 9 元你会触发11-9/0.5 4 次买入。更极端一点价格跌到 7 元你会触发 8 次买入。如果补仓资金只够支撑 6 次买入第 7 次就只能看着价格继续下跌而无钱可加更糟的是你已经满仓账面上全是浮亏。过早空仓的逻辑完全对称价格上涨时每涨 0.5 元卖出一部分价格一路涨到 15 元你的仓位会全部卖光后面的大行情与你无关。固定网格的问题是它假设价格始终围绕一个中枢震荡但真实市场里趋势和震荡是交替出现的一旦趋势走单边固定网格就从一个机器变成了一台“给市场送钱”的机器。这里我给一个可以马上动手验证的模拟表格。假设基准价为 11 元网格间距 0.5 元看看价格走到不同位置时网格被触发了多少次价格位置相较基准价波动幅度买入触发次数卖出触发次数仓位神态9.5 元-1.5 元3 次0 次补仓 3 份仓位加重8.0 元-3.0 元6 次0 次补仓 6 份接近满仓7.0 元-4.0 元8 次0 次补仓 8 份若资金不足则满仓12.5 元1.5 元0 次3 次卖出 3 份回收现金15.0 元4.0 元0 次8 次卖出 8 份仓位可能空掉看到规律没有固定网格在单边行情里做不了任何主动防御它的买入和卖出触发逻辑是对称的价格朝哪个方向走它就不停地朝哪个方向加码直到仓位归零或者资金耗尽。这就是魔灯要解决的问题能不能让网格大小跟着波动幅度走3. 魔灯的自适应网格算法用标准差和 RSV 值驱动网格变形3.1 用布林逻辑量化波动率标准差为什么能当网格标尺魔灯对“极端行情导致爆仓或空仓”的归因是网格大小没有跟随股价变化自动调整。这句话本质上是说网格的“胃口”是固定的。波动剧烈的时候价格随便动一下就是 1 元固定 0.5 元的网格会被瞬间击穿好几层导致快速买入或卖出而波动平缓的时候0.5 元的网格可能挂一周都不成交一次。解决办法的第一条是网格大小与近一段时期收盘价、最高价、最低价的标准差挂钩。标准差是衡量数据离散程度的统计量股价序列的标准差越大说明价格分布越分散、波动越剧烈。布林线指标就是按这个逻辑构建的中轨是移动平均线上下轨是均线加减若干倍标准差布林带宽度随价格波动自动收窄或扩张。应用到网格上逻辑就变成了标准差的放大意味着市场波动剧烈这时把网格调大让策略的“胃口”变大避免在剧烈波动中被同一方向的连续击穿打满或打空仓位。反过来标准差缩小意味着市场趋于平静这时把网格调小让策略能吃进那些小幅波动。这本质上是给网格装了一个“波动率调节器”。注意这里的标准差不是用单根 K 线算的而是取近一段时期的收盘价、最高价和最低价分别计算再综合成一个波动度量值。魔灯的实际实现里通常使用过去 N 日的价格序列。N 的取值是个关键参数后面讲避坑时专门展开。3.2 标准差到网格间距的换算给“胃口”一个具体数字有了标准差怎么换算成网格大小这里需要说清楚魔灯文档给出的是思路框架并没有把整套公式锁死在某个固定系数上这也是它留给使用者二次开发的空间。我根据文档描述给出一套可复现的核心换算逻辑思路与文档完全一致以标准差为基准缩放基准网格。import numpy as np def calc_vol_grid(close_price, high_price, low_price, period20, base_grid0.5): 根据近 period 日的价格标准差计算当前应使用的基准网格大小。 核心思想标准差放大网格同步放大标准差缩小网格同步缩小。 # 取近 period 日的收盘价、最高价、最低价 close_win close_price[-period:] high_win high_price[-period:] low_win low_price[-period:] # 三组价格各自的标准差 std_close np.std(close_win) std_high np.std(high_win) std_low np.std(low_win) # 综合波动率取三者的平均值 avg_std (std_close std_high std_low) / 3.0 # 以 base_grid 为基准按标准差缩放 # 常见做法是网格 基准网格 * (当前标准差 / 历史均值标准差) # 这里给出一个简化版本标准差每达到一个基准单位网格放大一档 grid base_grid * (1.0 avg_std / base_grid) return round(grid, 2)这段代码的逻辑线很清楚先取过去 20 日的三组价格分别求标准差再取平均值作为当前波动率的综合度量。网格大小的计算公式是基准网格乘以「1 当前标准差/基准网格」的缩放因子。当标准差是基准网格的两倍时实际网格变成三倍大当标准差趋近于零时网格趋近于基准网格。这个公式不是魔灯的官方代码而是按文档思想重建的最小可复现版本区别只在于缩放系数核心的“标准差驱动网格大小”逻辑是忠实于原文的。实际使用中我一般会把 period 设为 9 或 20。9 日更灵敏适合短线网格20 日更平滑适合波段网格。这个参数直接决定了网格调整的节奏调小则反应快、噪音大调大则反应慢、延迟明显。3.3 买入卖出网格差异化RSV 值告诉策略该偏向哪一侧标准差只解决了“网格该多大”的问题还没解决“买卖是否对称”的问题。魔灯的第二个改进是买入网格和卖出网格大小不一样。这个想法直指一个容易被忽略的事实——上涨趋势中你希望多买少卖下跌趋势中你希望少买多卖但固定网格的买卖间距是对称的根本没有趋势倾向。用什么来判断趋势倾向魔灯选的是 RSV 值公式如下RSV (收盘价 - 最低价) / (最高价 - 最低价)这个公式是 KDJ 指标的一部分中文叫“未成熟随机值”。它做的事很直接把当前收盘价放在最近一段时间的最高价和最低价之间看它处于哪个相对位置。价格收在最高价附近RSV 接近 1收在最低价附近RSV 接近 0收在中段RSV 接近 0.5。魔灯在这里做了不对称设计的核心推理当 RSV 接近 1 时说明股价处于上涨趋势中收盘价经常贴近最高价。这时你希望多买少卖囤积筹码等后续拉升。反映到网格上就是买入网格变小更容易触发买入、卖出网格变大更不容易触发卖出。对称地RSV 接近 0 时应该少买多卖买入网格变大、卖出网格缩小。魔灯文档给了一个计算例子我完整重述一遍基准网格大小为 0.5 元时买入网格和卖出网格之和为 1 元也就是 2 倍基准网格。当前 RSV 值为 0.85说明处于上涨趋势。买入网格 1 * (1 - 0.85) 0.15 元卖出网格 1 * 0.85 0.85 元。股价每下跌 0.15 元就买入一部分每上涨 0.85 元才卖出一部分。这样在上涨趋势中你会越买越密、越卖越稀筹码自然越攒越多。我把它整理成一个参数表方便对照使用RSV 值趋势含义买入网格元卖出网格元交易倾向0.85强上涨0.150.85易买难卖囤积筹码0.65弱上涨0.350.65略偏买入0.50震荡0.500.50买卖对称等同固定网格0.35弱下跌0.650.35略偏卖出0.15强下跌0.850.15难买易卖回收现金这个表有一个很关键的观察买入网格和卖出网格之和恒等于 1 元。这是魔灯策略的隐藏约束它保证了无论网格怎么变形“一轮完整买卖”的平均利润空间不变。真正变化的是触发交易的难度——上涨时更难卖出、更容易买入下跌时则完全反过来。这样做的好处是母仓会随价格趋势动态浮动趋势向上时母仓越滚越大趋势向下时母仓自动收缩从而降低了满仓或空仓的概率。4. 把思想翻译成 Python魔灯核心逻辑的最小复现4.1 数据准备与 RSV 计算要实现魔灯的完整逻辑第一步是准备行情数据并计算 RSV。这里用 Python 写一个完整的核心计算模块。注意下面的代码不是魔灯源码的照搬而是根据文档描述整理出的最小可复现版本——数据结构上完全按文档公式实现跑通后你再拿源码对照参数细节会很容易定位到差异。import pandas as pd import numpy as np def calc_rsv(df, period9): 计算 RSV未成熟随机值。 RSV (收盘价 - 最低价) / (最高价 - 最低价) # 用 rolling 窗口取最近 period 日的最高价和最低价 high_n df[high].rolling(windowperiod, min_periodsperiod).max() low_n df[low].rolling(windowperiod, min_periodsperiod).min() # 核心公式收盘价在窗口内的相对位置 rsv (df[close] - low_n) / (high_n - low_n) return rsv这里有两个容易出错的细节。第一个是 rolling 窗口的边界处理min_periodsperiod 表示前 period-1 行的 RSV 都是空值因为数据不够。实战中我习惯在计算前用 dropna() 把前面的空行清掉否则后面算出来的网格包含了 NaN。第二个是窗口大小 period 的选取魔灯文档里没有固化成某个数字但 KDJ 指标的标准参数是 9 日这也是我推荐初学者从 9 日起步的原因。4.2 自适应网格生成函数有了 RSV 和标准差接下来把它们合并进一个网格计算函数。这个函数要回答一个具体问题在当前这个时刻下一格买入价和下一格卖出价是多少下面代码的核心逻辑来自魔灯文档的描述标准差负责决定基准网格的大小RSV 负责决定买入网格和卖出网格的分配比例。def compute_adaptive_grids(df, base_grid0.5, std_period20, rsv_period9): 根据标准差和 RSV 计算动态买入/卖出网格大小。 返回 DataFrame包含基准网格、买入网格、卖出网格、RSV。 # 计算标准差近 std_period 日收盘价的波动率 df[std] df[close].rolling(windowstd_period).std() # 计算 RSV近 rsv_period 日的相对强弱值 df[rsv] calc_rsv(df, periodrsv_period) # 基准网格 base_grid 按标准差缩放简化版 # 这里用 std / base_grid 作为缩放系数std 远大于 base_grid 时网格变大 df[base_grid] base_grid * (1.0 df[std] / base_grid) # 买入卖出网格差异化总和等于 2 倍基准网格 total_grid df[base_grid] * 2.0 # RSV 接近 1上涨趋势买入网格小卖出网格大 df[buy_grid] total_grid * (1.0 - df[rsv]) df[sell_grid] total_grid * df[rsv] return df.dropna()参数说明base_grid 是初始网格大小魔灯文档例子中取 0.5 元对应平安银行这种价格区间在 7 到 15 元的标的std_period 是计算标准差用的窗口取 20 表示用最近 20 日价格波动衡量当前波动烈度rsv_period 是 RSV 的窗口取 9 与 KDJ 指标一致。计算买入网格时用 (1 - rsv) 作为权重卖出网格用 rsv 作为权重二者的和恒等于 1因此买入网格加卖出网格恒等于 2 倍基准网格。这个校验关系很实用调试时可以随手打印一行buy_grid sell_grid如果结果不是 2 倍基准网格说明公式哪里写错了。实际执行时我建议在 df 的最后一行取值作为“下一个时刻的挂单参数”。比如 df 最后一行的 buy_grid 是 0.15 元意味着当前价格每下跌 0.15 元买入一档sell_grid 是 0.85 元则意味着当前价格每上涨 0.85 元卖出一档。4.3 参数刻度表从基准网格到交易频率的换算参数怎么定是新手翻车最多的地方。我给一张参考刻度表这张表以魔灯的例子为基准覆盖不同价格区间和波动率下的参数选择逻辑标的价格区间基准网格元标准差周期RSV 周期适用行情备注7-15 元平安银行类0.5209震荡市为主魔灯原例参数100-300 元高价股2.0-3.0209日振幅 2% 以上网格必须覆盖噪音3-10 元低价股0.1-0.2209低价股波动小网格设太小会导致手续费占比过高任意价格区间单边行情基准网格 × 1.599趋势中调大网格抗单边用短周期标准差提前应变这张表的逻辑是基准网格至少要覆盖住股价的噪音波动否则一天之内触发几十次手续费全部吞噬收益。标准差周期在震荡市里取 20 日平滑在趋势市里取 9 日灵敏跟踪。5. 避坑与参数调试我在魔灯源码复现时踩过的四个坑5.1 固定网格的“假优势”陷阱回测好看实盘翻车现象用固定网格对平安银行的历史数据做回测跑出来的收益曲线非常平滑年化收益率看着很不错。但扔进实盘遇到一段单边下跌行情账户两天就从浮盈变浮亏补仓资金迅速耗尽被迫止损离场。原因固定网格回测平滑是幸存者偏差造成的。你选的回测区间如果没有覆盖大级别单边行情网格的“资金耗尽风险”根本不会暴露。魔灯文档里提到的“过早满仓或空仓”在短回测区间里是低频事件容易被漂亮曲线掩盖。解决回测时必须强制加入压力测试区间。具体做法是把数据切成三段震荡区间、上涨趋势区间、下跌趋势区间分别回测。魔灯的自适应网格在下跌区间会通过 RSV 值持续放大买入网格、缩小卖出网格效果是下跌时补仓频率明显下降资金消耗速度变慢扛单时间拉长。固定网格在同样区间里补仓速度是线性加速的两种策略在压力测试下的差异非常直观。5.2 RSV 值在震荡行情中的“假信号”问题现象RSV 值在震荡行情中经常一天之内从 0.8 跳到 0.2买入网格从 0.2 元暴增到 0.8 元卖出网格反向变化导致挂单价格频繁变化最终什么单都没成交光看行情软件里的挂单价格跳动。原因RSV 是一个价格相对位置指标它的计算只用了收盘价、最高价、最低价在震荡行情中收盘价在区间内的位置没有明确趋势RSV 值自然来回摆动。如果直接用它驱动网格网格大小会跟着剧烈抖动。解决给 RSV 值加一层平滑常见做法是取 3 日移动平均。我看过一个更简单的处理办法直接用 RSI 的值替代原始 RSV效果类似。魔灯源码里对 RSV 的处理比文档描述得更细但核心思路不变——让趋势信号有惯性而不是每天翻脸。5.3 标准差周期设太短网格一天变三次现象把 std_period 设为 5网格大小每天大幅变化昨天的买入网格是 0.3 元今天变成 0.7 元挂单频繁撤换每撤一次单还要付手续费。原因5 日标准差完全被短期噪音主导波动率信号失真。标准差周期越长网格越稳定越短网格越灵敏。这里有个关键权衡网格稳定可以降低操作频率但反应迟缓又会错过行情突变。解决我在魔灯项目上试过 5、9、20、30 四组参数最终保留 20 作为默认值。9 日留给趋势市20 日留给震荡市。30 日以上不建议网格大小对行情的响应太慢差不多等于固定网格。调试时可以写一个参数遍历脚本分别用不同周期生成网格序列然后观察网格曲线的平滑度这是最直接的判断方式。5.4 母仓比例与自适应网格不匹配资金还是被打满现象自适应网格已经生效标准差和 RSV 都在动态调整网格大小但遇到连续下跌资金还是在 6 次补仓之后耗尽和第 2 章里固定网格的现象一模一样。原因自适应网格改变的是“触发买入的价格间隔”没有改变“每次买入多少股”。如果每次补仓买入的数量不变网格间距从 0.5 元压缩到 0.15 元后同样的下跌幅度会触发更多次买入资金消耗更快。换句话说网格缩小会让补仓频率上升如果持仓量没有同比例缩小资金会更快耗尽。解决魔灯文档对母仓比例的阐述不多但根据我实盘的经验正确的做法是让每次买入数量与买入网格大小保持比例关系。具体来说网格缩小的同时降低每次买入数量保证“网格间距 × 单次买入数量”对应的资金消耗速度大致稳定。这个参数在代码里对应一个 volume_scale 系数等于 base_grid / current_buy_grid。当 buy_grid 从 0.5 变成 0.15volume_scale 约等于 3.3每次买入量应缩减为原来的 1/3.3否则资金消耗速度反而更快。核心痛点固定网格表现魔灯自适应网格表现关键差异剧烈波动网格不变仓位快速打满或清空网格放大扛单能力增强标准差驱动趋势判断无趋势概念买卖对称买卖网格差异化跟随 RSV 偏向RSV 驱动参数调试一个网格间距写到死周期、基准网格、缩放系数可调多参数联动6. 回测验证与实盘习惯让自适应网格再稳一步6.1 用历史 K 线回放每一格触发拿到魔灯策略别急着上实盘。我的习惯是先做一次“逐格回放”——把历史 K 线按时间顺序逐根喂给策略打印每一次网格触发时的时间、价格、网格大小、RSV 值。这样做的好处是你能亲眼看到网格是什么时候变大的、RSV 在关键时刻给出了什么信号而不是只看一个收益曲线。具体做法是把第 4 章的 compute_adaptive_grids 包进一个循环每一根 K 线算一次当前网格然后用当前价格和上一次成交价格做比对。价格跌穿买入网格就记录一次买入涨破卖出网格就记录一次卖出。魔灯项目本身就是可运行的 Python 代码你完全可以把它的源码导入自己的回测框架或者用你自己的数据源替换它内置的行情接口。6.2 参数收敛习惯与手动干预标准我从魔灯实战里学到的另一个习惯是策略只是一个动态的决策参考不是圣杯。魔灯文档的作者在文中写到自己操作时也会凭主观感觉买买卖卖经常过早抄底或过早卖出回头看魔灯的提示懊恼不已。这段话特别有意思它说明再好的策略模型也需要执行纪律支撑。从那以后我每次调整网格参数都强制走一遍下面的流程先用三组不同市场状态的数据回放网格触发点再核对资金消耗速度是否在可控范围内最后模拟一段单边行情看看策略会不会被打满仓或打空仓。完成这三步才允许自己开始实盘。魔灯这套自适应网格思想的真正价值不在于让策略包赚不赔而在于它给网格交易装了一个根据市场状态自动调节“胃口”的调节器配合活跃的社区和完整开源的 Python 源码无论你是想学习量化分析还是直接拿它作为交易参考工具都能在这套思路上找到可以持续迭代的切入点。希望这套复盘思路能帮到你。本文还有配套的精品资源点击获取