【vectorbt 系列 第5讲】构造卖出信号

1. 本节目标

第 5 讲要做的事情很直接：在已经有 close、ma_5 和 buy_signal 的工作表上，再补出一列最小卖出信号 sell_signal。如果第 4 讲解决的是“什么时候考虑入场”，那这一讲解决的就是“什么时候考虑离场”。

学完这一讲后，你可以直接完成下面几件事：

1. 用一句清楚的话定义卖出规则。
2. 把这条规则写成一列布尔值。
3. 把买入和卖出放在同一张表里并排检查。

对入门者来说，这一步很关键，因为从这里开始，你手里的表已经不只是“价格 + 指标”，而是具备了最基础的入场和出场条件。

2. 为什么卖出信号值得单独一讲

很多新手在刚接触回测时，会把注意力全部放在“怎么买”，忽略“怎么卖”。但对任何一套最小策略来说，卖出条件不是附属品，而是策略能否真正闭环的另一半。没有卖出信号，你顶多只有一列会不断提示“这里看起来能进场”的布尔值；一旦补上卖出信号，你才开始具备“什么时候退出”的规则表达。

第 5 讲单独拎出来讲，还有一个现实原因：如果你把买入、卖出、回测入口全挤在一讲里，新手很容易混淆三层东西：

1. 规则到底写对没有。
2. 信号位置和价格关系是否合理。
3. 最终回测结果是不是由信号本身造成的。

所以第 5 讲的正确节奏是，先把卖出这一层独立写清楚，再往回测入口推进。

3. 沿用第 4 讲已有买入信号的工作表

signal_df = signal_df.copy()
print(signal_df[['date', 'close', 'ma_5', 'buy_signal']].head(12))

当前这张表里至少应该已经有：

• date
• close
• ma_5
• buy_signal

如果 buy_signal 还没稳住，第 5 讲就不该往下赶。因为卖出信号最好的练习方式，就是和买入信号并排看。

4. 四步构造最小卖出信号

这一讲和上一讲是镜像关系：规则仍然尽量简单，重点是把离场条件也变成能检查、能复用的一列布尔值。

5. 先把规则口径说清楚

本讲采用和第 4 讲镜像的一条规则：当收盘价小于 5 日均线时，认为满足卖出条件。它不意味着这就是最优规则，只是为了让你先得到一条和买入规则完全对称、容易验证的离场条件。

6. 把规则写成布尔列

signal_df['sell_signal'] = signal_df['close'] < signal_df['ma_5']

这一行做完以后，你就有了第二列核心信号。此时最重要的变化不是代码长度，而是你的工作表已经同时具备“可入场”和“可离场”两类条件。

7. 把价格、均线、买卖信号一起打印

print(signal_df[['date', 'close', 'ma_5', 'buy_signal', 'sell_signal']].head(15))

一定不要只看 sell_signal 这一列。第 5 讲的重点是看相互关系，而不是孤立看一个真假值。你应该能从同一张表上同时看到：价格在哪些位置高于均线，哪些位置低于均线。

8. 单独筛出True的卖出样本

sell_rows = signal_df[signal_df['sell_signal']]
print(sell_rows[['date', 'close', 'ma_5']].head())

这样做的好处和第 4 讲完全一致：它会把命中的样本点直接拉出来，让你更快判断规则是不是在你预期的位置被触发。

9. 确认卖出信号已经可用

验证卖出信号时，重点要看它能否和买入信号一起把样本分出不同位置，而不是只看数量多不多。

10. 新列已经存在

assert 'sell_signal' in signal_df.columns

11. 新列是布尔含义

assert signal_df['sell_signal'].dtype == bool or str(signal_df['sell_signal'].dtype) == 'bool'

12. 买入和卖出至少能分成两类位置

print(signal_df[['close', 'ma_5', 'buy_signal', 'sell_signal']].head(12))

你至少应该看见，close > ma_5 和 close < ma_5 会把样本分到不同位置上，而不是所有行都长得一样。

13. 卖出样本能被单独拉出来检查

print(signal_df[signal_df['sell_signal']][['date', 'close', 'ma_5']].head())

14. 为什么卖出信号看起来“不好看”

卖出信号看起来“不好看”很常见，因为它会直接暴露样本强弱和规则边界。

15. 卖出信号很多

这不一定是错。若样本中有一段持续走弱，close < ma_5 很可能会连续成立很多行。第 5 讲不追求“数量好看”，只追求“规则表达正确”。

16. 卖出信号很少

也不一定错。如果样本整体偏强，价格大部分时间都压在均线上方，那么卖出信号自然会少。关键不是数量，而是它是否出现在符合你直觉的位置。

17. 某些行买入和卖出都为False

这是完全可能的。比如当价格恰好等于均线时，若你使用的是严格的大于和小于，它就不会被归到任一侧。这不是 bug，而是规则边界的一部分。

18. 前几行卖出信号没有解释力

和买入信号一样，前几行如果 ma_5 还是空值，那么 sell_signal 也没有太强解释意义。这说明第 3 讲的均线窗口逻辑仍然在发挥作用。

19. 哪些情况仍然算本讲完成

1. 你可以用 <，也可以用 <=，只要自己清楚规则口径。
2. 买卖信号数量不对称，不算失败。
3. 当前不要求处理“同一行既能买又能卖”的复杂边界，第 5 讲只先建立最简单的两列信号。
4. 你不必在本讲就讨论收益率和资金曲线，当前只把卖出规则表达完整即可。

20. 写一个最小卖出信号函数

import pandas as pd

def add_sell_signal(df: pd.DataFrame) -> pd.DataFrame:
    out = df.copy()
    out['sell_signal'] = out['close'] < out['ma_5']
    return out

signal_df = add_sell_signal(signal_df)
print(signal_df[['date', 'close', 'ma_5', 'buy_signal', 'sell_signal']].head(15))

这段函数和上一讲的买入信号函数一起，已经足够构成一套最小策略信号层。

21. 买卖信号是同一条逻辑线的两端

你可以把第 4 讲和第 5 讲理解成一件事的两个面。第 4 讲告诉你，价格高于均线时如何定义“考虑进场”；第 5 讲则告诉你，价格低于均线时如何定义“考虑离场”。两讲单独拆开，是为了让你把每一边都看清；合在一起看，你就会发现，这其实已经是一套极小但完整的规则系统。

这也是为什么第 5 讲最推荐的检查方式，是把 close、ma_5、buy_signal、sell_signal 一次性打印出来。你要看的不是哪一列单独是否漂亮，而是整张表是否在表达一套一致的规则。

22. 本讲对下一讲回测入口意味着什么

到第 5 讲结束时，你手里终于具备了跑第一轮回测所需的最关键输入：一列买入条件和一列卖出条件。下一讲之所以能自然过渡到“跑第一轮向量化回测”，正是因为这两列已经存在。也就是说，第 6 讲并不是无中生有地新增一套复杂逻辑，而只是把你现在这张表交给 vectorbt 的回测入口去解释。

23. 完成标准

如果你现在已经能稳定得到一列 sell_signal，并能把它和 buy_signal 一起放在同一张表里解释，那第 5 讲就已经完成了它的任务。

24. 系列衔接

本讲是《vectorbt回测入门短课》的第 5/8 讲，当前主题是《构造卖出信号》。

上一讲：第 4 讲《构造买入信号》。

下一讲：第 6 讲《跑第一轮向量化回测》。

后续安排：第 7 讲《查看收益回撤和交易次数》；第 8 讲《比较5日和10日窗口》。

25. 风险揭示与免责声明