PPO实测：只改MACD一小步，三年跑出73%的收益（附完整代码）

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

文中示例仅用于技术讨论，不构成任何操作建议。
量化策略开发应以学习和技术交流为目的。
本号不荐股、不卖课、不承诺收益。
市场有风险，请合法合规投资。

本文约 3800 字 | 预计阅读 8 分钟

· · ·

三年，21笔交易，赚了7笔，胜率只有33.3%。

你大概率觉得这策略不行吧。但它三年总收益是73.72%。

这不是什么深度学习模型，也没用到情绪分析或新闻数据。它只靠一个1990年代就有的老指标：PPO，百分比振荡器（Percentage Price Oscillator）。它是MACD的表兄弟，核心逻辑几乎没变，只改了一个细节。

把减法变成了除法。

这一除，价格6万的BTC和6块钱的小票，就可以用同一套参数看同一个指标了。

下面把原理、回测数据、Python代码全部拆开。看完你应该能在自己电脑上跑一遍。

一、MACD的一个老问题

先说MACD是什么。如果你用了很多年，直接跳到第二节。

MACD不复杂，分三步：

1. 算两条EMA（指数移动平均线）：一条快线（通常12周期）、一条慢线（通常26周期）；
2. 快线减慢线，得到MACD线（DIF线）；
3. 对MACD线再做9周期EMA平滑，得到信号线（DEA线）。

MACD柱就是这两条线的差值。

但问题出在第2步，快线减慢线，得到的是一个绝对差值。

BTC当下在6万美元左右波动，12周期EMA和26周期EMA的差值，大概3000上下。换成一只10块钱的小票，快慢线差值可能只有0.3。

同一个数字3000，在BTC身上代表一段不小的动量，在一只10块钱的股票身上根本不成立。因为那股票一整年的波动可能都不超过2块钱。

我早些年用MACD做多品种筛选，每换一个标的就得手动校准参数、重新看回测、反复调阈值。费时间不说，最要命的是换到新标的上根本没有参考系，MACD的数值本身不含”当前价格”这个信息。

二、PPO只改了一步

PPO的公式写出来就一行：

PPO = (EMA快 − EMA慢) ÷ EMA慢 × 100

就是把MACD的差值，除以慢线（分母），再乘100变成百分比。

PPO=5 是什么意思？快线当前比慢线高了5%。标的是6万美元还是6块钱，5%就是5%，含义一致。

这就是PPO相对MACD唯一的核心改动。一步。也是它最重要的价值。

图1：PPO百分比归一化 vs MACD绝对值不可比

举一个可以用口算的例子。假设某天：

• 快线（12周期EMA）= 68,500
• 慢线（26周期EMA）= 65,200

算一下：

PPO = (68,500 − 65,200) ÷ 65,200 × 100= 3,300 ÷ 65,200 × 100≈ 5.06

PPO=5.06，表示短期动量比长期趋势高了约5%，偏多。

如果过几天价格跌了，快线掉到64,000，慢线还在65,200附近：

PPO = (64,000 − 65,200) ÷ 65,200 × 100= −1.84

PPO翻负了，动量从多转空。

这个正负切换的点，恰好就是PPO最经典的策略入口：零线交叉。

三、最简单的策略：只看一条线

零线交叉的逻辑可以用一句话说清楚：

• PPO从负数上穿0：快线重新超过慢线，动量翻多，开多
• PPO从正数下穿0：快线跌破慢线，动量翻空，离场

图2：零线交叉信号逻辑：上穿0动量翻多，下穿0动量翻空

Python里用TA-Lib实现，一行代码就算完：

import talib

ppo = talib.PPO(close_prices, fastperiod=12, slowperiod=26, matype=0)

entries = ppo > 0   # PPO > 0，动量偏多
exits   = ppo < 0   # PPO < 0，动量偏空

这里有个细节要说清楚。matype=0 代表用SMA（简单移动平均）做平滑，而教科书版PPO默认用EMA（matype=1）。SMA对近期价格变化的反应比EMA更迟钝，所以零线穿越的时间点会不一样。

下面回测跑的是matype=0版本。如果你换成matype=1跑同一段数据，交叉信号会出现在不同的时间点，胜率和收益数字也跟着变。文末给了Colab链接，你可以自己改参数对比。

四、用BTC做三年回测

回测条件：

核心数据：

图3：BTC三年回测核心数据

完整交易日志：

这张表比总结数字更有信息量。看两件事：

第一，大赢都在趋势行情里。 2024年初BTC从2.6万拉到4.1万，PPO给了一个干净的多头信号，这笔赚了5,429。紧接着2月到3月那波更猛，从4.2万拉到6.9万，赚了9,674。光这两笔就占了总利润的大头。

第二，中间有一段密集亏损期。 2024年4月到10月，连续6笔亏损。这段恰好是BTC横盘整理阶段，PPO在零线附近来回穿，每次触发信号后很快又反向穿，产生一连串小额亏损。动量指标在震荡市里就这个德性。

五、盈亏不对称才是内核

很多人盯着胜率看。33%，7胜14负，直觉上确实不漂亮。

但算一下：平均盈利$3,931.94，平均亏损$1,562.72。

每次赢的时候赚的钱大约是每次输的2.5倍。这才是策略活下来的原因。

图4：盈亏不对称：少数大赢覆盖多数小亏

动量策略的底层逻辑不是猜对方向，它根本不判断未来走势。它做的事情是：趋势来了就跟住，趋势没来就挨打。PPO的零线交叉信号本质上是帮你附着在一段持续的动量上。趋势走了多远，你就跟了多远。中间不判断、不加主观干预。

震荡市里它反复亏损不是错误，而是它本来就不是为震荡市设计的。这个工具的工作条件就是”趋势存在”。

这和很多人的直觉相反：一个好的策略不一定是胜率高的策略。能让赢的时候赚的比输的时候亏的多得多的策略，即使输多赢少，也能跑出正期望值。

六、适用场景

适合的场景：

• 趋势明确的资产：BTC趋势段、强势板块中个股、动量驱动的品种；
• 中长周期：日线及以上级别，信号比较干净；
• 作为动量过滤器，配合其他条件一起用；
• 需要跨品种横向对比时，PPO天然可跨品种。

不适合的场景：

• 横盘震荡行情：零线附近会反复触发，磨损严重；
• 极短周期：分钟级别噪音太大，信号密度过高；
• 独立使用：任何单一指标做决策都有风险，PPO也不例外。

MACD在这些场景下其实也有同样的问题，因为底层逻辑一样。PPO的优势只在百分比归一化这一件事上，但底子还是趋势跟踪。趋势不在的时候，什么指标都扛不住。

七、代码分享

分享Google Colab上完整的Notebook，包含数据拉取、PPO计算、信号生成、回测和图表：

https://colab.research.google.com/drive/1jMXV5nwRsWDbmouyaaPxm8tJjcaM8oRU

想自己改的话，换ticker、调fast/slow周期、或者matype切到1跑EMA版本对比，结果会不一样。

需要强调的是，单靠这一个指标不可能稳定盈利。但PPO作为一个动量温度计是合格的。百分比归一化这一步，让它比MACD更适合做多品种、多时间框架的系统化策略组件。

简单规则防不了黑天鹅，但复杂规则常常骗了自己。PPO的简单程度，恰好是它的优势。

#PPO指标 #MACD #百分比振荡器 #量化回测 #动量策略 #技术指标 #比特币回测 #跨品种比对 #低胜率高赔率 #TA-Lib #老余捞鱼