V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
thinkingmind
V2EX  ›  推广

[策略模板] 一个新手适用的交易策略的模板(分钟回测,过滤涨跌停、停牌……)

  •  
  •   thinkingmind · 2016-11-07 14:52:53 +08:00 · 2248 次点击
    这是一个创建于 2920 天前的主题,其中的信息可能已经有所发展或是发生改变。

    一个新手适用的交易模型的模板

    新鲜出品: https://www.ricequant.com/community/topic/1150/?utm_source=v2ex

    关键词:策略模板、策略、策略交易、新人、模板、模块……

    引言: 在 rice 里混了大半年了,学习了不少大牛的有用知识,也编写了一大堆的有的没的策略,但是每次都面临大量的重复劳动,费时费力,于是这里就总结了一个适合新人的交易策略的模板分享给大家。

    原理: 看了大家的策略,和查阅了一些资料,也总结了和归纳了一些,大概分为,选股、进场时机、持仓平衡、现金管理、出场时机、风险管理,一些工具组件~ 不废话了,直接上 demo 代码简单写~

    模板代码: 说明:分钟回测,组合初始 100 万现金,交易手续默认的,无卖空, benchmark 为默认,进场策略输出了股票列表,出场策略也是返回要卖出的股票列表……

    1 、传奇的小市值策略(市值最小的 100 只股票做为每天的备选列表),这个因子表现的最好,为避免模板的 demo 曲线表现太差,所以用了这个吸引眼球的选股因子,高手勿喷,勿笑;

    2 、进场以大家熟悉的 5 日均线上传 10 日均线,并保持 20 日线为进场条件;(感觉自己写复杂了,反正是模板)

    3 、出场为低于 20 日线的 99%为强制出场( 20 日线,在近两年基本作为了行业标配了,反正有点用)

    4 、持仓策略:在市值不便的情况下平均持仓,每日临近收盘进行再平衡,理想情况保持每只持仓占比相等(

    5 、现金管理:本来想再收盘前现金买进“银华日利”,但由于默认市价交易滑点太大,就省略了(要限价交易才可能有利润,但是这里也发现尾盘表现非常不好,就注释掉了)

    6 、风险管理:略了,流传一个大盘跌过 3%的强制止损风险策略,小市值也可以增加二八轮动的择时,没有加上,有兴趣可以自己弄着玩,加这个模块里;

    7 、交易方式:为了避免过大的成家量超过 25%的 error ,这里都下的限价单,但是后续模块化吧,另控制了单只持仓不超过 10%~(模块写起来比较复杂,还要新建 dict 进行撤单再下单等计算,后续成熟了,再拿出来分享)

    8 、工具:

    trans 、历史数据强制转化成真正的 DataFrame(效率问题,做了.T 的来回变换),问 licco 说,其实 2016 年 5 月 2X 后就不需要了

    n 日内随机交易的收益率概率(例子中未用到)

    多个 list 里取交集,懒得每次都写了,干脆写了个小函数

    标的上市自然日的函数,避免次新股对收益干扰太大,要真像炒次新股,要好好研究一下,个人做过尝试发现,高风险高利润,大盘择时比较关键,干脆这里做了过滤比如一定要上市超过 60 个自然日

    是否涨跌停区间,一定要可交易,人家都封版了,交易量有,关咱策略毛事,所以也进行了过滤

    因为分钟回测,所以选择了 14 : 50 作为买入时间点,而出场选择每 15 分钟采样计算一次(性能压力和必要性的问题), 14 : 59 (后来发现深圳市场应该 14 点 56 ,要不 57 开始深圳会集合竞价了,但是例子里没有调整,所以还是 error 一大堆,见笑了)

    最后,个人也是新学小白用户,以新人最常见的 5 日金叉做例子,结合小市值选股做了这个模板,期望可以减少新人的重复无价值劳动~另还请大牛们给与指正~

    import pandas as pd
    import numpy as np
    import time
    import math
    import itertools
    
    # 数据准备
    
    def init_variables (context):
        context.init = 0 
        context.days = 0
        context.barcount = 0
        context.choosenum = 300
        context.obv = 50
        context.tj1 = 5 # 5 日均线
        context.tj2 = 10 # 10 日均线
        context.tj3 = 20 # 20 日均线
        context.his = pd.DataFrame()
        return
    
    
    '''第 1 部、选择标的'''
    
    def choose_target(context):
        # 最小市值的 100 只标的
        df = get_fundamentals(
            query(fundamentals.eod_derivative_indicator.market_cap)
            .order_by(fundamentals.eod_derivative_indicator.market_cap.asc())
            .limit(context.choosenum)
        )
        context.stocks = [stock for stock in df][:100]
        return context.stocks
    
    '''第 2 部、入场策略'''
    #2.1 大盘环境问题
        #可增加外部数据
    
    #2.2 个股选择问题,最后还要过滤非跌停、上市天数、非停牌的标的( st 未过滤)
    def for_buy(context, bar_dict, his):
        #2.2.1 备选中标的站上 5 日线
        def tj1(context, bar_dict, his):
            ma_n = pd.rolling_mean(his, context.tj1)
            temp = his - ma_n
            temp_s = list(temp[temp>0].iloc[-1,:].dropna().index)
            return temp_s
        #2.2.2 备选中标的站上 10 日线
        def tj2(context, bar_dict, his):
            ma_n = pd.rolling_mean(his, context.tj2)
            temp = his - ma_n
            temp_s = list(temp[temp>0].iloc[-1,:].dropna().index)
            return temp_s
        
        #2.2.2 所谓金叉,今天短均线大于长均线,上一个 bar 反之
        def tj3(context, bar_dict, his):
            mas = pd.rolling_mean(his, context.tj1)
            mal = pd.rolling_mean(his, context.tj2)
            temp = mas - mal
            temp_jc = list(temp[temp>0].iloc[-1,:].dropna().index)
            temp_r = list(temp[temp>0].iloc[-2,:].dropna().index)
            temp = []
            for stock in temp_jc:
                if stock not in temp_r:
                    temp.append(stock)
            return temp
        
        #整合各个子条件的交集
        
        l1 = tj1(context, bar_dict, his)
        l2 = tj2(context, bar_dict, his)
        l3 = tj3(context, bar_dict, his)
        l_tar = jj_list([l1,l2,l3])
        to_buy = []
        #过滤上市时间、是否涨停、是否停牌等条件
        if l_tar:
            for stock in l_tar:
                con1 = ipo_days(stock,context.now)>60
                con2 = zdt_trade(stock,context,bar_dict)
                con3 = bar_dict[stock].is_trading
                if con1 & con2 & con3:
                    to_buy.append(stock)
        return to_buy
    
    
    '''第 3 部、持仓组合的微调策略'''
    # 平均市值做微调
    def for_balance(context, bar_dict):
        #mvalues = context.portfolio.market_value
        #avalues = context.portfolio.portfolio_value
        #per = mvalues / avalues
        hlist = []
        for stock in context.portfolio.positions:
            hlist.append([stock,bar_dict[stock].last * context.portfolio.positions[stock].quantity])
        
        if hlist:
            hlist = sorted(hlist,key=lambda x:x[1], reverse=True)
            temp = 0
            for li in hlist:
                temp += li[1]
            for li in hlist:
                if bar_dict[li[0]].is_trading:
                    order_target_value(li[0], temp/len(hlist))
        return
    
    '''第 4 部、出场策略'''
    # 小于 20 日均线,并且可交易,没跌停
    def for_sell(context, bar_dict):
        to_sell = []
        for stock in context.portfolio.positions:
            con1 = bar_dict[stock].last < 0.99 * bar_dict[stock].mavg(20, frequency='day')
            con2 = bar_dict[stock].is_trading
            con3 = zdt_trade(stock,context,bar_dict)
            if con1 & con2 & con3:
                to_sell.append(stock)
        return to_sell
    
    '''第 5 部、闲置资金效率最大化'''
    def for_cash(context, bar_dict):
        cash = context.portfolio.cash
        #order_target_value('511880.XSHG',cash) 注释掉因为滑点太大,可以买一个货基,或者逆回购
        return 
    
    '''第 6 部、风险控制'''
    def alert_risk(context,bar_dict):
        #这里如果给出策略,要强制执行,注意在 handle 优先级高于所有
        pass
    
    '''第 7 部、备用组件'''
    
    #7.1 将 his 的非标 DF 进行转换, licco 说现在不用转换了,我还是保留了:)
    def trans(df):
        temp = pd.DataFrame()
        for col in df.index:
            temp[col] = df.T[col]
        return temp.T
    
    #7.2 计算 n 日概率随机交易的概率收益率
    def rts_sj(df,n,m): 
        dfp_pct = df.pct_change()
        def the_list(df,n,m):
            temp = []
            for i in range(n,n+m):
                temp.append(df.iloc[-i,:] + 1)
            return temp
        def from_list(self,num):
            result = []
            for i in range(1,num+1):
                result.extend(list(itertools.combinations(self,i)))
            return result
        def rts_n(tu):
            sum0 = []
            for i in tu:
                temp = 1
                for z in i:
                    temp = temp * z
                temp = temp**(1/len(i))
                sum0.append(temp)
            sum1 = 0
            for i in sum0:
                sum1 = sum1 + i - 1
            return sum1/len(sum0)
        return rts_n(from_list(the_list(dfp_pct,n,m),m)) 
    
    #7.3 多 list 获得并集
    def jj_list(tar_list):
        temp = tar_list[0]
        for i in tar_list:
            temp = list(set(temp).intersection(set(i)))
        return temp
    
    #7.4 标的上市时间距离参照时间的自然日数量
    def ipo_days(stock, today):
        ssrq = instruments(stock).listed_date.replace(tzinfo=None)
        today = today.replace(tzinfo=None)
        return (today - ssrq).days
    
    #7.5 判断当前标在可交易区间内(非涨跌停)
    def zdt_trade(stock, context, bar_dict):
        yesterday = history(2,'1d', 'close')[stock].values[-1]
        zt = round(1.10 * yesterday,2)
        dt = round(0.90 * yesterday,2)
        return dt < bar_dict[stock].last < zt
        
    
    
    
    '''--------------华丽的分割线----------------'''
    
    def init(context):
        init_variables(context)
        choose_target(context)
    
    
    # before_trading 此函数会在每天交易开始前被调用,当天只会被调用一次
    def before_trading(context, bar_dict):
        choose_target(context)
        update_universe(context.stocks)
        context.his = trans(history(context.obv,'1d','close'))
        context.barcount = 0
        context.init = 1
        pass
    
    
    # 你选择的证券的数据更新将会触发此段逻辑,例如日或分钟历史数据切片或者是实时数据切片更新
    def handle_bar(context, bar_dict):
        context.barcount += 1
        
        alert_risk(context,bar_dict)
        
        #模拟交易第一次开始,如果是交易时间可能运行不了 before_trading,所以这里做了个参数来控制这种出错的特例
        if context.init == 0:
            update_universe(context.stocks)
            context.his = trans(history(context.obv, '1d', 'close'))
            context.barcount = 0
            context.init = 1
        else:
            pass
        
        if context.barcount % 15 == 0:
            to_sell = for_sell(context, bar_dict)
            if to_sell:
                for oid in get_open_orders().keys():
                    cancel_order(oid)
                for stock in to_sell:
                    order_target_value(stock, 0, style=LimitOrder(bar_dict[stock].last*0.995))
        
        if context.barcount == 230:
            his = trans(history(2,'1m','close'))
            his = context.his.append(his.iloc[-1,:],ignore_index=True)
            to_buy = for_buy(context, bar_dict, his)
            if to_buy:
                print (to_buy)
            hnum = len(list(set(to_buy).union(set(context.portfolio.positions.keys()))))
            for stock in to_buy:
                if hnum <10:
                    print ('buy', stock, bar_dict[stock].high * 1.005)
                    order_target_percent(stock, 0.99/10, style=LimitOrder(bar_dict[stock].high * 1.005))
                else:
                    order_target_percent(stock, 0.99/hnum, style=LimitOrder(bar_dict[stock].high * 1.005))
        
        if context.barcount == 236: 
            his = trans(history(2,'1m','close'))
            his = context.his.append(his.iloc[-1,:],ignore_index=True)
            for_balance(context, bar_dict)
            for_cash(context, bar_dict)  
    

    新鲜出品: https://www.ricequant.com/community/topic/1150/?utm_source=v2ex

    1 条回复    2016-11-07 19:44:05 +08:00
    rim99
        1
    rim99  
       2016-11-07 19:44:05 +08:00
    这个厉害,已收藏
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2631 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 15:35 · PVG 23:35 · LAX 07:35 · JFK 10:35
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.