python编程语言例子-可以用 Python 编程语言做哪些神奇好玩的事情？

可以写个策略来赚钱算不算好玩呢？

网格大法好，熊市不用跑

不看眼成绩怎么有兴趣往后看~

回测做了很多组，不同网格大小分别在大周期、震荡各做了一次。大周期：2018-10-10至2019-10-10-3%买，5%卖：【策略年化：75.38%】【基准年化：4.06%】

-5%买，10%卖：【策略年化：76.77%】【基准年化：4.06%】

-8%买，18%卖：【策略年化：77.18%】【基准年化：4.06%】

震荡：2019-06-10至2019-10-20-3%买，5%卖：【策略年化：37.83%】【基准年化：-13.79%】

-5%买，10%卖：【策略年化：43.85%】【基准年化：-13.79%】

-8%买，18%卖：【策略年化：48.67%】【基准年化：-13.7%】

网格交易的来源

网格交易法相信很多人都知道，其思路来源于信息论之父香农。 />

上世纪40年代的某一天，香农在黑板上给大家演示了他的投资理论：

1、在任意一个价位上，用50%的资金买入股票。即资金数量：股票市值=50%：50%。

例如，我有10万块钱，当前股价是10元/股。我花5万块钱，买了5000股（股票市值5万元），我还剩5万元。此时，我的资金数量：股票市值=50%：50%。

2、股票价格上涨一定幅度就卖出一部分股票，保持剩余的资金数量：剩余股票市值=50%：50%；反之股票价格下跌一定幅度，就用剩余资金买进一部分股票，始终保持剩余资金数量：剩余股票市值=50%：50%。

还是那个例子，如果股票涨到12.5元/股，就卖掉1000股。此时，我的资金数量还是5万元，不包含收益。股票市值 = （5000-1000）股 * 12.5元 = 5万元。资金数量：股票市值=50%：50%，保持不变。此时我的收益是2500元。

再举个反例，如果股票跌到8.33元/股，就买入500股，花了4167元。此时，我的资金数量是45833.25元。股票市值 = （5000+500）* 8.33 = 45834.25元。资金数量：股票市值=50%：50%，维持在一个大致相同的比例。

从上面例子的重点来看，大家知道早期网格交易的核心了吧。

香农在十多年的交易生涯中，资金获得了29%的年复利增长。而这套方法不断的完善进化，形成了现在的网格交易策略。

网格交易到底是啥子？

这是一种仓位策略，用于动态调仓。

渔网策略：好像渔夫捕鱼一样，在不同的价位上设置好网，以逸待劳，等待捕鱼，下跌买入，上涨卖出，只要价格在一定的范围内波动就能赚到钱。每买卖一次都能赚到钱。当然了，网格交易法并不是适合于所有的市场，比如大跌可能会亏损很多。所以投资标的选定，还有参数的设定是非常讲究的。

其中有如下的参数需要设定:

交易区间：根据经验，不同的品种交易的区间不一样，交易区间决定了网格的密度，根据历史数据合理的划分交易区间才能赚到钱。

网格数量：网格越密集，越能捕捉到微小的价格波动，盈利越多，但需要的资金量越大。

每个网格购买数量：根据资金量进行划分，不同的策略有多种变种，如等比例下注，还是价格越低买的越多，亦或价格越高买的越多。

止盈价格：这个也要根据不同的品种，不同的价格，根据走势来，上涨的时候止盈要设置的高一点，震荡的时候设置的低一点。网格交易在外汇/期货/股票市场上都得到过验证，都取得过不错的成绩。

原则上在任何点位进入都可以（但资金管理很重要）如果目前的点位难以判断高低，以操作一只股票为例，第一次可以投入一半的资金，然后做好股价下跌50%的准备。

具体操作是，画好5%的固定网格，把股票数分为10份，每上涨5%卖出1份股票，每下跌5%买入一份股票，这样手中的股票可以应付股价单边上涨10个5%，资金可以应付单边下跌10个5%。

中间如有反复，每次对冲获利大约是总资金的1/20的4%（手续费按1%计算）。

总体看，如果1个月有10次对冲，月盈利是（1/20）0.0410 = 2%，年收益在25%以上。保守说，即使股价波动很小，每个月对冲2次，结果也不比银行差。

从目前中国市场看，没有什么股票的波动性会这么差。如果操作指数基金更好，不愁没有波动，手续费还少。

（可以同时采用大网格（例如10%）和小网格，还可以把网格划分得更细，例如2.5%甚至1.25%，但对冲差价不应少于5%。总之，以捕捉到更多的波动为佳。）

数字货币市场青睐的原因交易时间长，7*24小时交易，交易机会多

波动剧烈：大部分的时间是在震荡波动，震幅较大，我们知道，网格交易法最喜欢的就是波动了，波动越多，我们网的鱼也就越多。

程序化交易完善，网格交易法非常适合程序化交易来做，因为交易频繁，规则清晰，人工来做无法实时盯盘，而交给程序来做就简单很多。

风险较低。在外汇/期货市场上进行网格交易的问题是杠杆和资金量的问题，这两个市场上杠杆太高。这就意味着，需要控制好资金量，轻仓最重要。

基础网格的几个基本概念底仓价：价格的标准线，建仓和调仓的重要依据。

低吸高抛：仓位控制贯彻低吸高抛，绝不追涨杀跌。根据网格设置买卖价位。下面举个例子 />

在底仓价的附近，我们根据网格的大小，比如每跌3%按仓位买入（第一档：买40%，第二档：买30%，第三档：买20%，第四档：买10%）。网格大小：上图给出了3种网格大小。特点是买入网格小于卖出网格。这种不对称编织网格的道理在于网格的目的是网获利润，将利润建立在趋势的必然性中，而不仅仅是靠震荡的偶然性。

先讲特点和局限吧

首先，定理&公理：没有万能的策略趋势决定策略的成败。在长期的上涨趋势中策略才能获得满意的回报。

底仓价格设定在安全边际内。在估值顶部设立底仓价格风险极大，会造成很大的损失。

牛市表现不佳分散的仓位策略，没有依据价格形态来修改网格，都可能在牛市中跑输大盘。降低贝塔的代价就是阿尔法也较低。

买卖规则不灵活可能使一些重要的突破支撑或阻力位置的买卖点被忽略在网格之外。

收韭菜的时候到了

回测做了很多组，不同网格大小分别在大周期、震荡各做了一次。

大周期：2018-10-10至2019-10-10-3%买，5%卖：【策略年化：75.38%】【基准年化：4.06%】 />-5%买，10%卖：【策略年化：76.77%】【基准年化：4.06%】 />-8%买，18%卖：【策略年化：77.18%】【基准年化：4.06%】 />震荡：2019-06-10至2019-10-20-3%买，5%卖：【策略年化：37.83%】【基准年化：-13.79%】 />-5%买，10%卖：【策略年化：43.85%】【基准年化：-13.79%】 />-8%买，18%卖：【策略年化：48.67%】【基准年化：-13.7%】 />

下面是基本网格策略源码

# 可以自己import我们平台支持的第三方python模块，比如pandas、numpy等。

from vitu import ai, log

# 配置单/多账户初始持仓信息，name字段区分

ai.create_account(name='account1', exchange='binance', account_type='digital.spot',

position_base=[{'asset': 'btc', 'qty': 10},{'asset': 'usdt', 'qty': 50000}])

# 在这个方法中编写任何的初始化逻辑，context对象将会在你的算法策略的任何方法之间做传递

def initialize(context):

context.account = context.get_account('account1')

context.universe = "BTC/USDT.binance"

context.initial_price = {}

# 连续N日下跌

def is_fall_nday(context, universe, days):

close_price = context.history(universe, 'close', bars=days+1, rtype='list')

cnt = 0

for i in range(days):

daily_return = (close_price[i+1]-close_price[i])/close_price[i]

if daily_return < 0:

cnt +=1

if cnt == days:

return True

else:

return False

# 比较现价于N日均价

def compare_current_nmoveavg(context, universe, days, multi):

current_price = context.get_price(universe)

moveavg = context.history(universe, 'close', bars=days, rtype='dataframe').mean()

if current_price > multi*moveavg:

return True

else:

return False

# 初始底仓，没有initial_price，则建立基准价

def initial_price(context, universe):

if not context.initial_price.get(universe):

context.initial_price[universe] = context.get_price(universe)

def setup_position(context, universe, bench, status):

bottom_price = context.initial_price.get(universe)

current_price = context.get_price(context.universe)

btc_unit_value = 0.02

# usdt_unit_value = 10

returns = (current_price-bottom_price)/bottom_price

if status == 'buy':

if returns < bench:

context.account.buy(universe,current_price,4*btc_unit_value)

elif returns < 2 * bench:

context.account.buy(universe,current_price,3*btc_unit_value)

elif returns < 3 * bench:

context.account.buy(universe,current_price,2*btc_unit_value)

elif returns < 4 * bench:

context.account.buy(universe,current_price,1*btc_unit_value)

elif status == 'sell':

if returns > bench:

context.account.sell(universe, current_price, 4*btc_unit_value)

elif returns > 2 * bench:

context.account.sell(universe, current_price, 3*btc_unit_value)

elif returns > 3 * bench:

context.account.sell(universe, current_price, 2*btc_unit_value)

elif returns > 4 * bench:

context.account.sell(universe, current_price, btc_unit_value)

# 你选择的universe crypto的数据更新将会触发此段逻辑，例如日线历史数据或者是实时数据更新

def handle_data(context):

# 连续5日下跌，不操作

if is_fall_nday(context, context.universe, 5):

return

# 大于5日平均或10日平均1.5倍以上，不操作

if compare_current_nmoveavg(context, context.universe, 5, 1.5) or compare_current_nmoveavg(context, context.universe, 10, 1.5):

return

# 1. 初始建仓

initial_price(context, context.universe)

# 2. 开仓步长

setup_position(context, context.universe, -0.03, 'buy')

# 3. 平仓步长

setup_position(context, context.universe, 0.05, 'sell')

# 可以直接指定universe，或者通过筛选条件选择universe池

universe = ai.create_universe(['BTC/USDT.binance'])

# 配置策略参数如：基准、回测数据级别等

my_strategy = ai.create_strategy(

initialize,

handle_data,

universe=universe,

benchmark='csi5',

freq='d',

refresh_rate=1

)

# 配置回测参数如：回测日期、手续费率

ai.backtest(

strategy=my_strategy,

start='2018-10-01',

end='2019-03-10',

commission={'taker': 0.01, 'maker': 0.01}

)

python编程语言例子-可以用 Python 编程语言做哪些神奇好玩的事情？相关推荐

python可以干嘛用-Python可以被用来做哪些神奇好玩的事情
原标题:Python可以被用来做哪些神奇好玩的事情如果你在周末.有WIFI的房间里不知道做什么,不如学下Python吧.有了它,你可以什么都不需要! 基础需求篇:温饱与空虚躺着赚钱一位匿名知乎网 ...
python能做什么程序-Python可以被用来做哪些神奇好玩的事情
原标题:Python可以被用来做哪些神奇好玩的事情如果你在周末.有WIFI的房间里不知道做什么,不如学下Python吧.有了它,你可以什么都不需要! 基础需求篇:温饱与空虚躺着赚钱一位匿名知乎网 ...
SegmentFault 技术周刊 Vol.30 - 学习 Python 来做一些神奇好玩的事情吧
前言开始之前,我们先来看这样一个提问: python初学者,请教python学习路径相信看完 @X_AirDu 的回答我们已经对 Python 有了一个大概的了解.那接下来就让我们更深入的了解 P ...
python能用来做什么有意思的事情-Python可以被用来做哪些神奇好玩的事情
原标题:Python可以被用来做哪些神奇好玩的事情如果你在周末.有WIFI的房间里不知道做什么,不如学下Python吧.有了它,你可以什么都不需要! 基础需求篇:温饱与空虚躺着赚钱一位匿名知乎网 ...
python能用来做什么有意思的事情-可以用 Python 编程语言做哪些神奇好玩的事情？...
目前的数据工作中,数据科学家使用最多的工具语言就是Python,排在第二的工具语言是R语言.但这里有一个有趣的现象,那就是同时使用Python或者R语言的人,推荐别人使用Python的却远高于R语言. ...
python有什么好玩的代码_可以用 Python 编程语言做哪些神奇好玩的事情？
Python作为一种应用极为广泛的语言,几乎在任何领域都能派上用场.想做Web有Flask/Django/Tornado:想做分布式有Celery:想做手机App有Kivy:想做数据分析有Pandas ...
可以用 Python 编程语言做哪些神奇好玩的事情？
[Python]作为一种应用极为广泛的语言,几乎在任何领域都能派上用场.想做Web有Flask / [Django] / Tornado:想做分布式有Celery:想做[手机][App]有 Kivy ...
Python可以做哪些神奇好玩的事情?
Python作为一种应用极为广泛的语言,几乎在任何领域都能派上用场.想做Web有Flask / Django / Tornado:想做分布式有Celery:想做手机App有 Kivy :想做数据分析有 ...
python能做什么有趣的东西-可以用 Python 做哪些神奇好玩的事情?
Python作为一种应用极为广泛的语言,几乎在任何领域都能派上用场.想做Web有Flask / Django / Tornado:想做分布式有Celery:想做手机App有 Kivy :想做数据分析有 ...
python用来做什么好_Python可以被用来做哪些神奇好玩的事情
如果你在周末.有WIFI的房间里不知道做什么,不如学下Python吧.有了它,你可以什么都不需要! 基础需求篇:温饱与空虚躺着赚钱一位匿名知乎网友爆料用Python写了自动化交易程序,2年躺着赚了 ...

python编程语言例子-可以用 Python 编程语言做哪些神奇好玩的事情？

python编程语言例子-可以用 Python 编程语言做哪些神奇好玩的事情？相关推荐

最新文章

热门文章