网格交易在量化实践中是很常见的策略，有人将其奉为圭臬，也有人对其不以为然。
总的来说，网格交易通常较适合两类情况：
第一类是“小富即安”型，不追求一把抓住大趋势，更在意的是利用日内或几日内的来回震荡，稳稳吃到每天几百块这样的小额差价，把账户当成一个持续滚动的小现金流工具。
第二类是本来就看好某只股票或ETF长期走势，愿意长期持有这个标的，但又不甘心让仓位在账户里躺上几个月几乎没有动静，于是希望在不完全放弃长期上涨逻辑的前提下，用网格化的高抛低吸把持仓“操作起来”，争取在趋势收益之外再多挣一层波动的钱。
本篇及后续几篇文章，我们将对该策略的底层算法进行深入探讨，分析这个策略究竟是否好用，以及它到底适用于什么样的市场场景。
一、 运作原理与盈利机制
网格交易的运作核心在于：它通过预设的机械规则，强制执行逆势操作。它并不预测价格的长期趋势，而是单纯依靠价格在一定区间内的反复震荡来触发买卖条件，从而获取差价。
参考下方的网格交易运行切面图（图1）：
图1：网格交易的运作原理
观察图表下半部分的仓位曲线，可以发现一个规律：
- 当价格下跌时：策略会分批触发买入指令。此时资金逐渐转化为资产，账户内的持仓数量达到峰值，而可用现金降至最低。
-
当价格上涨时：策略会分批触发卖出指令。此时资产逐渐转化为资金，账户内的持仓数量降至最低，而现金储备达到峰值。
既然长期来看，如果股票价格涨上去又跌回原点，“买入并持有”的策略是没有利润的，为什么网格交易在这种情况下却能产生收益？
网格交易的盈利来源是标的资产的波动率。
在网格系统中，我们预先在不同的价格水平设定了买卖点（即网格线）。
- 只要价格向上穿越一条网格线，系统就会卖出一部分之前在低位买入的筹码，将这部分差价转化为确定的现金收益。
-
只要价格向下穿越一条网格线，系统就会用现金买入筹码，为下一次价格反弹卖出做好准备。
只要资产价格是处于不断的上下震荡中，每一次价格穿越网格线，都会完成一次低买高卖的闭环。因此，网格策略并不依赖于资产价格的长期上涨，只要市场维持震荡，策略就能不断积累微小的差价利润。
可以举一个更直观的例子。假设账户总资金为 100万，其中 50万 作为底仓，50万 作为可交易现金；网格间距设为 1%，单次交易金额设为 2万元。若价格先从某个基准位向下走了两个网格，再回到原位，那么策略大致会经历两次买入和两次卖出，形成两组完整的“网格对”。在不考虑底仓盈亏变化的情况下，每组网格对的毛收益大约是 2万元 × 1% = 200元，两组就是 400元。如果再扣除每组往返交易合计约 10元 的交易成本（万0.5的费率），那么两组网格对最终合计净收益约为 320元。也就是说，即使价格最后回到了起点，网格策略依然可能因为中间捕捉到了波动而获得正收益。
这里需要先明确网格交易的几个重要性质：
- 盈利是以“网格对”来计算的：即一个网格区间内的一对“买入-卖出”动作，共同组成了一组确定的收益。
-
底仓收益并不随网格差价而改变：这意味着，如果标的价格经过一个起落回到原价，策略的总收益就是所有“网格对”加起来的利润。但如果标的在一段时间内震荡下跌，即使网格交易本身产生了利润，由于底仓部分的浮亏，账户整体净值可能依然是下跌的，此时网格的作用主要是摊低持仓成本。
-
仓位与标的资产价格呈现负相关：当我们谈论网格交易的“低买高卖”时，其在交易系统中的实际表现为价格越低、仓位越重；价格越高、仓位越轻。
三、 关键参数固定网格间距怎么设置
在设计网格策略时，最核心的参数之一是“网格间距”（即价格波动多大幅度触发一次交易）。不要以为间距越小、交易越频繁，累积的利润就越高。
网格策略的最终利润取决于两个因素的乘积：单次交易的净利润 × “网格对”的总次数
- 间距过小：此时交易极其频繁，但每次交易的毛利非常低。当毛利无法覆盖交易摩擦成本时，单次交易就会变成亏损。
-
间距过大：此时单次交易的利润很丰厚，但价格很难达到触发条件，交易次数锐减，导致大量资金长期闲置，整体的资金回报率非常低。
但是，进一步说，合适的网格间距并不只由交易成本决定，它往往同时受到标的波动率、趋势强弱、反抽频率、交易金额、底仓结构以及执行成本等多种因素影响。为了更直观地看清“网格间距”和“策略收益”之间到底是什么关系，最可靠的办法不是停留在理论讨论，而是直接使用真实市场数据进行回测。只有把网格参数放进真实行情里反复测试，才能得到更接近实盘的结论。
研究口径与测试工具说明
本篇文章所有回测均在看海量化回测平台（khQuant）上执行。值得一提的是，本次参数扫描并没有使用平台的GUI界面手动点选，而是调用了平台的 纯代码运行模式。当前二维脚本预设了 70 组参数组合，通过自动化脚本自动遍历参数并生成结果表，极大提升了策略研究的效率。
看海回测平台主界面，但是本次回测实验使用的是纯命令行模式
本次测试的基础配置如下：
- 策略：固定网格策略
-
标的：某宽基ETF（上涨样本）
-
区间：
2025-01-01至2025-11-20 -
周期：
1m级别K线 -
成本：佣金
0.005%，滑点按0处理
这里要说明一下，本文之所以采用0滑点口径，是因为网格交易通常使用限价单触发，理论上并不主动追价，所以这里先把滑点设为 `0`，重点观察佣金与参数本身的关系。但如果回到真实交易，限价单并不意味着一定能成交，实际执行中仍然可能出现挂单未成交、只成交一部分的情况，因此回测结果和实盘之间一定会存在一些误差。考虑到本文测试的大部分成交都是相对较小的单笔金额，这部分误差暂时先忽略不计，用来换取更清晰的参数比较结果。
实测验证：用真实回测看五档网格间距与显性交易成本
为了验证上面的判断，我使用量化回测系统做了五组网格宽度敏感性测试，并补上一行“不启用网格、只保留 50% 初始底仓静态持有”的基准结果。回测周期为 1m，区间为 2025-01-01 到 2025-11-20，初始资金 100万。
在看回测数据之前，我们先直观地了解一下标的在测试区间内的价格走势。下图展示了该标的（上涨样本）的实际走势，以及策略在 0.8% 间距下实际触发过的固定网格线（图2）：
图2：测试区间内的价格走势与固定网格线分布
本次回测的交易成本设置来自策略配置文件：佣金率为 0.005%，单笔交易金额固定为 6万元。
本次实验测试了五档网格间距，并只统计 trades.csv 里直接记录的显性成本。由于本轮统一采用无滑点口径，因此表中的“总交易成本”就等于佣金、印花税、过户费、流量费等显性成本之和。对于“不使用网格算法”这一行，收益率与年化收益率都按全部账户资金为分母计算；因为策略只保留 50% 底仓静态持有，所以账户总收益率等于标的区间涨幅乘以 50%。也就是说，这张表主要是在同一只标的、同一套资金规模、同一笔交易力度下，观察“网格宽度变化”本身会把结果推向哪里。
| 网格间距 | 总收益率 | 年化收益率 | 最大回撤 | 交易次数 | 总交易成本 |
|---|---|---|---|---|---|
| 0.1% | 5.34% | 6.26% | 6.28% | 727 | 2178.28 |
| 0.3% | 34.14% | 40.94% | 7.09% | 1746 | 5219.35 |
| 0.5% | 23.29% | 27.70% | 4.57% | 987 | 2960.09 |
| 1.0% | 10.68% | 12.59% | 3.84% | 192 | 573.63 |
| 3.0% | 15.03% | 17.77% | 4.75% | 86 | 270.85 |
| 不使用网格算法（50%底仓静态持有） | 16.14% | 19.10% | 12.91% | 0 | 0.00 |
这组最新回测结果（严格固定网格，单笔交易6万元）揭示了2个直观的结论：
- 过于密集的网格未必是好事，因为单笔交易金额较大时会迅速用完筹码。
很多人以为网格越密赚得越多。但数据显示，当每次买卖的金额比较大（比如6万元）时，如果网格设得太密（如0.1%），随便一点小波动就会触发交易。结果就是行情还没走多远，手里的现金或底仓就被快速打光了。这样不仅吃不到后面的大趋势，还会导致最终收益率垫底（仅5.34%）。 -
太宽的网格也未必好，因为能够捕捉的震荡区间会大幅减少。
当网格放得太宽（如1.0%或3.0%）时，买卖次数会断崖式下降（3.0%只有86次）。由于门槛太高，日常的大量震荡根本摸不到网格线，导致白白错失了低买高卖的机会。结果就是赚钱能力（10.68%）连直接躺平不动（16.14%）都比不过。
下图是 0.1% 网格间距下的一次实际回测图和交易明细图
图3-1：回测结果概览
图3-2：逐笔交易明细，筹码早早打光，上升趋势中持仓为0
下图是 3% 网格间距下的一次实际回测图和交易明细图
图3-3：回测结果概览
图3-4：逐笔交易明细，交易频率很低
从上边案例中我们可以引申出两个更具体的问题：
- 第一，如果问题出在上涨途中卖得太快，那么把每次交易金额调小之后，能不能让策略在上涨行情里保留更多筹码，从而少一些踏空、多吃到一段趋势？
-
第二，既然网格相较于静态持有未必占优，那么它究竟在哪一类行情里最能发挥作用？
现在我们再顺着这两个问题继续往后展开，继续深入展开。
四、 另一个关键参数：每次交易的资金量
如果说“网格间距”决定了交易触发得有多频繁，那么“每次交易的资金量”决定的就是：每次触发时，策略下多大注。
归纳起来，它主要影响三件事。
1. 它决定单次赚多少钱
在其他条件不变的情况下，单次交易金额越大，同样一次网格来回所带来的绝对收益就越大。
2. 它决定仓位切换速度和风险暴露
每次交易金额越大，仓位在一次触发后的变化就越大。大额交易虽然能放大利润，但也会放大仓位切换速度。单次金额越大，策略越激进；单次金额越小，策略越平缓。
3. 它决定资金利用率是否合理
还有一个需要注意的问题是：单次交易金额必须和总资金规模匹配。
例如，账户总资金是 100万：
- 如果每次只交易
5000元，那么即使一天触发很多次，整体资金参与度也偏低，策略可能显得过于保守。 -
如果每次交易
20万，那每一次触发都会让仓位发生明显偏移，策略会变得非常激进。
如何理解它和网格间距的配合关系
网格间距和单次交易金额，其实是一组联动参数：
- 间距小 + 单次金额大：交易会非常频繁，而且每次下手都重，策略最激进，网格总宽度很窄是最容易被成本和波动反噬的组合。
-
间距小 + 单次金额小：交易频繁，但每次影响较小，风险相对平缓，不过容易出现“很忙但赚不多”的情况。
-
间距大 + 单次金额大：交易次数少，但每次动作幅度很大，适合波动大、趋势不连续的环境。
-
间距大 + 单次金额小：交易很少，而且单次收益也不大，容易让策略整体存在感不足。
因此，在实际调参时，不能只单独寻找“最佳网格间距”，也不能只盯着“每次买卖多少钱”。更合理的做法是把这两个参数当成一个整体去看。
重要实验：我们来组一次二维实测，把“间距”和“金额”放在同一张收益面上
为了更进一步看清这两个参数的关系，我做了固定网格策略下的二维参数扫描。当前脚本统一按无滑点口径执行，测试组合为：
- 8种网格间距：
0.05% / 0.1% / 0.3% / 0.5% / 0.7% / 1.0% / 2.0% / 3.0% -
7种单笔交易金额：
0.2万 / 0.5万 / 1万 / 2万 / 4万 / 8万 / 12万
也就是说，脚本一共预设了 56 组参数组合，然后把：
x轴设为网格间距-
y轴设为单笔交易金额 -
z轴设为总收益率
得到下面这张完整二维无滑点扫描后的真实回测收益曲面图：
图4：固定网格策略下，网格间距与单笔交易金额的收益曲面。由于“不追高、不漂移”的特性，策略在空仓后能够完美接回筹码，使得极密网格（左侧）呈现出更高的超额收益。
图5：最优参数组合下的交易明细。
现在的网格搜索出来的结果是，峰值落在了极小间距的区域。这是因为严格固定网格在上涨行情中虽然会很快把底仓卖光，但由于网格层级不再向上漂移，一旦价格出现哪怕微小的回调，它就能立刻在原价位把筹码接回来。这种特性使得密网格变成了一台不知疲倦的网格交易员，其收益率超越了静态持有。
图6：较差参数组合（大网格间距）下的交易明细，操作频率很低，能吃到的网格交易较差利润少，以至于到后期没有筹码再追高了。
为了更进一步探究股价整体走势对参数设置的影响，我们继续探讨。
五、 风险剖析：单边行情下的净值回撤
网格交易常被宣传为可以“不断摊薄成本”，但其最大的风险来源是单边趋势行情。
1. 单边上涨：卖飞的痛，痛彻心扉
这也就是我们常说的“向上破网”。 假设你设定了一个网格，价格每涨 1% 就卖出一部分。当牛市真的来临，股票一连涨了 30%。 你的网格会在前面 10% 的涨幅里非常勤奋地“落袋为安”，但结果就是：等股票真的开始主升浪时，你手里早就没货了。 别人靠死拿赚了 30%，你虽然每次都只赚了 1% 的差价，但最终只吃到了个位数的总收益。虽然你没亏钱，但在牛市里眼睁睁看着别人大赚而自己空仓，这种“踏空”的心理打击，往往比亏钱还难受。
2. 单边下跌：满仓接飞刀的绝望
这是真正会让你亏大钱的“向下破网”。 同样，假设价格每跌 1% 你就买入一部分。当股灾或个股暴雷发生，股票开启了没有反弹的单边阴跌。 网格系统此时会像个没心没肺的机器人，一路往下接飞刀。跌 5%，它买满了半仓；跌 10%，它把你的子弹全部打光，满仓被套。 此时，网格系统彻底瘫痪（因为没钱了）。更可怕的是，接下来如果继续深跌，由于你已经满仓，所有的下跌都会 100% 转化为你的本金亏损。原来你本来打算只赚点“小波动”的零花钱，最后却被迫成了一个扛着巨大亏损的“长期股东”。
总结来说，网格交易的本质就是： 你用放弃牛市暴富的机会（容易卖飞），以及承担熊市深套的风险（满仓接飞刀）作为代价，去换取在震荡市里赚点稳定的辛苦钱。想清楚这笔交易划不划算，再去开启你的网格。
六、 三种行情的真实回测对照
前面这部分讲的是原理，下面再把“上涨、下跌、横盘”三种典型行情放到真实样本里对照一次。这样更容易看清：网格真正适配的不是涨跌方向本身，而是背后的波动结构。
1. 上涨行情样本
该ETF样本就是上边我们回测使用的那只，在这段区间整体上涨 32.27%，属于典型的偏单边上行样本。它并不是“完全没有震荡”，但主导力量明显还是趋势上行。
图7：上涨样本价格走势，2025-01-01 ~ 2025-11-20
图8：上涨样本运行结果：参数扫描收益曲面
这个样本最值得注意的是上涨趋势里它容易跑输标的本身。这正是上涨行情里网格策略最典型的代价。
2. 下跌行情样本
该行业ETF样本在 2025-04-01 ~ 2026-03-31 区间内整体下跌 20.22%，属于近期比较典型的弱势下行样本。
图9：下跌样本价格走势
图10：下跌样本运行结果：参数扫描收益曲面
图11：下跌样本收益曲线
图12：下跌样本交易明细
第一，相较于半仓静态持有（基准亏损约 -10%），几乎所有网格参数的收益都更低。这是由网格交易“越跌越买”的左侧特性决定的。在下行趋势中，网格的触发绝大多数是买入动作，把原本 50% 的底仓逐渐加重，导致在持续下跌中承担比半仓更大的趋势浮亏。
第二，相较于满仓被套（该区间跌幅约 -20%），几乎所有网格参数的表现都更好。数据表明，大部分参数组合的亏损集中在 -12% 到 -19% 之间，均好于直接满仓的 -20% 跌幅。这意味着网格策略通过分批建仓和偶尔的反弹高抛，确实在一定程度上减缓了单边下跌的势头，起到了缓冲垫的作用。
第三，对于下跌趋势的标的，相对高收益（即“最少亏损”）集中在【大网格间距】的区域。这是因为：在单边下跌中，“防守”比“进攻”更重要。大间距（如 2.0% 或 3.0%）足够迟钝，它最大程度地减少了在阴跌途中的无效加仓动作，避免了极速满仓被套；而配合较大的单笔交易金额，则能在标的真正跌透并出现反抽时，通过重拳出击榨取绝对利润来有效对冲底仓的亏损。
3. 横盘行情样本
该样本这段区间的期末涨跌只有 -0.27%，但振幅仍有 52.4%，是比较标准的“方向不强、波动还在”的横盘样本。
图11：横盘样本价格走势
图12：横盘样本运行结果：参数扫描收益曲面
图13：横盘样本收益曲线
横盘行情最符合大家对网格策略的直觉想象。虽然这段回测样本的数据形态并不是那种教科书般理想的“在0轴上下高频震荡”，而是走出了一个“大幅度上升后，又大幅度下降回到0点附近（即起点附近）”的过山车行情，但这反而更真实地体现出了网格交易在面对波动时的巨大优势： 在这个最终涨幅几乎为0的区间里，几乎所有的网格参数组合都能获得实打实的正收益。
从曲面图上看，横盘样本的收益分布相对平缓，没有出现剧烈的陡坡或深坑，这说明网格策略在横盘市中的容错率最高。
4. 三种行情放在一起看
把这三组样本合在一起，我们可以得出一个结论：网格交易的最优参数设置与股票的整体走势相关。
- 对于整体上涨的标的：在严格固定逻辑下，可以大胆使用小间距，通过极高频捕捉波动来获取超额收益。因为即使阶段性卖空也能在回调中原地接回，不会产生高位追高的风险。
- 对于整体下跌的标的：应当选择大间距，以最大程度地减少在下跌途中的加仓动作，避免极速满仓被套，从而在单边下行中达到“少亏”的目的。
- 对于横盘震荡的标的：应当选择居中的间距，既保证了合理的资金效率，又避免了过密网格带来的摩擦成本反噬。
然而，在真实交易中，这带来了一个巨大的悖论：我们根本无法准确预知标的未来的走势。如果我们知道未来会大涨，我们根本不需要网格，满仓死拿就好；如果我们知道未来会大跌，我们连底仓都不该建。
正因为未来的走势是不可知的，我们无法提前通过“开天眼”来为一段特定的行情定制完美的参数。因此，在无法预测方向的前提下，怎样选择一组具有普适性、容错率高、能兼顾三种不同行情的“网格间距和单笔交易金额”，仍然是我们想要把网格策略应用到实盘时，必须去重点研究和关注的核心问题。
这也正是后续要探讨解决的问题。