【vectorbt 系列 第8讲】比较5日和10日窗口

1. 本节目标

第 8 讲是这套 vectorbt 入门短课的收束课，目标是：在同一份最小价格样本上，同时跑 5 日均线和 10 日均线两种窗口设置，并用同一组观察指标比较它们的差异。你不需要在这一讲找到“最优参数”，而是要第一次体验“参数变化会怎样影响信号和回测结果”。

学完这一讲后，你可以直接完成下面几件事：

1. 为同一份价格序列生成不同窗口的均线。
2. 用同样的买卖规则跑出两轮回测。
3. 用同一把尺子比较它们的收益、回撤和交易次数。

这一步看起来只是“多跑一个窗口”，但它其实是从单一案例走向参数比较的入口。

2. 为什么收尾要比较 5 日和 10 日窗口

前 7 讲已经把最小数据、均线、信号、回测和结果阅读都搭起来了。最自然的收束动作，不是立刻跳到复杂参数网格，而是先做一组最容易解释的参数对比。5 日和 10 日窗口刚好满足几个条件：

1. 都是非常容易理解的均线长度。
2. 只改一个参数，其他条件不变，便于观察差异。
3. 很容易带出一个关键直觉：窗口越长，信号通常越平滑、交易频率也可能变化。

所以第 8 讲的重点不是“找到赢家”，而是第一次真正学会比较。

3. 继续使用同一份最小价格样本

compare_df = single_df.copy()
compare_df['close'] = pd.to_numeric(compare_df['close'], errors='coerce')

当前最重要的原则是：只换窗口，不换样本。这样你看到的差异，才能主要归因于参数变化，而不是因为输入数据换了。

4. 四步比较 5 日和 10 日窗口

这一讲的重点不是多写几行代码，而是在完全相同的样本上，把两套窗口结果放到同一把尺子下比较。

5. 分别生成两列均线

compare_df['ma_5'] = compare_df['close'].rolling(window=5).mean()
compare_df['ma_10'] = compare_df['close'].rolling(window=10).mean()
print(compare_df[['date', 'close', 'ma_5', 'ma_10']].head(15))

这一步的关键不是代码复杂，而是让你直接看到：10 日均线通常比 5 日均线更慢、更平滑，前面空值也会更多。

6. 分别构造两套信号

compare_df['buy_5'] = compare_df['close'] > compare_df['ma_5']
compare_df['sell_5'] = compare_df['close'] < compare_df['ma_5']

compare_df['buy_10'] = compare_df['close'] > compare_df['ma_10']
compare_df['sell_10'] = compare_df['close'] < compare_df['ma_10']

这一步的意义在于，你现在已经不是只做“一个规则是否成立”，而是在同一张表里同时维护两套规则结果。

7. 分别跑两轮回测

import vectorbt as vbt

work = compare_df.set_index('date')

portfolio_5 = vbt.Portfolio.from_signals(
    close=work['close'],
    entries=work['buy_5'],
    exits=work['sell_5']
)

portfolio_10 = vbt.Portfolio.from_signals(
    close=work['close'],
    entries=work['buy_10'],
    exits=work['sell_10']
)

此时第 8 讲的核心条件已经具备了：同一份样本、两套窗口、两轮结果。

8. 用同一组指标对比

comparison = {
    'ma_5': {
        'total_return': portfolio_5.total_return(),
        'max_drawdown': portfolio_5.max_drawdown(),
        'trade_count': len(portfolio_5.trades.records_readable),
    },
    'ma_10': {
        'total_return': portfolio_10.total_return(),
        'max_drawdown': portfolio_10.max_drawdown(),
        'trade_count': len(portfolio_10.trades.records_readable),
    },
}
print(comparison)

这一步是第 8 讲真正的收束：你已经不再只是会跑一轮回测，而是能把两轮结果按同一把尺子并列摆出来。

9. 确认这次比较是有效的

只要两套均线、两套回测对象和一份比较摘要都能稳定得到，这次参数比较就算真正成立。

10. 两套均线列都存在

assert 'ma_5' in compare_df.columns
assert 'ma_10' in compare_df.columns

11. 两套 portfolio 对象都能生成

assert portfolio_5 is not None
assert portfolio_10 is not None

12. 比较摘要能输出

print(comparison)

13. 你能说出至少一个差异

例如：

• 哪个窗口交易次数更多；
• 哪个窗口最大回撤更深；
• 哪个窗口收益更高或更低。

只要你能说出至少一条具体差异，这次比较就已经有了分析意义。

14. 两个窗口结果接近是不是白比了

不是。结果接近本身也是结果。它说明在当前这份小样本和这组最小规则下，窗口变化带来的影响可能有限。第 8 讲的目标不是强行制造巨大差异，而是训练你如何把参数变化和结果差异放在一起看。

15. 10 日窗口前面空值更多

这是正常现象，因为它需要更长的历史窗口。这个现象本身就说明参数变化会影响信号开始起作用的时点。

16. 5 日窗口交易更频繁

这通常也很正常。更短的窗口往往更敏感，容易更快跟价格靠近或分离，从而带来更多信号触发。

17. 哪一个更好我说不出来

第 8 讲不要求你给出绝对答案。你只需要先把收益、回撤、交易次数三项对比清楚，形成最基础的比较习惯。

18. 哪些情况仍然算本讲完成

1. 两组结果没有巨大差异，也不算失败。
2. 你可以先只比较三项摘要，不必画复杂图。
3. 当前只比较 5 和 10，不需要一下子扩成大参数网格。
4. 你不必在本讲里宣布哪个窗口“最好”，当前只练比较逻辑。

19. 写一个统一比较函数

def summarize_portfolio(portfolio):
    return {
        'total_return': portfolio.total_return(),
        'max_drawdown': portfolio.max_drawdown(),
        'trade_count': len(portfolio.trades.records_readable),
    }

comparison = {
    'ma_5': summarize_portfolio(portfolio_5),
    'ma_10': summarize_portfolio(portfolio_10),
}
print(comparison)

这个函数把第 7 讲和第 8 讲自然接起来了。你后面再扩成 20 日、30 日窗口，也能继续沿用同一套比较方式。

20. 第 8 讲其实是在打开“参数研究”的门

虽然这套短课到第 8 讲就收束了，但它留下来的方法并没有停在这里。你现在已经具备了最基础的参数研究路径：

1. 固定样本。
2. 只改一个参数。
3. 重新生成信号和回测。
4. 用统一摘要对比结果。

这其实就是后面更复杂参数扫描和策略研究的最小原型。也正因为如此，第 8 讲是非常合适的收束课：它没有把难度拉得太高，却让你真正看见了后面还能怎么走。

21. 把整套短课连起来看

如果回头看这 8 讲，你会发现它们已经构成了一条完整路径：

1. 第 1 讲安装并造出第一份价格对象。
2. 第 2 讲整理最小回测表。
3. 第 3 讲生成第一列均线。
4. 第 4 讲构造买入信号。
5. 第 5 讲构造卖出信号。
6. 第 6 讲跑第一轮回测。
7. 第 7 讲读取基础结果。
8. 第 8 讲比较两组窗口。

这意味着你已经不只是“能跑一个 demo”，而是已经走完了一条从输入、规则到比较的最小回测研究链。

22. 完成标准

如果你现在已经能在同一份样本上跑出 ma_5 和 ma_10 两轮回测，并用收益、回撤和交易次数去比较它们，那第 8 讲就已经完成了整套 vectorbt 入门短课的收束任务。

23. 系列衔接

本讲是《vectorbt回测入门短课》的第 8/8 讲，当前主题是《比较5日和10日窗口》。

上一讲：第 7 讲《查看收益回撤和交易次数》。

这是本系列的收束课，目标是让你从“会跑一轮最小回测”进一步走到“会做一组最基础的参数比较”。

24. 风险揭示与免责声明