双均线策略(期货)——Python量化

双均线策略(期货)——Python量化双均线策略 目录 双均线策略 1 原理 均线的 前世今生 均线理论为什么有效 均线理论的缺陷 均线理论的改进 2 策略逻辑 3 策略代码 4 回测结果与稳健性分析 1 原理 均线的 前世今生 均线 一个进行形态分析时总也绕不过去的指标

大家好,我是讯享网,很高兴认识大家。

双均线策略

目录

双均线策略

1. 原理

均线的“前世今生”

均线理论为什么有效?

均线理论的缺陷

均线理论的改进

2. 策略逻辑

 3. 策略代码

4. 回测结果与稳健性分析 

1. 原理

均线的“前世今生”

均线,一个进行形态分析时总也绕不过去的指标。

均线最早由美国投资专家Joseph E.Granville(格兰威尔)于20世纪中期提出,现在仍然广泛为人们使用,成为判断买卖信号的一大重要指标。从统计角度来说,均线就是历史价格的平均值,可以代表过去N日股价的平均走势。

1962年7月,Joseph E.Granville在他的书中提出了著名的Granville八大买卖法则。只利用股价和均线即可进行择时,方法简单有效,一经提出,迅速受到市场追捧。尤其是其中的金叉和死叉信号,更是沿用至今。

Granville 八大法则其中有四条是用于判断买进时机,另外四条是用于判断卖出时机。买进和卖出法则一一对应,分布在高点的左右两侧(除买4和卖4以外)。法则内容如下所示:

买1:均线整体上行,股价由下至上上穿均线,此为黄金交叉,形成第一个买点。
买2:股价出现下跌迹象,但尚未跌破均线,此时均线变成支撑线,形成第二个买点。
买3:股价仍处于均线上方,但呈现急剧下跌趋势。当跌破均线时,出现第三个买点。
买4:(右侧)股价和均线都处于下降通道,且股价处于均线下方,严重远离均线,出现第四个买点。

卖1:均线由上升状态变为缓慢下降的状态,股价也开始下降。当股价跌破均线时,此为死亡交叉,形成第一个卖点。
卖2:股价仍处于均线之下,但股价开始呈现上涨趋势,当股价无限接近均线但尚未突破时,此时均线变成阻力线,形成第二个卖点。
卖3:股价终于突破均线,处于均线上方。但持续时间不长,股价开始下跌,直至再一次跌破均线,此为第三个卖点。
卖4:(左侧)股价和均线都在上涨,股价上涨的速度远快于均线上涨的速度。当股价严重偏离均线时,出现第四个卖点。


讯享网

均线理论为什么有效?

Shiller(1981)在研究中发现,资产的长期价格呈现均值回复的特征,即从长期来看,资产的价格会回归均值。这也是均线理论被广泛应用的前提。

均线理论的缺陷

均线归根到底是一种平均值,平均值在应用过程中存在最大的问题就是其滞后性。当出现买入卖出信号时,**时机早已过去。举例来说,如果A股票最新价格出现了较大的涨幅,股价和均线都上涨,但均线的速度慢于股价上涨速度。此时,从形态上来看,金叉出现,为买入信号。次日,股价回调,股价下降的速度快于均线下降的速度,形成死叉,为卖点。这样一买一卖不仅没有盈利,反而出现亏损。

均线理论的改进

针对均线的缺点,市场上提出了各种各样的改进方法。

1.对均线的计算方法进行改正。

加权移动平均线是在移动平均线的基础上按照时间进行加权。越靠近当前日期的价格对未来价格的影响越大,赋予更大的权重;越远离当前日期价格,赋予越小的权重。

2.调整均线周期

利用不同周期均线得到的结果也不同。许多有经验的投资者发现,在不同的市场中,有些均线的效果显著优于其他周期均线。有些长线投资者还会将股价替换成短周期均线进行趋势判断。

2. 策略逻辑

回测数据: SHFE.rb2101的60s频度bar数据
回测时间: 2020-04-01 到 2020-05-31
回测初始资金:3万

 3. 策略代码

# coding=utf-8 from __future__ import print_function, absolute_import from gm.api import * import talib ''' 本策略以SHFE.rb2101为交易标的,根据其一分钟(即60s频度)bar数据建立双均线模型, 短周期为20,长周期为60,当短期均线由上向下穿越长期均线时做空, 当短期均线由下向上穿越长期均线时做多,每次开仓前先平掉所持仓位,再开仓。 注:为了适用于仿真和实盘,在策略中增加了一个“先判断是否平仓成功再开仓”的判断逻辑,以避免出现未平仓成功,可用资金不足的情况。 回测数据为:SHFE.rb2101的60s频度bar数据 回测时间为:2020-04-01 09:00:00到2020-05-31 15:00:00 ''' def init(context): context.short = 20 # 短周期均线 context.long = 60 # 长周期均线 context.symbol = 'SHFE.rb2101' # 订阅交易标的 context.period = context.long + 1 # 订阅数据滑窗长度 context.open_long = False # 开多单标记 context.open_short = False # 开空单标记 subscribe(context.symbol, '60s', count=context.period) # 订阅行情 def on_bar(context, bars): # 获取通过subscribe订阅的数据 prices = context.data(context.symbol, '60s', context.period, fields='close') # 利用talib库计算长短周期均线 short_avg = talib.SMA(prices.values.reshape(context.period), context.short) long_avg = talib.SMA(prices.values.reshape(context.period), context.long) # 查询持仓 position_long = context.account().position(symbol=context.symbol, side=1) position_short = context.account().position(symbol=context.symbol, side=2) # 短均线下穿长均线,做空(即当前时间点短均线处于长均线下方,前一时间点短均线处于长均线上方) if long_avg[-2] < short_avg[-2] and long_avg[-1] >= short_avg[-1]: # 无多仓情况下,直接开空 if not position_long: order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Open, order_type=OrderType_Market) print(context.symbol, '以市价单调空仓到仓位') # 有多仓情况下,先平多,再开空(开空命令放在on_order_status里面) else: context.open_short = True # 以市价平多仓 order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Close, order_type=OrderType_Market) print(context.symbol, '以市价单平多仓') # 短均线上穿长均线,做多(即当前时间点短均线处于长均线上方,前一时间点短均线处于长均线下方) if short_avg[-2] < long_avg[-2] and short_avg[-1] >= long_avg[-1]: # 无空仓情况下,直接开多 if not position_short: order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy, position_effect=PositionEffect_Open, order_type=OrderType_Market) print(context.symbol, '以市价单调多仓到仓位') # 有空仓的情况下,先平空,再开多(开多命令放在on_order_status里面) else: context.open_long = True # 以市价平空仓 order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy, position_effect=PositionEffect_Close, order_type=OrderType_Market) print(context.symbol, '以市价单平空仓') def on_order_status(context, order): # 查看下单后的委托状态 status = order['status'] # 成交命令的方向 side = order['side'] # 交易类型 effect = order['position_effect'] # 当平仓委托全成后,再开仓 if status == 3: # 以市价开空仓,需等到平仓成功无仓位后再开仓 # 如果无多仓且side=2(说明平多仓成功),开空仓 if effect == 2 and side == 2 and context.open_short: context.open_short = False order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Open, order_type=OrderType_Market) print(context.symbol, '以市价单调空仓到仓位') # 以市价开多仓,需等到平仓成功无仓位后再开仓 # 如果无空仓且side=1(说明平空仓成功),开多仓 if effect == 2 and side == 1 and context.open_long: context.open_long = False order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy, position_effect=PositionEffect_Open, order_type=OrderType_Market) print(context.symbol, '以市价单调多仓到仓位') 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='strategy_id', filename='main.py', mode=MODE_BACKTEST, token='token_id', backtest_start_time='2020-04-01 09:00:00', backtest_end_time='2020-05-31 15:00:00', backtest_adjust=ADJUST_NONE, backtest_initial_cash=, backtest_commission_ratio=0.0001, backtest_slippage_ratio=0.0001)

讯享网

4. 回测结果与稳健性分析 

设定初始资金3万,手续费率为0.01%,滑点比率为0.01%,得到的回测结果如下图:

策略整体收益率5.75%,年化收益率为39.15%,同期沪深300收益率为5.22%,策略跑赢沪深300.最大回撤为10.32%。

为了探究该策略在不同回测期以及不同品种的适用情况,对策略进行调整。调整范围主要包括:标的、回测期、均线周期,调整结果如下表所示:

 

 根据上表可以看出,对于不同的标的、回测期、均线周期,双均线策略的收益情况差异较大。即使相同标的、相同均线周期,不同回测期收益情况也会出现较大差异。在应用时要注意风险管理,避免出现短期过拟合现象。

注:本文来自掘金量化教程

小讯
上一篇 2025-03-09 17:41
下一篇 2025-02-24 07:55

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/115908.html