火币与MEXC交易所交易策略回测：量化交易探索之旅

2025-02-14 04:10:35 21

揭秘火币与 MEXC 交易所：交易策略回测的探索之旅

量化交易爱好者和专业交易员们，在投身瞬息万变的加密货币市场之前，都渴望拥有一个可靠的“时光机”，能够预见其交易策略在历史行情中的表现。交易策略回测，正是这样一种强大的工具，它允许用户在真实资金投入之前，利用历史数据模拟交易，评估策略的盈利能力、风险水平以及潜在的优化空间。本文将深入探讨如何在火币（Huobi）和 MEXC 交易所进行交易策略的回测，助您更好地驾驭数字资产交易的浪潮。

火币交易所的回测探索

尽管火币交易所目前没有原生集成的历史数据回测功能，交易者仍然可以通过多种方式对自己的交易策略进行验证和优化。回测是量化交易中至关重要的一环，它允许交易者在真实市场环境中部署策略之前，先利用历史数据模拟策略的表现。

实现火币交易所策略回测的关键在于利用第三方工具和平台。这些工具通常提供API接口，允许用户下载火币交易所的历史交易数据，包括K线数据、成交量数据等。同时，用户需要具备一定的编程能力，例如Python，以便编写回测脚本，处理数据，并模拟交易执行。

常用的回测流程包括：

数据获取： 通过API接口从第三方平台或直接从火币下载历史市场数据。
数据清洗： 对获取的数据进行清洗和预处理，例如处理缺失值、异常值，以及转换数据格式。
策略编写： 使用编程语言（如Python）编写交易策略的逻辑，包括入场、出场、止损、止盈等规则。
回测引擎： 构建或使用现有的回测引擎，模拟策略在历史数据上的运行。
绩效评估： 分析回测结果，评估策略的各项指标，如收益率、夏普比率、最大回撤等。
参数优化： 通过调整策略参数，寻找最优的参数组合，以提高策略的稳健性和盈利能力。

一些流行的回测平台和工具，如TradingView、QuantConnect、Backtrader等，可以与火币交易所的数据对接，提供更便捷的回测体验。一些专门为加密货币交易设计的量化平台也提供了针对火币交易所的回测解决方案。

需要注意的是，历史回测结果并不能保证未来盈利，市场环境的变化可能导致策略失效。因此，在实际交易中，需要结合实盘模拟交易和风险管理，不断优化和调整策略。

1. 选择合适的回测平台或工具：

量化交易的回测环节至关重要，直接关系到策略的验证和优化。市面上涌现出众多量化交易平台和工具，为交易者提供了丰富的选择。这些平台各有特点，如 TradingView、QuantConnect 以及 Backtrader (一个强大的 Python 回测库) 等。选择平台时，需要综合考虑以下关键因素：

数据源的可靠性与完整性： 确保平台能够提供来自火币交易所的全面历史数据，这是回测准确性的基础。重点关注数据的质量，包括数据清洗程度、异常值处理以及数据的时间覆盖范围（例如，从最早开始到最近的时间点）。平台是否提供不同时间粒度（例如，分钟、小时、天）的数据，也会影响策略回测的精细程度。
编程语言的兼容性与易用性： 选择与您熟悉的编程语言相匹配的平台，可以显著提高开发效率。例如，如果您擅长 Python，那么 Backtrader 将是一个理想的选择。同时，平台提供的 API 文档是否清晰、示例代码是否丰富，也会影响您的开发体验。某些平台可能还提供可视化编程界面，降低编程门槛。
回测引擎的性能指标： 回测速度直接影响策略迭代效率，尤其是在处理大量历史数据或进行参数优化时。回测引擎的准确性至关重要，需要考虑其是否能够真实模拟交易环境，包括滑点、手续费等因素。平台应提供详细的回测报告，包括交易执行情况、收益曲线、风险指标等。
高级功能与扩展性： 平台是否支持策略优化（例如，参数扫描、遗传算法）、风险分析（例如，最大回撤、夏普比率）、以及自定义指标等高级功能？平台的扩展性也很重要，例如是否允许用户自定义交易规则、接入外部数据源、与其他平台进行集成等。一些平台还提供社区支持，用户可以交流策略、分享经验。

2. 获取火币历史数据：

回测的基石在于可靠且详尽的历史数据。获取火币交易所历史数据，以下途径可供选择：

交易所 API： 火币全球站提供了一套全面的应用程序编程接口（API），允许开发者和交易者程序化地访问历史市场数据。这包括但不限于K线数据（也称为蜡烛图数据，包含开盘价、最高价、最低价和收盘价）、成交量、成交笔数以及深度数据快照等。通过API获取数据需要一定的编程技能，通常涉及使用Python等编程语言编写脚本，调用火币API的RESTful接口或WebSocket接口。务必仔细阅读火币API文档，理解不同接口的功能和参数，并遵守其速率限制策略，以避免因频繁请求而被限制访问。关注API的版本更新，确保使用最新的接口和功能，充分利用API提供的各种参数，如时间范围、K线周期等，精准获取所需数据。
第三方数据提供商： 专业的加密货币数据提供商，例如Kaiko和Coin Metrics，专门收集、清洗和标准化加密货币交易所的历史数据。它们通常提供更广泛的数据覆盖范围、更高的数据质量保证以及更便捷的数据访问方式。这些服务往往以订阅模式提供，用户可以根据自身需求选择不同的数据套餐。这些数据提供商不仅提供基础的历史行情数据，还可能提供更高级的数据产品，例如市场深度数据、订单簿重建数据、交易成本分析等。在选择第三方数据提供商时，需要考虑数据的完整性、准确性、更新频率以及API的易用性等因素。
开源数据： 在GitHub等代码托管平台上，或者一些加密货币社区论坛中，可能存在由个人或团队维护的火币历史数据开源项目。这些数据通常是免费的，但质量参差不齐，需要用户自行评估其可靠性和完整性。在使用开源数据时，务必仔细检查数据的来源、更新频率以及数据清洗方式。可以尝试与其他数据源进行交叉验证，以确认数据的准确性。需要注意开源数据的版权和许可协议，确保在合规的前提下使用。同时，也鼓励用户参与到开源项目中，共同维护和完善数据。

3. 构建回测环境：

构建加密货币交易回测环境是验证交易策略有效性的关键步骤。这一过程涉及选择合适的回测平台，并配置相应的软件和数据。不同的回测平台提供不同的功能和易用性，因此选择最适合您需求的平台至关重要。

如果您选择像 Backtrader 这样的 Python 库，您需要确保您的系统已安装 Python。推荐使用最新稳定版本的 Python，并利用 `pip` 包管理器来安装 Backtrader 及其依赖项。安装命令通常是 `pip install backtrader`。安装完成后，您需要熟悉 Backtrader 的 API，理解如何加载历史数据、定义交易策略、设置交易参数以及运行回测。Backtrader 提供了详尽的文档和示例，可以帮助您快速上手。

除了 Backtrader，还有其他流行的回测平台，例如 TradingView 的 Pine Script 编辑器、MetaTrader 的 MQL5 语言、以及专门为加密货币设计的平台如 CryptoSim 和 CoinMarketCap 的回测工具。每种平台都有其自身的优势和局限性，例如 TradingView 易于使用且拥有庞大的社区，但可能在自定义方面有所限制。而 MetaTrader 则更适合熟悉外汇交易的开发者。选择时应考虑您的编程经验、策略的复杂性以及对平台功能的需求。

无论您选择哪个平台，都需要准备历史数据。高质量的历史数据对于回测的准确性至关重要。您可以从各种来源获取数据，包括交易所的 API、数据提供商（如 CryptoCompare 和 Kaiko）以及免费的开源数据集。确保数据格式与您选择的回测平台兼容，并且数据覆盖的时间范围足够长，以充分测试您的策略在不同市场条件下的表现。数据清洗和预处理也是重要的步骤，以消除错误数据并确保数据的一致性。

4. 编写交易策略代码：

将交易策略转化为可执行的程序代码是量化交易的核心步骤。此过程涉及将抽象的交易规则、风险管理措施和资金分配方案转化为计算机能够理解和执行的指令。你需要详细定义以下关键要素：

买入和卖出规则： 明确在何种市场条件下触发买入或卖出信号。例如，基于技术指标（如移动平均线、相对强弱指标RSI、MACD等）的交叉、突破，或者基于基本面数据（如财务报告、经济指标）的变化。
止损止盈策略： 设定止损价格，以限制潜在损失；设定止盈价格，以锁定利润。止损止盈的设置应根据市场波动性、交易品种的特性以及个人的风险承受能力进行调整。
仓位管理策略： 确定每次交易投入的资金比例。合理的仓位管理有助于控制风险，避免因单次交易失误而造成重大损失。常用的仓位管理方法包括固定比例法、固定金额法、以及基于波动率调整仓位等。
交易品种选择： 明确策略适用的加密货币种类。不同的币种具有不同的波动性和交易量，策略的表现也会因此而异。
时间周期选择： 选择策略所参考的时间周期，例如1分钟、5分钟、1小时、1天等。时间周期的选择会影响交易信号的频率和策略的敏感度。

在编写代码时，务必保证逻辑的严谨性和准确性。充分考虑各种可能出现的市场情景，例如突发事件、市场操纵、交易所故障等，并设计相应的应对措施。同时，为了提高代码的可读性和可维护性，建议采用模块化编程，将不同的功能分解为独立的函数或类。选择合适的编程语言和量化交易平台也很重要。常用的编程语言包括Python、C++、Java等，常见的量化交易平台包括币安API、火币API、Gate.io API等。

例如，一个简化的双均线交叉策略的Python伪代码示例：


# 假设已获取历史价格数据，并计算出快速移动平均线 (fast_ma) 和慢速移动平均线 (slow_ma)
# previous_fast_ma 和 previous_slow_ma 分别代表前一个时间点的快慢均线值

if fast_ma > slow_ma and previous_fast_ma <= previous_slow_ma:
    # 金叉出现，可能预示上涨趋势，执行买入操作
    order = buy(symbol='BTCUSDT', amount=0.1)  # 买入 0.1 个 BTC
    print("金叉出现，买入")

elif fast_ma < slow_ma and previous_fast_ma >= previous_slow_ma:
    # 死叉出现，可能预示下跌趋势，执行卖出操作
    order = sell(symbol='BTCUSDT', amount=0.1) # 卖出 0.1 个 BTC
    print("死叉出现，卖出")

else:
    # 没有交易信号，保持观望
    pass

注意： 以上代码仅为示例，实际应用中需要根据具体的交易平台API进行调整，并加入异常处理、订单状态监控、滑点控制等功能。回测和实盘测试是验证策略有效性的必要步骤。

5. 运行回测并分析结果：

将精心设计的策略代码无缝集成到选定的回测平台中，务必根据策略特性，审慎选择具有代表性的回测时间范围和相关的交易品种。执行回测后，深入分析关键绩效指标，以此评估策略的有效性和潜在风险。

总收益率： 这是评估策略盈利能力的基础指标，表示在整个回测期间，策略所产生的总利润相对于初始资本的百分比。高总收益率并不一定意味着策略优秀，还需要结合其他指标综合考量。
最大回撤： 该指标衡量策略在回测期间可能遭受的最大资本损失幅度，是风险管理的关键要素。较低的最大回撤表明策略具有更强的抗风险能力，能够更好地保护交易本金。在评估策略的风险承受能力时，需要谨慎对待该指标。
夏普比率： 夏普比率用于评估策略的风险调整后收益，即每承受单位风险所获得的超额收益。比率越高，表明策略在承担相同风险的情况下，能够获得更高的回报。夏普比率是比较不同策略优劣的重要参考依据。计算公式为：(策略收益率 - 无风险利率) / 策略收益率的标准差。
胜率： 胜率代表盈利交易占总交易次数的百分比。虽然高胜率的策略看似稳健，但需要结合平均盈利/亏损比率一起分析，才能更全面地评估策略的盈利能力。单纯追求高胜率可能会牺牲潜在的盈利空间。
平均盈利/亏损比率： 该比率反映了盈利交易的平均盈利额与亏损交易的平均亏损额之间的关系。比率越高，意味着策略能够以较小的亏损博取更大的利润。合理的平均盈利/亏损比率是保证策略长期盈利的关键因素之一。建议结合胜率，使用期望值公式进行测算，评估策略的综合收益。

6. 优化策略：

基于历史回测数据，持续改进交易策略至关重要。策略优化是一个迭代过程，涉及多方面的调整与实验，旨在提升策略的盈利能力、稳定性以及风险控制水平。

参数调整是优化过程中的核心环节。通过调整诸如移动平均线的周期、RSI指标的超买超卖阈值、止损止盈比例等关键参数，可以观察策略在不同市场条件下的表现变化。

交易规则的修改同样重要。例如，可以考虑增加过滤条件，避免在震荡行情中频繁交易；或者针对特定形态，调整入场和出场逻辑。

技术指标的丰富可以提升策略的决策依据。可以尝试引入成交量指标（如成交量加权平均价格VWAP）、市场情绪指标（如恐慌贪婪指数）或链上数据指标（如活跃地址数）等，辅助判断市场趋势和反转点。

优化过程中，务必进行多次回测。每次调整后，都需要重新评估策略在历史数据上的表现。关注的关键指标包括总收益、最大回撤、夏普比率、胜率等。

目标是找到一个在不同市场环境下均能表现稳定，并且风险可控的策略。需要注意的是，过度优化可能会导致过拟合，即策略在历史数据上表现优异，但在实际交易中表现不佳。因此，在优化过程中，需要保持谨慎，并进行充分的实盘模拟。

MEXC 交易所的回测探索

MEXC 交易所目前未提供原生回测功能，这与其他一些主流交易所的情况类似。这意味着用户无法直接在MEXC平台内部对交易策略进行历史数据模拟验证。为评估交易策略在MEXC交易所的潜在表现，需要依赖外部资源和工具。使用第三方平台或自建回测系统是常见的替代方案。

选择第三方工具时，需要考虑其数据质量、回测速度、费用以及对MEXC交易所数据接口的支持程度。高质量的历史交易数据是准确回测的基础。回测速度直接影响策略迭代和优化的效率。不同的第三方平台收费模式各异，需要根据自身需求进行选择。确保所选工具能够稳定可靠地连接到MEXC交易所的API，获取最新的交易数据至关重要。

自建回测系统则需要投入更多的开发和维护成本，但可以实现更高的定制化程度。用户可以根据自己的需求选择编程语言、数据存储方式和回测框架。这种方式的优势在于灵活性和可控性，但需要具备一定的编程和数据分析能力。

无论选择哪种方式，都需要注意回测结果的局限性。历史数据并不能完全预测未来走势。回测结果仅能作为参考，实际交易中还需考虑市场波动、交易滑点、手续费等因素的影响。严格的风控措施和持续的策略优化是确保交易成功的关键。

1. 选择与MEXC交易所兼容的回测平台与工具：

在构建量化交易策略并进行回测时，选择一个与MEXC交易所数据兼容的回测平台至关重要。这一选择直接影响到回测结果的准确性和策略的可靠性。理想的回测平台应当提供对MEXC交易所历史K线数据、交易量、订单簿深度等关键数据的全面支持。需考察平台是否提供以下功能：

数据源质量： 确认平台提供来自MEXC交易所的可靠、稳定且无偏差的历史数据。数据质量是回测结果准确性的基础。
数据粒度： 支持多种时间粒度的数据，例如分钟级、小时级、日级等，以便进行不同时间尺度的策略回测。
数据覆盖范围： 确保数据覆盖了策略所需的时间范围，包括足够长的历史时期，以验证策略在不同市场条件下的表现。
回测框架： 提供灵活的回测框架，允许自定义交易规则、风险管理参数和绩效指标。
MEXC API支持： 部分平台可能提供MEXC交易所的API接口集成，方便直接导入数据或模拟交易环境。
滑点模拟： 能够模拟交易过程中的滑点，更真实地反映实际交易成本。
手续费设置： 允许自定义MEXC交易所的手续费率，以便更准确地评估策略的盈利能力。
可视化工具： 提供数据可视化工具，帮助分析回测结果，发现策略的潜在问题和优势。

常见的量化回测平台包括但不限于：Backtrader、TradingView、QuantConnect、Zipline等。在选择平台时，务必仔细研究其文档，确认其对MEXC交易所数据的支持情况以及是否满足你的具体回测需求。如果平台不直接支持MEXC，可以考虑使用API自行获取数据并导入到回测平台中。

2. 获取 MEXC 历史数据：

为了进行深入的交易分析和策略回测，获取MEXC交易所的历史数据至关重要。与火币类似，以下是几种获取MEXC历史数据的常见途径：

交易所 API： MEXC 提供了官方的应用程序编程接口 (API)，允许开发者和交易员以编程方式访问其历史市场数据。通过API，您可以获取特定交易对的历史价格、成交量、订单簿快照等信息。使用MEXC API之前，您需要注册并获取API密钥，同时务必仔细阅读并遵守MEXC的API使用条款和速率限制，以避免IP被封禁或违反相关规定。MEXC API通常支持RESTful 和 WebSocket 两种接口，WebSocket 接口能够提供实时数据流，适合对数据延迟有较高要求的应用。
第三方数据提供商： 除了交易所官方API，诸如 Kaiko、Coin Metrics、CryptoCompare 等专业的数据提供商也可能提供MEXC交易所的历史数据服务。这些数据提供商通常会对原始数据进行清洗、整理和标准化，并提供更便捷的API接口和数据格式，方便用户快速集成和分析。选择第三方数据提供商时，需要仔细评估其数据质量、覆盖范围、更新频率以及订阅费用，选择最符合您需求的订阅计划。有些数据提供商还会提供更高级的功能，如数据可视化、指标计算等。
开源数据： 开源社区也可能存在由志愿者或研究人员整理的MEXC历史数据。这类数据通常以CSV或其他格式存储在公共存储库（如GitHub）或论坛上。使用开源数据时，务必谨慎验证数据的来源、完整性和准确性，因为开源数据的质量参差不齐，可能存在错误或缺失。您可以尝试交叉验证不同来源的数据，或者对比开源数据与交易所API获取的数据，以确保其可靠性。同时，需要注意开源数据的版权和许可协议，避免侵权行为。

3. 构建回测环境，编写交易策略代码，运行回测并分析结果，优化策略：

构建回测环境是量化交易策略开发流程中的关键环节。该环节涉及数据准备、环境搭建、策略编写、回测执行以及结果分析与优化等多个子步骤，与火币等交易所提供的回测流程大体一致。回测的目的是在历史数据上模拟交易策略的实际表现，从而评估其潜在盈利能力和风险水平，为实盘交易提供参考依据。

数据准备 ：回测需要高质量的历史市场数据，包括但不限于：

交易数据 ：包含每一笔交易的价格、成交量和时间戳等信息。
K线数据 ：按照时间周期（如1分钟、5分钟、1小时、1天）聚合的价格数据，包含开盘价、最高价、最低价和收盘价 (OHLC)。
深度数据 ：显示买单和卖单的挂单量和价格，反映市场的买卖压力。
其他数据 ：例如，交易平台的交易手续费率、滑点大小等影响回测结果的参数。

环境搭建 ：回测环境通常使用编程语言（如Python）和相应的量化交易框架（如Backtrader、量化盒子等）搭建。这些框架提供了数据导入、策略编写、回测引擎和结果分析等功能。选择合适的回测框架取决于策略的复杂程度、性能要求和个人编程偏好。

策略编写 ：将交易思想转化为可执行的代码。一个完整的交易策略通常包括：

数据处理 ：对历史数据进行清洗、转换和特征工程，生成策略所需的指标和信号。
信号生成 ：根据预设的规则和算法，判断买入、卖出或持有等操作。常用的技术指标包括移动平均线、相对强弱指标 (RSI)、MACD 等。
订单管理 ：创建、提交和取消订单，并根据市场情况调整订单参数。
风险管理 ：设置止损和止盈点，控制单笔交易的风险敞口。
头寸管理 ：管理资金分配，调整不同交易品种的头寸大小。

回测执行 ：使用回测引擎在历史数据上模拟交易，并记录每一笔交易的详细信息，包括成交价格、成交时间和交易费用等。

结果分析与优化 ：对回测结果进行详细分析，评估策略的各项指标，例如：

总收益率 ：衡量策略的盈利能力。
年化收益率 ：将总收益率换算成年化收益率，方便与其他投资产品进行比较。
最大回撤 ：衡量策略在回测期间的最大亏损幅度，反映策略的风险水平。
夏普比率 ：衡量策略的风险调整后收益，数值越高表示策略的性价比越高。
胜率：衡量策略盈利交易的比例。
盈亏比 ：衡量策略平均盈利与平均亏损的比率。

根据分析结果，调整策略参数、优化交易规则，并进行多次回测，直到找到最佳的策略配置。

需要注意的是，不同的交易所（如MEXC、火币）在数据格式、API接口的细节上可能存在差异，需要根据实际情况进行调整。例如，MEXC 的 API 文档可能与火币有所不同，包括API请求的URL、参数格式、认证方式和返回数据结构等方面。因此，在迁移策略或开发新策略时，必须仔细阅读并理解目标交易所的API文档，确保策略能够正确地获取市场数据和执行交易指令。不同交易所的交易规则（例如最小交易单位、交易手续费率）也可能不同，需要在回测环境中进行相应的配置，以保证回测结果的准确性。

回测的注意事项

避免过度优化（Overfitting）： 过度优化，也称为过拟合，是指交易策略针对特定的历史数据集进行了过度调整，使其在回测中表现异常优异，但却丧失了对未知数据的泛化能力。这种策略在实际交易环境中往往表现不佳，甚至可能导致重大亏损。为规避过度优化风险，建议采取以下措施：
- 数据集划分： 将历史数据划分为训练集、验证集和测试集。在训练集上构建和优化策略，使用验证集进行参数调整和策略选择，最后在测试集上进行最终评估，以检验策略的泛化能力。
- 参数数量限制： 尽量减少策略中可调参数的数量，参数过多容易导致过度拟合。
- 提前停止： 监控回测结果，如果在验证集上的表现开始下降，应提前停止优化过程。
- 交叉验证： 使用交叉验证技术，将数据分成多个子集，轮流作为训练集和验证集，以更全面地评估策略的稳健性。
考虑交易成本： 回测时务必将所有相关的交易成本纳入考量，这些成本包括：
- 交易手续费（Commissions）： 交易所或经纪商收取的交易费用，根据交易量或交易额计算。
- 滑点（Slippage）： 实际成交价格与预期价格之间的差异，尤其是在市场波动剧烈或流动性不足时，滑点可能较高。
- 冲击成本（Impact Cost）： 大额交易对市场价格产生的影响，导致成交价格不利。
- 融资利率（Funding Rate）： 在杠杆交易中，持仓隔夜可能需要支付或收取融资利率。
忽略交易成本会导致回测结果过于乐观，与实际交易收益存在较大偏差。
注意数据质量： 确保使用高质量且可靠的历史数据进行回测至关重要。数据质量问题可能包括：
- 数据缺失： 某些时间段的数据缺失，导致回测结果不完整。
- 数据错误： 数据记录错误，例如价格错误、时间戳错误等。
- 数据偏差： 数据来源存在偏差，例如不同交易所的价格差异。
- 数据一致性： 不同数据源之间的数据格式和时间精度不一致。
在回测前，务必对数据进行清洗和验证，以确保数据的准确性和完整性。可靠的数据是回测结果可信度的基础。
模拟真实交易环境： 为了获得更真实的回测结果，应尽可能模拟真实交易环境的各个方面，包括：
- 订单类型： 模拟市价单、限价单、止损单等不同类型的订单。
- 交易量： 模拟实际交易中的交易量，考虑市场深度对成交价格的影响。
- 市场深度： 考虑订单簿的深度和流动性，模拟成交的可能性和价格影响。
- 延迟： 模拟网络延迟和交易所处理订单的时间延迟。
- 交易时间： 限制交易时间，例如避免在流动性差的时间段进行交易。
越接近真实交易环境，回测结果的参考价值越高。
回测结果仅供参考： 谨记，回测结果仅能作为参考，不能保证未来的盈利。市场环境是不断变化的，历史数据并不能完全预测未来。以下因素可能导致回测结果与实际交易结果存在差异：
- 市场变化： 市场结构、参与者行为和宏观经济环境的变化。
- 黑天鹅事件： 无法预测的突发事件，例如政策变化、自然灾害等。
- 策略失效： 策略的有效性可能随着时间推移而降低。
- 模型风险： 回测模型本身存在局限性，例如无法完全模拟真实市场。
应将回测结果与其他分析方法结合使用，并保持谨慎的态度。

通过以上步骤，您可以在火币和 MEXC 等加密货币交易所提供的历史数据上执行交易策略的回测，深入评估和持续优化您的交易策略。记住，回测是风险管理和策略改进的重要工具，但务必结合实盘交易经验和市场洞察力，才能提升交易成功的概率。持续监控策略在实盘交易中的表现，并根据市场变化及时调整策略，是实现长期盈利的关键。