交易者之家

步骤：
数据准备：获取A股从2010年至今的日线数据（至少需要开盘价、最高价、最低价、收盘价）。
形态识别：识别孕线形态（这里我们采用经典的孕线形态，即前一天是大阴线或大阳线，当天实体完全被前一天包裹，且当天最高价低于前一天最高价，最低价高于前一天最低价）。
回测逻辑：在孕线出现的第二天开盘买入，第三天收盘卖出（即持有两天）。
仓位管理：我们设定一个固定的仓位，比如每次买入固定金额（例如每只股票买入1万元），或者固定股数（例如1000股）。这里我们假设每次买入固定金额，但注意A股是100股一手，所以需要调整。
成本考虑：包括佣金（假设为0.03%）、印花税（卖出时0.1%）和滑点（假设买入卖出各0.1%？）。
回测周期：2010年至2021年作为样本内，2022年之后作为样本外。
回测结果：计算收益率、胜率、最大回撤等指标。
由于时间有限，我们可能不会做复杂的统计检验，但会给出基本的回测结果。

（注：这是观察一个公众号之后的想法，能否盈利未知，之前做过简单研究，有一定可行性）

具体步骤：

第一步：数据准备
假设我们已经有了一个结构体数组stockData，每个结构体包含以下字段：
code: 股票代码
date: 日期（格式为数字，如20130104）
open: 开盘价
high: 最高价
low: 最低价
close: 收盘价
volume: 成交量

第二步：识别孕线形态
孕线形态：
第一天：大阴线或大阳线（我们定义涨跌幅超过2%？或者实体长度超过前一天的2%？这里我们简单定义：第一天的实体长度（绝对值）大于前一天实体长度的2倍？但第一天是相对于前一天，所以我们先定义第一天的涨跌幅（收盘相对于开盘）的绝对值大于2%，并且第一天的实体完全包裹第二天的实体。
更准确的定义：
第一天：实体长度 = abs(close1 - open1)
第二天：实体长度 = abs(close2 - open2)
要求：第二天的高点低于第一天的高点，第二天的低点高于第一天的低点，并且第二天的实体完全在第一天的实体内（即第二天的开盘和收盘都在第一天的开盘和收盘之间）。
但是注意，我们回测的买入点是孕线出现的第二天开盘买入，第三天收盘卖出。所以我们需要识别出孕线形态，然后在孕线出现的第二天开盘买入。

第三步：回测
我们假设初始资金为100万，每次买入固定金额（比如1万元），那么我们可以同时买入多只股票（最多100只，但实际可能不到100只，因为资金有限）。
但是注意，如果同一天出现多个信号，我们需要按照资金分配。这里我们简单处理：如果同一天有多个信号，我们按照信号顺序买入，直到资金用完。但这样可能会导致后面的信号无法买入，所以我们假设资金充足，每次买入固定金额，不考虑资金限制，但记录每次交易的成本和收益。
由于时间有限，我们采用以下策略：
遍历每一天，找出孕线形态。
在孕线形态的第二天开盘买入，第三天收盘卖出。
计算每次交易的收益率（考虑成本）。

第四步：成本考虑
买入成本：佣金0.03%，滑点0.1%（即买入价提高0.1%）
卖出成本：佣金0.03%，印花税0.1%，滑点0.1%（即卖出价降低0.1%）
实际买入金额 = 计划买入金额 * (1 + 0.0003 + 0.001) 但是注意，我们买入股票的数量必须是100的整数倍，所以我们需要根据调整后的价格计算能够买入的股数（然后取整百），然后再计算实际花费。
我们假设每次计划买入1万元（即10000元），那么：
买入股数 = floor(10000 / (开盘价 * (1+0.0013)) / 100) * 100; 其中0.0013是买入佣金和滑点
实际买入成本 = 买入股数 * 开盘价 * (1+0.0013)
卖出时，卖出金额 = 卖出股数 * 收盘价 * (1 - 0.0013 - 0.001) 其中0.0013是卖出佣金和滑点，0.001是印花税
然后计算这次交易的收益率 = (卖出金额 - 实际买入成本) / 实际买入成本

第五步：回测结果
我们将记录每次交易的收益率，然后计算总收益率、年化收益率、胜率、最大回撤等。
由于时间有限，我们可能只计算总收益率和胜率，以及绘制资金曲线。

代码结构：
加载数据（假设已经有一个矩阵或结构体数组）
识别孕线形态，记录信号（信号出现的日期和股票代码）
按照时间顺序处理信号，进行回测
输出结果