def trading_strategy(df, para): # 策略参数 n = int(para[0]) # 取平均线和标准差的参数 m = para[1] # 标准差的倍数 ma_n = para[2] # MA指标的参数 volatility_factor = 2 # 波动率因子，可以根据实际情况调整 # 计算均线和标准差 close = df['close'].values ma = np.mean(close[-n:]) std = np.std(close[-n:], ddof=1) # 计算上下轨道 upper = ma + volatility_factor * std lower = ma - volatility_factor * std # 计算MA指标 ma_values = df['close'].rolling(ma_n).mean().values ma_current = ma_values[-1] ma_previous = ma_values[-2] # 寻找交易信号 signal = 0 close_current = close[-1] close_previous = close[-2] # 做多信号 if (close_current > upper) and (close_previous <= upper) and (close_current > ma_current) and (close_previous <= ma_previous) and (std < volatility_factor * ma_current): signal = 1 # 做空信号 elif (close_current < lower) and (close_previous >= lower) and (close_current < ma_current) and (close_previous >= ma_previous) and (std < volatility_factor * ma_current): signal = -1 # 平仓信号 elif ((close_current < ma) and (close_previous >= ma)) or ((close_current > ma) and (close_previous <= ma)): signal = 0 return signal将面的代码的n、m参数组合代码

这个策略的参数组合是一个包含三个参数的列表，分别是n、m、ma_n，其中n为取平均线和标准差的参数，m为标准差的倍数，ma_n为MA指标的参数。您可以通过定义不同的列表来进行参数组合，例如：

parameters = [[10, 2, 5], [20, 2, 10], [30, 3, 20]]

这里定义了三个不同的参数组合，分别是[10, 2, 5]、[20, 2, 10]和[30, 3, 20]。然后在程序中可以进行循环调用，例如：

for para in parameters:
    signal = trading_strategy(df, para)
    # do something with signal

这样就可以对同一份数据使用不同的参数组合进行策略测试了。