🎯 BSTL vs BTS 三策略全市场对比回测
回测标的池: 全市场随机抽样 374 只（个股+ETF混合）
回测区间: 各标的完整历史（2020-01 起）
成交假设: 信号当日尾盘价成交
交易成本: 双边万9（个股近似）
仓位规则: B满仓 → T减1/3 → L减1/2 → S全清
生成时间: 2026-09-07 16:05
一、核心指标对比（中位数）
| 策略 | 累计收益率% | 最大回撤% | Calmar | 交易次数 | 胜率% | 盈亏比 |
|---|
| BTS终卖 |
2.12% |
47.34% |
0.093 |
19 |
60.0% |
1.26 |
| BSTL原版 |
-2.27% |
35.85% |
-0.067 |
82 |
42.3% |
1.01 |
| BSTL优化版 |
5.53% |
48.36% |
0.161 |
46 |
53.3% |
1.25 |
二、策略差异分析
| 对比项 | BTS终卖 | BSTL原版 | BSTL优化版 |
|---|
| 买点 |
单一形态买入
（吸货+拐头+波动） |
双模式买入
（抄底+趋势）
增加多空力度过滤 |
原版基础上
+ 动力线确认
+ 横盘闸门（B距今>8） |
| 卖点 |
T止盈 + S终卖
（2段式） |
T + L吊灯止损 + S
（3段式） |
原版基础上
+ 动力线触发T/S
+ 横盘放松L（避免磨损） |
| 核心改进 |
形态纯粹，信号简洁 |
市场结构过滤 + ATR止损保护 |
动态横盘识别 + 减少震荡损耗 |
三、结论
- Calmar排名: {' > '.join([k for k, v in sorted(calmar_vals.items(), key=lambda x: -x[1])])}
- 收益能力: {'BSTL系列' if stats['BSTL原版']['total_ret'] > stats['BTS终卖']['total_ret'] else 'BTS'} 中位收益更高
- 回撤控制: {'BSTL优化版' if stats['BSTL优化版']['mdd'] < stats['BTS终卖']['mdd'] else 'BTS终卖'} 回撤最小
- 交易效率: {'BSTL优化版' if stats['BSTL优化版']['trades'] < stats['BSTL原版']['trades'] else 'BSTL原版'} 交易次数最少（避免过度交易）
- 横盘应对: BSTL优化版专门增加横盘识别和L减仓放松，理论上震荡期损耗更低（需专项验证）
- 推荐策略: 若Calmar最高为 {best_strat}，且回撤可接受，则为全市场最优解
四、方法说明
- 信号计算: Python逐位复刻TDX公式，三策略使用相同OHLCV数据源
- 回测引擎: 分级减仓（T 1/3, L 1/2, S全清），信号优先级 S>L>T>B
- 统计口径: 全部取中位数（非均值），避免极端值干扰
- 标的抽样: 随机种子42，确保可复现