均线反转策略与均线趋势策略是-对具有相反内涵的量化择时策略，同均线趋势策略样，均线反转策略同样具有量化起来简单直接的特点。在这一节中，作者将均线反转策略基于同样的研究方法，运用到相同的数据样本之中，一是用来进一步介绍简单的择时策略，同时也能够与上一节的内容进行参照和对比，促使读者形成灵活运用量化工具的思维。图4-7在图4-2的框架基础上,说明了一个双均线反转策略是如何运行的，与图4-5对比起来看，其实就是将分类步骤中的大于号和小于号进行了调换。在交易决策的时点需要根据已知数据计算短期均线和长期均线两个值，当短期均线高于长期均线时，判断交易决策时刻的趋势为上涨趋勢，按照走势会反转的思想，认为后市会下跌，因此看空。而当短期均线低于长期均线时，判断交易决策时刻的趋势为下跌趋势,认为后市会转为上涨，因此看多。
优化方式方面，同样选择在整个过程中使用全部模拟交易样本进行一次性的优化，进而让整个研究过程简单化。这一节中均线反转策略的研究过程基本上就是上一节均线趋势策略的翻版，因此不多做赘述。由于策略构建过程中，在全部样本数据上只优化了一次，也就是说模拟交易样本下都将使用同一对参数组合,因此优化确定了参数组合的均线反转策略实际上等同于“ 短期均线从上向下穿过长期均线则做多，短期均线从下向上穿过长期均线则做空"。
选用的交易资产依然为沪深300股指期货主力合约，具体的样本数据是从2010年4月19日到2015年6月30日的日收盘价。判断买卖从2010年12月31日收盘开始，也就是说在回溯测试样本中均线反转策略一共模拟交易四年半的时间。2010年4月19日到2010年12月30日的日收盘价数据作为交易前期计算短期均线和长期均线的备用数据，数据长度为172个交易日，也就是说只要长期均线在173日均线以下，备用数据都可以支持均线反转策略的计算顺利完成。股指期货交易的杠杆率也同样被设置为100%，从而使策略的研究过程相对简单。
在进行网格搜索的优化过程中，也依然使用斐波那契数列来处理均线的搜索范围，用以缓解搜索全部均线时可能会出现的计算冗余和搜索偏向的问题。斐波那契数列的形式为[1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144,一]，也就是说，均线趋势策略的简单优化将使用1日均线、2日均线、3日均线、5日均线、144日均线一共11种均线的长短组合进行搜索，寻找盈利能力最好的组合，从:而确定最优的均线趋势策略形式。这里限定短期均线最大搜索到34日均线，长期均线从短期均线的后一根开始一直到144日均线结束(见表4-2)。整个设置都和上一节保持一致情况。整个表中年化收益率为正的均线反转策略仅有1个，其年化收益率为10.82%。剩下的组合年化收益率全部为负，甚至存在5种组合的年化收益率达到-100%，即在交易过程中损失掉全部本金的情况。
从表4-2中的结果来看，网格搜索下的均线趋势策略相对而言并不是一个稳健的策略，绝大部分的搜索都落入收益率不佳的区间内，最优选择处呈现出一个陡峭的峰值。不过在这一节的简单框架之下，最后通过收益最优原则选择出来的短期均线为3日均线、长期均线为5日均线的均线反转策略，至少在样本上具有一定的收益表现。
在优化完成之后，再将短期均线为3日均线、长期均线为5日均线的均线反转策略应用到相同的样本数据之上进行回溯测试，从而得到回溯条件下相应的交易情况。图4-8展示了使用这一均线组合的均线反转策略进行交易的情况下，以1为初始值的净值走势情况。在2011年年底、2012 年年底、2013年年底和2014年年底，交易策略下的净值分别变为1.1172、1.5256、1.9528、 1.5793， 2015年6月结束时净值达到1.5878。从图4-8中也可以看到，自模拟交易开始起一直到2013年年底，该均线反转策略的净值水平都保持着上升的趋势,特别是在2012年前两个月和2013年下半年，净值增加比较明显。2014 年后净值在一定水平上维持了接近一年的时间，然后经过一个较大的波动下降到最后的1.5878。基于整个交易过程来看，四年半的策略收益率为58.78%，折算下来的年化收益率达到10.82%。此外需要说明的是，图4-8和图4-6的纵轴比例尺不一样，而且后面的所有图形均是如此,使用图形进行对比的读者应注意纵轴坐标的具体刻度。
与上一节的均线趋势策略一样，从2011年1月10日收盘开始，均线反转策略的净值就再也没有下降到1以下的水平。在整个四年半的均线反转策略交易当中，净值的最大回撤率为35.69%，最大回撤发生的起始点为2014年4月1日收盘的2.1704，最低点则是2015年4月27日收盘的1.3958,整个回撤的走势维持了一年以上。经过计算，整个交易过程中平均的年度最大回撤率为16.36%。仅仅和上一节中的结果进行对比面言，均线反转策略在收益和风险两个方面都逊于均线趋势策略。
