量化交易学习（一）单均线策略

发表于 2024-01-09 分类于量化

去年花了很多时间在学习股票投资上，还折腾了量化交易。

市场如战场，每时每刻行情都会变。我尝试过盯盘，太累了，而且一直盯盘会让自己心情起落不定，心态不平稳，同时也会导致自己不能专注于工作。

量化的好处是不用自己盯盘了，写好策略后让电脑按照策略执行就可以了。其实炒股就是根据当前舆论、市场的情况预测自己看好的股票会涨还是会跌，预测会涨就买入，预测会跌就卖出。不过我现在的水平还很菜，一直没敢实盘。

我用的是掘金量化平台，可以去 https://www.myquant.cn/terminal 下载，安装好后把sdk什么的装好就能用了。

单均线策略很简单：首先计算出一条均线，当天价格上穿均线则买入，当天价格下穿均线则卖出。

下面是一个单均线策略，用talib库计算20日SMA均线指标。

导入python库

# coding=utf-8
from __future__ import print_function, absolute_import
import gm.pb.account_pb2
from gm.api import *
import talib

设置标的：

# 单均线策略
# 标的
def choose_stock(context):
    context.symbol_list = ["SHSE.510300"]
    context.frequency='1d'
    context.bar_count=60
    subscribe(symbols=context.symbol_list, frequency=context.frequency, count=context.bar_count)

计算指标：

# 指标
def indicators(context):
    # context.data提取缓存的数据滑窗, 可用于计算指标
    # 注意：context.data里的count要小于或者等于subscribe里的count
    data = context.data(symbol=context.symbol_list[0], frequency=context.frequency, count=context.bar_count, fields='close,bob')
    # 收盘价
    context.close= data['close'].values
    # 计算20日均线
    context.sma = talib.SMA(context.close, 20)

打印买卖交易情况

def print_order(orders:gm.pb.account_pb2.Orders):
    order=orders[0]
    if order.side==OrderSide_Buy:
        print(order.updated_at,'买入：'+order.symbol+' 价格为：',order.price,'买入量为：',order.volume)
    else:
        print(order.updated_at,'卖出：'+order.symbol+' 价格为：',order.price,'卖出量为：',order.volume)

风控：

1
2
3

# 风控
def control_risk(context):
    pass

择时，判断买卖点：

# 择时
def timing(context):
    # 执行风控
    control_risk(context)
    # 指定持仓
    Account_position = context.account().position(symbol=context.symbol_list[0], side=PositionSide_Long)
    if not Account_position:
        if len(context.sma)>2 and context.close[-2]<context.sma[-2] and context.close[-1]>context.sma[-1]:
            context.order=order_value(
                symbol=context.symbol_list[0],
                value=context.account().cash.available,
                price=context.close[-1]*1.1,
                side=OrderSide_Buy,
                order_type=OrderType_Market,
                position_effect=PositionEffect_Open)
            print_order(context.order)
    else:
        if len(context.sma)>2 and context.close[-2]>context.sma[-2] and context.close[-1]<context.sma[-1]:
            context.order=order_volume(
                symbol=context.symbol_list[0],
                volume=Account_position.volume,
                side=OrderSide_Sell,
                order_type=OrderType_Market,
                position_effect=PositionEffect_Close,
                price=context.close[-1]*0.9)
            print_order(context.order)

初始化策略：

# 策略中必须有init方法
def init(context):
    account=context.account()
    choose_stock(context)
k线柱事件回调
def on_bar(context,bars):
    indicators(context)
    timing(context)
主程序运行策略：
if __name__ == '__main__':
    '''
    strategy_id策略ID, 由系统生成
    filename文件名, 请与本文件名保持一致
    mode运行模式, 实时模式:MODE_LIVE回测模式:MODE_BACKTEST
    token绑定计算机的ID, 可在系统设置-密钥管理中生成
    backtest_start_time回测开始时间
    backtest_end_time回测结束时间
    backtest_adjust股票复权方式, 不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
    backtest_initial_cash回测初始资金
    backtest_commission_ratio回测佣金比例
    backtest_slippage_ratio回测滑点比例
    '''
    run(strategy_id='xxxx',
        filename='main.py',
        mode=MODE_BACKTEST,
        token='xxxx',
        backtest_start_time='2012-1-01 08:00:00',
        backtest_end_time='2024-1-01 16:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=10000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)