量化交易-MACD策略學習

Python · 發表 2018-11-26 15:25:17

摘要： MACD的基本概念，可以參考 https://www.joinquant.com/post/7095?f=18newyearjx ，感謝 Quant中找米吃的阿鼠和聚寬小祕書 Thanks♪(･ω･)ﾉ我認為MACD不適合採用輪動策略，經過回測，我將策略改成以...

MACD的基本概念，可以參考 ofollow,noindex">https://www.joinquant.com/post/7095?f=18newyearjx ，感謝 Quant中找米吃的阿鼠和聚寬小祕書 Thanks♪(･ω･)ﾉ

我認為MACD不適合採用輪動策略，經過回測，我將策略改成以下模式：:laughing:

選出基本面較好的股票
剔除ST、停牌、退市的股票
在DIF和DEA在0軸上形成金叉時買入
在DIF他DEA的0軸下形成死叉時賣出
加入止損：這次的止損買有根據股票的盈虧來判斷，而是：
- 記錄持倉股票的每天的盈利，如果當天盈利比之前的盈利小，則不記錄
- 如果當天判斷的盈利已經比記錄的最大盈利小20%，則止損賣出

下面:point_down:是回測結果和原始碼

import numpy as np
import pandas as pd
# 匯入技術分析庫
import talib as tb

def initialize(context):
"""初始化函式"""

# 記錄股票的收益率
g.retio = {}

# 設定中證500為參考基準
set_benchmark('000905.XSHG')
# 使用真實價格交易
set_option('use_real_price', True)
# 設定日誌級別
log.set_level('order', 'error')

# 指定週期性交易函式
run_daily(trade, 'every_bar')


def before_trading_start(context):
"""開盤前設定交易費用"""

# 設定所有型別的交易品種的交易滑點為0.02
set_slippage(FixedSlippage(0.02))

# 設定2013年前與2013年後的交易費用
dt = context.current_dt
if dt>datetime.datetime(2013,1, 1):
set_order_cost(OrderCost(
open_tax=0, 
close_tax=0.001, 
open_commission=0.0003, 
close_commission=0.0003, 
close_today_commission=0, 
min_commission=5), 
type='stock')
else:
set_order_cost(OrderCost(
open_tax=0, 
open_commission=0.003,
close_commission=0.003, 
close_tax=0.001,
min_commission=5), 
type='stock')


def trade(context):
"""交易函式"""

# g.days += 1
# if g.days % g.refresh_rate != 1:
#return

'''一、挑選出高質量的股票'''
stocks_choose = get_fundamentals(
query(
valuation.code
).filter(
valuation.pe_ratio < 40,
valuation.pe_ratio > 10,
indicator.eps > 0.3,
indicator.inc_net_profit_annual > 0.30,
indicator.roe > 15
).order_by(
valuation.pb_ratio.asc()
).limit(50), 
date=None)

# 將股票程式碼集轉成ndarray,因為它比列表的計算速度更快
stocks_pool = stocks_choose['code'].values

'''二、剔除st、停牌、退市的股票'''
current_data = get_current_data()
# 剔除停牌
stocks_pool = [stock for stock in stocks_pool if not current_data[stock].paused]
# 剔除st
stocks_pool = [stock for stock in stocks_pool if not current_data[stock].is_st]
# 剔除退市
stocks_pool = [stock for stock in stocks_pool if not '退' in current_data[stock].name]

'''三、股票交易條件判斷'''
# 買入列表
stocks_long = []
# 賣出列表
stocks_short = []
# 繼續持有列表
stocks_hold = []
#MACD判斷
for stock in stocks_pool:
# 獲得之前300天的收盤價
prices = attribute_history(stock, 300, '1d', ['close'])
# 將價格值轉換成ndarray
price = np.array(prices['close'])
# 計算MACD值
DIF, DEA, MACD = tb.MACD(
price, 
fastperiod=12, 
slowperiod=26, 
signalperiod=20)

# 在0軸上金叉買入
if DIF[-1] > 0 and DEA[-1] > 0:
if (DIF[-2] <= DEA[-2]) and (DIF[-1] > DEA[-1]):
stocks_long.append(stock)
# 在0軸之下死叉賣出
elif DIF[-1] < 0 and DEA[-1] < 0:
if (DIF[-2] >= DEA[-2]) and (DIF[-1] < DEA[-1]):
stocks_long.append(stock)


'''四、賣出持倉中符合賣出條件的股票'''
# 持倉
hold_list = list(context.portfolio.positions.keys())
# 判斷
for stock in hold_list:
# 計算持倉股票的收益率
cost = context.portfolio.positions[stock].avg_cost
price = context.portfolio.positions[stock].price
ret = (price/cost) - 1

# 記錄收益率，如果當前收益率比之前大，替換之前的記錄
# 如果當前收益率比記錄的最大收益率小20%，止損，賣出
if stock in g.retio.keys():
if ret > g.retio[stock]:
g.retio[stock] = ret
elif (ret - g.retio[stock]) < -0.2:
order_target_value(stock, 0)
del g.retio[stock]
else:
g.retio[stock] = ret

# 將在賣出列表中的股票賣出
if stock in stocks_short:
order_target_value(stock, 0)
# 繼續持倉的股票
else:
stocks_hold.append(stock)

'''五、買入符合條件的股票'''
# 買入列表，已經持倉的不再重複買入
buy_list = list(set(stocks_long) - set(stocks_hold))
# 買入
if len(buy_list) > 0:
Cash = context.portfolio.available_cash / len(buy_list)
for stock in buy_list:
order_value(stock, Cash)

量化交易-MACD策略學習

您可能也會喜歡…