AI量化交易|30 网格交易:70% 的时间在震荡,网格帮你把差价收成租

海龟教我们在趋势市赚钱，缠论教我们识别转折点。但你想过没有：市场大部分时间在做什么？

答案是震荡。大约 70% 的时间，价格在一个区间内来回波动，既没有明确上涨，也没有明确下跌。这时候：

• • 海龟的突破策略会频繁假突破，反复止损亏钱；
• • 缠论的三买信号很少出现，大部分时间空仓。

网格策略，就是专门为震荡市设计的收租模型。

一、网格是什么：把区间切成格子，撞一格收一格

先看三种策略的世界观差异：

网格策略一句话：把价格区间切成 N 个格子，每跌一格买一份，每涨一格卖一份，不预测涨跌，只要价格在区间内波动就赚差价。

二、网格的四要素

搭一个网格策略，要回答四个问题：

1. 1. 网格区间：在什么价格范围内做网格？上限和下限怎么定？
2. 2. 格子数量：切几格？格子越多，交易越频繁，每次赚得越少。
3. 3. 每格仓位：每穿越一格买/卖多少？
4. 4. 出界处理：价格跌破下界（满仓被套）或涨破上界（踏空）怎么办？

举个最简例子：区间 [100, 110]，5 格，每格间距 = (110 - 100) ÷ 5 = 2 元，格子线是 [100, 102, 104, 106, 108, 110]。规则是：价格每下穿一格，买入一份；每上穿一格，卖出一份。

比如价格从 106 跌到 102，就在 104 买入、在 102 买入；价格从 102 涨到 108，就在 104 卖出（赚 2 元）、在 106 卖出（赚 2 元）。

三、网格交易引擎

核心逻辑封装成一个 GridEngine 类：

class GridEngine:    def __init__(self, upper, lower, num_grids, total_capital):        self.grid_size = (upper - lower) / num_grids        self.levels = [lower + i * self.grid_size for i in range(num_grids + 1)]        self.position_at = [0] * (num_grids + 1)   # 每格持仓状态        self.prev_cell = None                      # 上一根K线所在的格子    def update(self, price):        curr_cell = self.get_cell(price)           # 当前价格在哪一格        if self.prev_cell is None:                 # 首次，只记录不做交易            self.prev_cell = curr_cell            return []        prev_cell = self.prev_cell        self.prev_cell = curr_cell        if curr_cell < prev_cell:            # 价格下跌，穿越格子 → 买入            for cell in range(prev_cell - 1, curr_cell - 1, -1):                if self.position_at[cell] == 0:    # 该格还没买过                    self.buy(cell)                 # 买入信号        elif curr_cell > prev_cell:            # 价格上涨，穿越格子 → 卖出            for cell in range(prev_cell, curr_cell):                if self.position_at[cell] > 0:     # 该格有持仓                    self.sell(cell)                # 卖出信号（赚一格差价）

这里的关键是用 position_at 数组标记每一格有没有持仓：下跌时，只在还没买过的格子买入，避免重复买；上涨时，只在有持仓的格子卖出，锁定一格差价。

四、经典网格策略：震荡市的神，趋势市的鸡肋

我们跑一个固定网格回测，参数设为：网格区间取过去 60 日最高/最低价（加 2% 缓冲）、8 格、每格仓位 90%÷8 ≈ 11.25%、出界时不操作只等待。

多标的回测（2024-2025）：

茅台是网格的高光时刻：买入持有亏 12%，网格赚 18.46%。因为茅台 2024-2025 是震荡市，价格在 1370 到 1650 之间反复，网格反复做差价，累计赚了 18%。而纳指 ETF 是单边上涨，网格只赚到区间内的小波动，大趋势利润全部踏空。

关键发现有三条：

• • 网格胜率极高（65% 到 88%），但盈亏比低（每次赚固定一格）；
• • 震荡市网格稳定赚差价，优于买入持有；趋势市容易踏空，差于买入持有；
• • 最大风险是价格单边下跌时持续加仓，满仓被套。

五、中枢网格：让区间由市场结构自己说了算

固定网格的区间用「过去 60 日高低点」来定，问题在于这是人为拍脑袋：为什么是 60 日不是 30 日或 120 日？最高/最低价真的是合理的区间吗？

缠论给了一个更好的答案：中枢的 ZG/ZD 就是市场自己「选出来」的震荡区间。 中枢是至少 3 笔价格重叠的区域，价格在此反复震荡，正是网格理想的执行环境。

中枢网格引擎继承 GridEngine，加了几个能力：

class ChanGridEngine(GridEngine):    """以缠论中枢的 ZG/ZD 作为网格边界"""    def __init__(self, zg, zd, num_grids=6, total_capital=0):        super().__init__(upper=zg, lower=zd, ...)        self.zg, self.zd = zg, zd    def switch_zhongshu(self, new_zg, new_zd):        """切换到新中枢，重建网格"""        self.zg, self.zd = new_zg, new_zd        self.levels = [new_zd + i * gs for i in range(num_grids + 1)]        self.position_at = [0] * (num_grids + 1)    def deactivate(self):        """价格突破中枢时停用网格"""        self.active = False

策略逻辑也很清晰：

class ChanGridStrategy(bt.Strategy):    def next(self):        zg = self.data.chan_zg[0]      # 当前中枢上沿        zd = self.data.chan_zd[0]      # 当前中枢下沿        price = self.data.close[0]        if zg != self.current_zg or zd != self.current_zd:            self.grid.switch_zhongshu(zg, zd)   # 中枢切换→重建网格        if zd <= price <= zg:            signals = self.grid.update(price)   # 中枢内→网格交易            for sig in signals: self.execute(sig)        if price > zg * 1.005 or price < zd * 0.995:            self.close(); self.grid.deactivate() # 突破中枢→停止网格, 清仓

茅台（2023-2025）实测，chan.py 识别出 3 个中枢：

三个中枢宽度从 3.7% 扩到 11.9%，意味着多空分歧越来越大。窄中枢每格间距小、交易频繁但赚得少；宽中枢每格间距大、交易少但赚得多。

三策略对比（茅台 2023-2025）：

中枢网格只赚 1.62%，远不如固定网格的 13.16%，它有什么优势？看最大回撤：中枢网格仅 1.61%，固定网格 18.42%。

中枢网格的核心价值是风险控制：只在中枢内交易，区间有结构支撑；出中枢即停止，不在趋势中逆势加仓。代价是收益较低，大部分时间在等待。而固定网格的问题正是价格单边下跌时持续加仓，可能满仓被套。

多标的横向对比也印证了规律：

规律很清楚：中枢越多（震荡越多），网格机会越多；中枢越少（趋势越强），网格越不适用。 纳指 ETF 只有 1 个中枢，中枢网格收益 0%；平安银行 4 个中枢，震荡较多，网格有 +1.27% 正收益。中芯国际虽然也有 3 个中枢，但 2024-2025 年它走出一波强势上涨（买入持有 +195.69%），中枢网格只在区间内小幅做差价，收益反而为负。

六、中枢网格 + 趋势联动：想两边都赚？

中枢网格出中枢后就停止交易等待，这浪费了趋势行情。能不能两边都赚？于是有了自适应策略的进化版，用缠论中枢判断趋势/震荡，切换网格/趋势跟踪：

核心代码：

class ChanHybridStrategy(bt.Strategy):    def next(self):        if self.mode == 'GRID':            if price > zg * 1.005:          # 向上突破                self.close()                # 清网格仓位                self.buy(size=...)          # 趋势入场                self.trail_stop = price - 2.5 * ATR                self.mode = 'TREND_UP'            elif price < zd * 0.995:        # 向下跌破                self.close()                # 清仓防守                self.mode = 'WAIT'            else:                self.grid.update(price)     # 正常网格        elif self.mode == 'TREND_UP':            self.trail_stop = max(self.trail_stop, highest - 2.5 * ATR)            if price < self.trail_stop:                self.close(); self.mode = 'WAIT'

模式切换由缠论结构驱动，不是人为判断。茅台上的实测，混合策略反而在趋势跟踪部分亏了钱（总收益 -7.78%）。这说明不是每个增强都一定有效：趋势跟踪的效果取决于出中枢后趋势是否延续（很多时候是假突破）、ATR 参数是否合适、标的有没有强趋势特征。

结论很朴素：趋势明确的标的（纳指 ETF）上，趋势跟踪能捕捉大行情；震荡为主的标的（茅台）上，纯中枢网格更稳健。策略选择矩阵是：

• • 高震荡、低趋势 → 纯中枢网格（中枢多，机会多）；
• • 有趋势、有震荡 → 混合策略（两种行情都能赚）；
• • 强趋势 → 海龟/缠论三买（网格在趋势市没优势）。

七、网格能做到什么，做不到什么

能做到：震荡市稳定收租、胜率极高（70% 到 90%）、不预测方向纪律执行、中枢网格让边界由市场结构决定、出中枢即停避免趋势市逆势加仓。

做不到：单边行情赚大钱（趋势利润必然踏空）、避免满仓被套（价格持续跌破下界持仓会越来越重）、适合所有标的（纳指 ETF 不适合）、保证绝对收益（赚的是差价这种相对收益，不是方向收益）。

说到底，网格策略的效果高度依赖标的选择：震荡股（茅台）表现好，趋势股（纳指 ETF）几乎无用。那能不能用科学的方法，从全市场选出适合做网格的标的？

这，就是下一篇要解决的：多因子选股。

关注 + 在看，别掉队。