策略周度复盘 | 2026年wk19

作者:0xAI日期:2026/5/12

本文观点仅供参考,不构成任何投资建议。投资有风险,入市需谨慎。

一、本周大盘走势

本周从周三开始开盘,只有3个交易日(5月6日-8日),但是整个大A还是实现了开门红。到周五收盘为止,整个大盘走势稳扎稳打,虽然有大涨,不过回调也比较有限,仍然维持着比较强势的多头态势。再加上外围美股市场AI科技大行其道,一片”涨声“,所以下周开盘,大概率还会延续本周的涨势。手上有票的朋友不必慌张,可以继续持股等着更大的涨幅。

接下来,还是老规矩,我们以真实数据说话,一图胜千言。本周三大股指本周仍然是以创业板为主,科创50已经新高。沪指本周微涨,周五最终以收平结束本周的行情。

上证指数、沪深300及创业板指

价格走势图-20260509234038

市场热度

image-20260509234905171

本周市场热度趋近于跟上周持平,不过已经有3个板块又中性转为了冷清,说明市场在持续调整,总体还没有过热的表现。

大小盘风格表现

image-20260509235406541

本周从图上可以看出,本周小盘价差又向零轴上方进一步拉伸了,说明小盘股最近也在持续走强。本周微盘股指数从5月6日至今涨了2.28%,仅三天时间,还是非常不错的,从K线图上可以看出基本没有什么回调。估计是四月财报季过了,微盘又开始活跃起来了。说实话,微盘股行情跟我们的ETF行情真的有比较大的跷跷板效应,可以作为比较好的互补策略,我以后也将多给大家分享一些小市值和ETF交易策略,大家可以作为对冲策略做多策略配置。

小盘价差计算方式:使用中证2000与沪深300日涨幅差值的15日移动平均计算,小于-0.5%,则表示小盘跑输沪深300,市场可能会切换到大盘股风格。

小盘量比计算方式:使用中证2000与沪深300日成交额比值的10日移动平均计算,大于1.8倍,则表示小盘过于拥挤,市场可能会切换到大盘股风格。

散户情绪洞察

image-20260509235853224

当前整体情绪仍然处于震荡区间,散户情绪没有明显变化。

二、本周策略表现及评价

策略表现

首先来看两个ETF动量类策略:

image-20260509235941119

image-20260510000009635

从图上可以看出,这段时间的行情明显适合参数更小更敏感的大池版的ETF策略,已经创了上线以来的新高。而得益于本周整体行情还不错,小池ETF动量策略表现也还行,也小小创了一个新高,不过最近的收益表现还是不如大池。最近创业板和纳指都太强势了,所以两只ETF动量基本都是围绕着这两个标的在转,创业板和纳指的涨幅基本都吃到了,行情总体还是比较舒服的。

再来看看小市值的情况,本周表现如下:

image-20260510000430931

从上面图表可以看到,小市值策略相对还是处于震荡,没有走出明显的强势行情,不过也持续在前高附近徘徊,就看下周会不会有什么新的突破了。其实网上很多人都实现了国九条小市值的策略,我从他们的行情看,好像好多人的收益都有点区别,估计这是由于策略实现层面的参数差异导致的。

最近比较忙,等忙过了这阵抽时间把数据接口再整理整理,这个事优先级比较高,只有数据接口好用了,并且具备相当的正确性和稳定性,才能保证策略的良好运行。

今天就讲到这里,如果觉得这篇文章对你有启发,想学习更多Python量化交易技巧,欢迎点赞、转发,关注!🍵


策略周度复盘 | 2026年wk19》 是转载文章,点击查看原文


相关推荐


OpenClaw 多模型配置与切换详解
七夜zippoe2026/5/2

目录 热门文章推荐摘要一、引言:为什么需要多模型支持1.1 AI 模型生态的多元化现状1.2 多模型支持的核心价值 二、支持的模型提供商2.1 OpenAI2.2 Anthropic(Claude)2.3 Qwen(通义千问)2.4 Ollama(本地模型) 三、模型配置详解3.1 基本配置结构3.2 模型选择配置3.3 自定义提供商配置3.4 模型参数配置 四、模型切换机制4.1 Default 默认模型4.2 Reasoning 推理模型4.3 Per-Session 会


树莓派4b + USRP B210 搭建反无人机(反无)系统( HTML + CDN )
MC数据局2026/4/23

brainstorming: 硬件能力分析 1. USRP B210 的能力边界 参数规格对反无系统的意义频率范围70 MHz – 6 GHz✅ 覆盖无人机主流频段(2.4G / 5.8G / 915M / 433M)瞬时带宽最大 56 MHz(USB 3.0)✅ 可一次看完整个 2.4G ISM 频段(83.5 MHz)虽勉强但可用通道数2×2 MIMO✅ 可做双天线测向(干涉/相位差)ADC12-bit灵敏度够用接口USB 3.0⚠️ 树莓派的瓶颈在这里 2. 树莓派的瓶颈(⚠️ 关


Flink技术实践-FlinkSQL Join技术全解
大大大大晴天️2026/4/15

一、背景介绍 在离线批处理场景中,编写一个 Join SQL 是再平常不过的操作——两张有限的数据集,在某个键上关联,输出结果。但当你把这套 SQL 语义移植到实时流处理场景时,一切都变了。 特性批处理 Join流处理 Join数据特征有限、静态、全量数据集无限、动态、无界数据流执行模式一次性全量匹配,结果固定持续计算,结果随新数据实时更新状态管理无需长期状态,计算完成即释放必须维护历史状态以匹配未来数据时间维度无时间概念,基于完整数据集强依赖事件时间 / 处理时间处理乱序与延迟计算成本可预


当代码不再为人而写:Claude Code 零注释背后的 Harness 逻辑
mCell2026/4/7

前几天 Claude Code 因为 sourcemap 没关,导致源码被公开。这件事在技术圈引起的讨论密度很高,因为这种真正跑在生产环境里的闭源通用 Agent 产品,它的内部实现本身就是一份高价值的学习材料。 我看了一些解析文章。有讲它设计模式的,有分析它安全边界的,也有拆解 Prompt 架构的。 但有一个细节我反复确认了一下: Claude Code 内部要求,不要写任何注释。 第一反应是反直觉。 注释难道不是为了理解代码吗?我从写代码以来接受的教育就是:复杂逻辑要写注释,接口参数要写注


C# 基于OpenCv的视觉工作流-章43-轮廓匹配
sali-tec2026/3/29

C# 基于OpenCv的视觉工作流-章43-轮廓匹配 本章目标: 一、匹配原理; 二、模板创建; 三、模板匹配; 本章与章41模板匹配基本相似,在章42基础上,先对图像进行边缘检测,提取轮廓,以轮廓制作模板,匹配时也先对原图进行边缘检测,提取轮廓,最后再进行匹配。整体不同处在于先对图像进行预处理,好处在于匹配适应性更高,对光线明暗不同的图像也能进行更好的匹配。 一、匹配原理 章41已介绍,不再详述; 二、模板创建 边缘检测、轮廓提取在前文章节已介绍,不再详述; 三、模板匹配 参考章42;


OpenCodeUI 让你随时随地 AI Coding
三金得鑫2026/3/21

Hi,大家好,我是三金~ 自从用了 OpenCode + OMO 之后,写起代码来如沐春风,特别得劲!(除了比较烧 token) 但是 TUI 用久了之后吧,又有了一点别的想法: 能不能远程链接?让我随时随地都能 AI Coding。 Web 界面要“看着顺眼、点起来顺手” 所以当我在 L 站看到有佬友开源 OpenCodeUI 的时候,第一反应就是:许愿许成功了? OpenCodeUI 是 OpenCode 的第三方 Web 前端界面。它和 OpenCode 的客户端有点像,整体风格偏简约


电商企微机器人:从自动欢迎语到订单转化,打造私域闭环
2501_941982052026/3/13

能力介绍 电商私域机器人不仅是客服工具,更是 24 小时在线的虚拟导购。通过 API 联动电商平台的商品库与促销引擎,机器人可以根据用户的咨询轨迹自动发送商品卡片、优惠券及限时秒杀信息。它支持精准的关键词触发与定时任务,帮助企业在不增加人工成本的前提下,提升私域社群的活跃度与复购率。 10分钟接入 Demo 首句自动响应:配置好友申请回调,用户通过后秒级发送包含“新人礼包”的欢迎语。 关键词转单:设置机器人监控特定关键词(如“怎么买”、“多少钱”),自动回复带参数的商品小程序路径。


redis stream用作消息队列极速入门
ChesterZhang2026/3/5

背景 最近做了几个需求都用了redis stream用作消息队列,感觉redis stream相当大轻量化,易于上手,且功能强大,为此特意实现了了一个极简但实用的 redis stream 的示例 redis stream 的三个概念 stream, consumer group , consumer 要想学会如何使用 redis stream, 最重要的就是理解 stream, consumer group , consumer 三者的关系。 简单来说: stream 为消息流, 类似于传


React Native 开发环境准备
zh_xuan2026/2/24

一、环境准备 我的环境: 二、建立独立RN工程 1、初始化创建工程 npx react-native init RNApp --version 0.73.4 --skip-install 这个命令提示: ��️ The `init` command is deprecated. E:\android\projects\RNDemo4>cd RNApp - Switch to npx @react-native-community/cli init f


【C++】模拟实现 红黑树(RBTree)
yuuki2332332026/2/16

前言: 在掌握 AVL 树的严格平衡机制后,我们发现其虽能将树高严格控制在 O(logN),但「高度差≤1」的强约束也带来了明显代价:插入 / 删除操作中频繁的旋转(最多两次双旋)大幅增加了写操作的开销,且每个节点需额外存储平衡因子和父指针,空间利用率较低。 为解决这一问题,红黑树(Red-Black Tree)作为一种近似平衡的二叉搜索树应运而生 —— 它放弃了 AVL 树 “严格平衡” 的要求,转而通过「节点颜色标记 + 5 条核心规则」实现 “黑高一致” 的弱平衡,将任意根到叶子的路径

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 XYZ博客