量化交易策略——BIAS策略简单小试and加强版
乖离率（BIAS）简称Y值，是移动平均（moving average）原理派生的一项技术指标，测试原理是建立在：如果股价偏离移动平均线太远，不管股价在移动平均线之上或之下，都有可能趋向平均线的这一条原理上。而乖离率则表示股价偏离趋向指标所占到的百分比值。计算方法：N期BIAS=(当日收盘价-N期平均收盘价)/N期平均收盘价*100%
回测：
资金：100000
频率：日
交易资产：平安银行
手续费滑点采用平台默认
采用13日bias值，买入卖出临界值为0.065，即bias<-0.065满仓买入，bias>0.065全仓卖出
分析：
信号设置较为简单，可以考虑和别的指标结合下。
交易次数较少，每次都是全买全卖，买完了等好久都卖不出去的情况很容易出现，导致错过很多更好的买点。
参数没有计算机优化。
后期大趋势下，表现不好。
由bias值与股价的图看出，bias值并没有明显领先股价做出变化。
收益与风险
http://s1.sinaimg.cn/bmiddle/001uapR3zy74WjkcdjO00&690
http://s11.sinaimg.cn/bmiddle/001uapR3zy74Wjke96i9a&690
http://s5.sinaimg.cn/bmiddle/001uapR3zy74WjkkcwAd4&690
http://s6.sinaimg.cn/bmiddle/001uapR3zy74WjkaNwha5&690
http://s13.sinaimg.cn/bmiddle/001uapR3zy74Wjk8GRKcc&690
源码：
# 定义一个全局变量, 保存要操作的证券
# 000001(股票:平安银行)
security = '000001.XSHE'
# 初始化此策略
# 设置我们要操作的股票池, 这里我们只操作一支股票
set_universe()
# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次
def handle_data(context, data):
# 取得过去十三天的平均价格
average_price = data.mavg(13)
# 取得当前价格
current_price = data.price
# 取得当前的现金
cash = context.portfolio.cash
# 计算BIAS值
bias=(current_price-average_price)/average_price
# 设置BIAS操作临界值
bias_operationvalue=0.065;
# 如果BIAS值小于-BIAS操作临界值，买入
if bias < -1*bias_operationvalue:
# 计算可以买多少只股票
number_of_shares = int(cash/current_price)
# 购买量大于0时，下单
if number_of_shares > 0:
# 买入股票
order(security, +number_of_shares)
# 记录这次买入
log.info("Buying %s" % (security))
# 如果BIAS大于BIAS操作临界值，卖出
elif bias > bias_operationvalue and context.portfolio.positions.amount > 0:
# 卖出所有股票,使这只股票的最终持有量为0
order_target(security, 0)
# 记录这次卖出
log.info("Selling %s" % (security))
# 画出当前的价格
record(stock_price=data.price)
record(bias=bias*20+7)
bias策略加强版
主要变化
1.加入了多股票方法，每隔一个周期开始前，结算上一周期未卖出的股票，从股票池（此次选的沪深300）里挑选一些股票（挑选标准此次选的是价格超过5日均线2%），在一个周期内每个单位时间循环访问每个挑选出来的股票，进行判断是否买入（判断标准是13日bias值<-0.06）或卖出（判断标准是13日bias值>0.06）.
2.加入了止损，每只股票亏损超过20%，则止损。
3.加入了仓位管理，将资金平均分配给每个股票，每个股票依然只能是进行满仓空仓操作。
4.加入了胜率统计，在卖的时候判断，盈利则成功，亏损则失败，胜率算法为，成功次数除以成功与失败之和。在日志里输出，此次的胜率是64%。
核心代码
#初始化
def initialize(context):
......
#每个单位时间执行一次handle_data内的指令
def handle_data(context, data):
#如果是一个新的周期
if g.i%g.period==0:
#清算所有未卖出的股票
clear(context, data)
#从股票池中挑选股票
findstock(context, data)
# 循环股票池
for security in g.buystocks:
#进行股票交易
收益与风险
http://s4.sinaimg.cn/mw690/001uapR3zy74WjubUPN13&690
http://s4.sinaimg.cn/mw690/001uapR3zy74Wjudgwrb3&690
http://s13.sinaimg.cn/mw690/001uapR3zy74WjueYAQ6c&690
http://s7.sinaimg.cn/mw690/001uapR3zy74WjugQBw66&690
http://s2.sinaimg.cn/mw690/001uapR3zy74Wju9cml51&690
源码：
# 定义一个全局变量, 保存要操作的证券
def initialize(context):
#设置股票池
context.stocks = get_index_stocks('000300.XSHG')
set_universe(context.stocks)
#设置最多挑选的股票数量
g.max_stock=10
#平均分配股票的可用资金
g.max_use_cash=context.portfolio.cash/g.max_stock
#设置变量，记录操作成功与失败次数
g.win=0.0
g.lose=0.0
#计时器
g.i=-1;
#股票池中选择出的股票列表
g.buystocks = []
#更新股票列表周期
g.period=60
# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次
def handle_data(context, data):
g.i=g.i+1
#判断是否为一个新周期
if g.i%g.period==0:
#清算所有未卖出的股票
clear(context, data)
#从股票池中挑选股票
findstock(context, data)
# 循环股票池
for security in g.buystocks:
# 得到该股票当前价格
current_price = data.price
#得到十三日均价
avg = data.mavg(13)
#计算bias值
bias = (current_price-avg)/avg
#计算持仓成本
current_avgcost = context.portfolio.positions.avg_cost
#计算当前股票的盈利状况
if context.portfolio.positions.amount > 0:
r_ratio=(current_price-current_avgcost)/current_avgcost
else:
r_ratio=0
# 如果bias值小于-0.06，且仓位为空，则买入
if bias < -0.06 and context.portfolio.positions.amount == 0:
# 计算可以买多少只股票
amount = int(g.max_use_cash / current_price)
# 下入买入单
order(security, amount)
# 如果bias值大于0.06，且仓位非空，则卖出
elif (r_ratio<-0.2 or bias > 0.06) and context.portfolio.positions.amount > 0:
# 卖出所有股票,使这只股票的最终持有量为0
orderfail=order_target(security, 0)
if orderfail!=None:#防止订单无效，如停牌、没钱买等
#统计胜率
winorlose(r_ratio)
#计算操作次数
times=g.win+g.lose
#取得当前时间
date = context.current_dt.strftime("%Y-%m-%d")
#在最后一个单位时间，清空仓位，并在日志中输出成功次数，失败次数，与胜率
if date=='2015-09-30':
clear(context, data
if times !=0:
print(g.win,g.lose,g.win/times)
def clear(context, data):
for security in g.buystocks:
# 得到该股票当前价格
current_price = data.price
#计算持仓成本
current_avgcost = context.portfolio.positions.avg_cost
#计算该股票的盈利状况
if context.portfolio.positions.amount > 0:
r_ratio=(current_price-current_avgcost)/current_avgcost
else:
r_ratio=0
#卖出股票
orderfail=order_target(security, 0)
#统计胜率
if orderfail!=None:#防止订单无效，如停牌、没钱买等
winorlose(r_ratio)
#挑选股票
def findstock(context, data):
#初始化股票列表
g.buystocks = []
#循环股票池
for security in context.stocks:
# 得到该股票当前价格
current_price = data.price
#得到五日均价
avg = data.mavg(5)
#如果当前价格高出五日均线2%则选入
if current_price>1.02*avg:
g.buystocks.append(security)
#如果选出足够的股票则终止挑选
if len(g.buystocks)==g.max_stock:
break
#统计胜率，收益为正则判为成功，收益为负则判为失败
def winorlose(r_ratio):
if r_ratio > 0:
g.win=g.win+1;
else:
g.lose=g.lose+1;
:):):):):):) 厉害厉害，这个策略不错
页:
[1]