A 股一震荡就慌？买了跌、卖了涨，总踩不准节奏？其实可以试试「均值回归量化策略」—— 核心逻辑是「股价偏离历史均值会回归」，跌多了就买，涨多了就卖，不用预判趋势，10 万资金开通的 QMT/PTRADE 都能跑，震荡市胜率能到 70%+，甚至比趋势策略更稳。

很多人觉得均值回归是「玄学」，其实是没找对「均值基准」和「偏离阈值」。今天就拆解适配 A 股的「布林带 + RSI 均值回归策略」，核心逻辑、阈值设置、代码框架、实盘技巧，全是实操干货，10 万资金就能落地，震荡市再也不用靠感觉交易。

一、均值回归策略核心逻辑：A 股震荡市的「赚钱逻辑」

先搞懂核心：股价围绕「中期均值」波动，偏离太多就会回归—— 比如一只股票长期在 10-12 元波动，跌到 10 元（下轨）就是超跌，会回归均值；涨到 12 元（上轨）就是超涨，也会回归均值。

我用「布林带（BOLL）+RSI」确定均值和偏离度，适配 A 股特点，核心规则：

1. 均值基准：用 20 日均线作为核心均值（布林带中轨），上下轨设为「20 日均线 ±2 倍标准差」；
2. 买入信号：股价跌到布林带下轨 + RSI<30（超卖），说明偏离均值太多，买入；
3. 卖出信号：股价涨到布林带上轨 + RSI>70（超买），说明偏离均值太多，卖出；
4. 止损：股价跌破下轨后继续跌 5%，说明均值失效，止损离场。

为啥加 RSI？避免「股价跌到下轨但还在单边下跌」的情况，RSI<30 确认是「超卖」而非「趋势下跌」，减少假信号。

二、工具适配：QMT/PTRADE 通用，按习惯选

10 万资金开通的专业版都能完美支持，差异仅在「运行效率」：

• QMT：本地极速运行，适合做个股中高频均值回归（比如日内偏离），成交速度快；
• PTRADE：云端托管，适合做 ETF 低频均值回归（比如日线级偏离），不用开电脑。代码框架完全通用，改一行「数据周期」就能适配（比如 QMT 用 15 分钟线，PTRADE 用日线）。

三、QMT/PTRADE 通用代码框架（Python）

核心代码聚焦「布林带 + RSI 计算 + 信号判断」，新手改「标的代码」「布林带周期」即可：

# 初始化函数

definit(context):
   context.security ="510300.SH"  # 沪深300ETF，新手优先选ETF
   context.boll_period =20  # 布林带周期
   context.boll_std =2  # 标准差倍数
   context.rsi_period =14  # RSI周期
   context.stop_loss =0.05  # 5%止损

# 主函数：日线级判断信号（PTRADE）/15分钟级（QMT）

def handle_bar(context, bar_dict):

# 获取数据：QMT改周期为'15m'，PTRADE用'1d'
   data = get_bars(context.security, context.boll_period+10,'1d',['close','high','low'], skip_suspended=True)
   close = data['close']

# 计算布林带
   mid = close[-context.boll_period:].mean()  # 中轨（20日均线）
   std = close[-context.boll_period:].std()  # 标准差
   upper = mid + context.boll_std * std       # 上轨
   lower = mid - context.boll_std * std       # 下轨

# 计算RSI
   delta = close.diff()
   gain = delta.where(delta>0,0)
   loss =-delta.where(delta<0,0)
   avg_gain = gain[-context.rsi_period:].mean()
   avg_loss = loss[-context.rsi_period:].mean()
   rs = avg_gain / avg_loss if avg_loss !=0else0
   rsi =100-(100/(1+ rs))

# 获取持仓和当前价格
   position = get_position(context.security).volume
   current_price = close[-1]

# 买入信号：下轨+RSI<30if position ==0and current_price <= lower and rsi <30:
       order_target_percent(context.security,0.6)# 6成仓，10万≈6万
       log.info(f"超跌买入，当前价格：{current_price}，下轨：{lower}")

# 卖出信号：上轨+RSI>70

elif position >0and current_price >= upper and rsi >70:
       order_target_percent(context.security,0)
       log.info(f"超涨卖出，当前价格：{current_price}，上轨：{upper}")

# 止损：跌破下轨后跌5%

elif position >0and(current_price - lower)/ lower <-context.stop_loss:
       order_target_percent(context.security,0)
       log.info(f"止损卖出，当前价格：{current_price}")

四、10 万资金实操关键：阈值别乱设！

很多新手跑均值回归亏了，核心是「阈值设得太极端」，适配 A 股的最优阈值（亲测 1 年）：

1. 布林带周期：20 日（不是常用的 60 日），A 股短线波动大，20 日更贴合实际均值；
2. 标准差倍数：2 倍（不是 3 倍），3 倍偏离太少，错过大部分机会；2 倍刚好匹配 A 股震荡幅度；
3. RSI 阈值：买入 <30、卖出> 70（不是 < 20/>80），A 股很少到极端值，20/80 会错过 80% 的交易机会。

五、避坑要点：均值回归不是「无脑抄底」

1. 标的选 ETF 优先：10 万资金优先选沪深 300 / 创业板 ETF，个股可能出现「均值失效」（比如业绩暴雷），ETF 不会；
2. 单边行情停手：牛市 / 熊市单边趋势时，关闭策略！均值回归只适合震荡市，单边行情里「越抄底越亏」；
3. 仓位别满仓：6 成仓足够，留 4 成现金应对「超跌后更超跌」，10 万资金别把鸡蛋放一个篮子。

最后说句实在的

均值回归策略的核心是「认清楚市场环境」—— 它不是「万能策略」，但在 A 股占比 70% 的震荡市里，是 10 万资金中小投资者的「稳赚工具」。QMT/PTRADE 的作用，就是帮你严格执行「跌多买、涨多卖」的纪律，避开人性的「贪和怕」。