Python量化交易学习笔记（20）—

本文主要记录保护点卖出策略，给买入的股票设立保护点，随着股票收盘价的提升，保护点不断提高，股价一旦跌破保护点，即卖出股票。

示例的买入条件为，5日线金叉60日线，且股价进行小幅回踩（较金叉日收盘价下跌1%）。卖出条件为，股价跌破保护点。保护点首先设置为买入当天收盘价减去一个资金回撤值（率），示例把回撤率设置为5%。后续如果股票的收盘价上升，则用新的收盘价更新保护点，如果股票的收盘价下跌，则保留原有保护点。回测初始资金100000元，单笔操作单位1000股，佣金千分之一，回测时间自2018年1月1日至2020年3月20日。

策略核心代码位于策略类的next方法中：

    def next(self):# 无场内资产if not self.position:# 未提交买单if None == self.order:# 金叉到达了买点if self.buy_con:# 计算订单有效期时间，如果超过有效期，股价仍未回踩，则放弃下买入订单valid = self.data.datetime.date(0)if self.p.buy_valid_date:valid = valid + datetime.timedelta(days=self.p.buy_valid_date)# 计算回踩后的买入价格price = self.datas[0].close[0] * (1.0 - self.p.buy_limit_percent)print('Buy order created: {}: close: {} / limit price: {} / valid: {}'.format(self.datetime.date(), self.datas[0].close[0], price, valid) )# 用有效时间及回踩买点提交买入订单self.order = self.buy(exectype = bt.Order.Limit, price = price, valid = valid)#o = self.buy()print('*' * 50)elif self.order is None:# 提交stoptrail订单self.order = self.sell(exectype=self.p.stoptype,trailamount=self.p.trailamount,trailpercent=self.p.trailpercent)

在买入时，程序中使用了backtrader的Limit类型订单，在Limit订单创建时，会设置一个price及有效日期valid，如果到达日期valid后，股价还没有匹配上price，订单就会被取消。匹配price包括两种情况：

如果开盘价低于price，那么订单就会用开盘价被立即执行
如果开盘价高于price，但是当日最低价低于price，那么订单将会以price的价格被执行
从Limit订单的描述可以看出，正好符合我们所说的股价回踩买入规则。

在卖出时，程序使用了backtrader的StopTrail订单，回撤可以用回撤值（trailamount）或者回撤率（trailpercent）来表示，这里我们选择用5%的回撤率来做回测。StopTrail将按下面的逻辑进行工作：

使用当日收盘价作为price值
price按照回撤率回撤计算后的价格，被作为触发价格（trigger price），即我们所说的保护点。比如price=100，trailpercent=5%，那么trigger price=100*(1-5%)=95
代理在下一根K线迭代计算时，会计算是否达到trigger price
如果达到trigger price，卖单将被执行
如果没有达到trigger price，那么trigger price将用当前的收盘价按照之前选定的回撤率进行重新计算
如果股价上涨，那么trigger price将会被更新为新的trigger price
如果估计不变或者下跌，那么trigger price不更新

从StopTrail订单的描述可以看出，保护点会随着股价的上升不断更新，不断提高，一旦股价跌破保护点，就会进行卖出，这样可以有效的保护我们的利润。同时可以看到，即使股价一直下跌，StopTrail订单也可以有效止损。

回测000001后的最终资产为102017.97元。

回测000002后的最终资产为103236.59元。

回测603999后的最终资产为99510.06元。

友情提示：本系列学习笔记只做数据分析，记录个人学习过程，不作为交易依据，盈亏自负。

保护点卖出策略代码：

# 创建策略
from __future__ import (absolute_import, division, print_function, unicode_literals)
import datetime  # 用于datetime对象操作
import os.path  # 用于管理路径
import sys  # 用于在argvTo[0]中找到脚本名称
import backtrader as bt # 引入backtrader框架class St(bt.Strategy):params = dict(buy_limit_percent = 0.01,buy_valid_date = 5,stoptype=bt.Order.StopTrail,trailamount=0.0,trailpercent=0.05,p_high_period = 5,p_fast = 5,p_slow = 60,)def __init__(self):slowSMA = bt.ind.SMA(period = self.p.p_slow)self.buy_con = bt.And(bt.ind.CrossUp(bt.ind.SMA(period = self.p.p_fast), slowSMA),#slowSMA == bt.ind.Highest(slowSMA, period = self.p.p_high_period, plot = False))self.order = Nonedef notify_order(self, order):if order.status in [order.Completed]:print('Completed order: {}: Order ref: {} / Type {} / Status {} '.format(self.data.datetime.date(0),order.ref, 'Buy' * order.isbuy() or 'Sell',order.getstatusname()))self.order = Noneif order.status in [order.Expired]:self.order = Noneprint('{}: Order ref: {} / Type {} / Status {}'.format(self.data.datetime.date(0),order.ref, 'Buy' * order.isbuy() or 'Sell',order.getstatusname()))def next(self):# 无场内资产if not self.position:# 未提交买单if None == self.order:# 金叉到达了买点if self.buy_con:# 计算订单有效期时间，如果超过有效期，股价仍未回踩，则放弃下买入订单valid = self.data.datetime.date(0)if self.p.buy_valid_date:valid = valid + datetime.timedelta(days=self.p.buy_valid_date)# 计算回踩后的买入价格price = self.datas[0].close[0] * (1.0 - self.p.buy_limit_percent)print('Buy order created: {}: close: {} / limit price: {} / valid: {}'.format(self.datetime.date(), self.datas[0].close[0], price, valid) )# 用有效时间及回踩买点提交买入订单self.order = self.buy(exectype = bt.Order.Limit, price = price, valid = valid)#o = self.buy()print('*' * 50)elif self.order is None:# 提交stoptrail订单self.order = self.sell(exectype=self.p.stoptype,trailamount=self.p.trailamount,trailpercent=self.p.trailpercent)if self.p.trailamount:tcheck = self.data.close - self.p.trailamountelse:tcheck = self.data.close * (1.0 - self.p.trailpercent)print('Sell stoptrail order created: {}: \close： {} /  \Limit price: {} / check price {}'.format(self.datetime.date(), self.data.close[0],self.order.created.price, tcheck))print('-' * 10)else:if self.p.trailamount:tcheck = self.data.close - self.p.trailamountelse:tcheck = self.data.close * (1.0 - self.p.trailpercent)print('update limit price: {}: \close： {} /  \Limit price: {} / check price {}'.format(self.datetime.date(), self.data.close[0],self.order.created.price, tcheck))cerebro = bt.Cerebro()  # 创建cerebro
# 先找到脚本的位置，然后根据脚本与数据的相对路径关系找到数据位置
# 这样脚本从任意地方被调用，都可以正确地访问到数据
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, '../TQDat/day/stk/603999.csv')
# 创建价格数据
data = bt.feeds.GenericCSVData(dataname = datapath,fromdate = datetime.datetime(2018, 1, 1),todate = datetime.datetime(2020, 3, 31),nullvalue = 0.0,dtformat = ('%Y-%m-%d'),datetime = 0,open = 1,high = 2,low = 3,close = 4,volume = 5,openinterest = -1)
# 在Cerebro中添加价格数据
cerebro.adddata(data)
# 设置启动资金
cerebro.broker.setcash(100000.0)
# 设置交易单位大小
cerebro.addsizer(bt.sizers.FixedSize, stake = 1000)
# 设置佣金为千分之一
cerebro.broker.setcommission(commission=0.001)
cerebro.addstrategy(St)  # 添加策略
cerebro.run()  # 遍历所有数据
# 打印最后结果
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.plot(style = 'candlestick')  # 绘图

为了便于相互交流学习，新建了微信群，感兴趣的读者请加微信。

Python量化交易学习笔记（20）——保护点卖出策略相关推荐

Python量化交易学习笔记（14）——均线交叉策略
本文使用均线交叉策略,对平安银行自2018年1月1日至2020年2月28日的日线数据进行回测分析. 策略会用到短期移动均线及长期移动均线两个技术指标,在backtrader自定义策略init方法中,添 ...
Python量化交易学习笔记（1）
Python量化交易学习笔记(1) http://zwpython.com/ http://www.topquant.vip/?p=2275 [更多参见] <zwPython,目前最好的py开发 ...
Python量化交易学习笔记（19）——连续下跌买入止盈止损卖出策略
好友提出要验证连续下跌买入止盈止损卖出策略,本文对该策略回测和实现做分析记录. 买入条件中,连续下跌定义为收盘价连续4日低于前1日的收盘价.卖出条件中,止盈率设置为10%,止损率设置为5%.回测初始资 ...
Python量化交易学习笔记（18）——放量突破布林线中轨买入策略
本文将探索新的策略回测程序,主要是为了尝试不同的技术指标在backtrader平台上的应用,为后续复杂策略的实现做准备. 本文将实现的策略是,当股票放量突破布林线中轨时进行买入,当股票收盘价低于短期均 ...
Python量化交易学习笔记（33）——backtrader仓位管理
本文将对backtrader的仓位管理进行介绍,具体以同时回测交易3只股票为例,查看每日仓位情况. 策略买入条件:5日线金叉60日线卖出条件:5日线死叉60日线示例仓位信息输出的核心代码位于策 ...
Python量化交易学习笔记（36）——backtrader多股回测避坑3
本文继续记录多股回测时可能遇到的异常情况. 坑描述多股回测时,当日期达到所有股票的技术指标都能够计算出有效值后,backtrader才开始进行回测.由于这种逻辑的存在,如果某些股票在回测周期的最后几 ...
Python量化交易学习笔记（25）——Data Feeds扩展
背景:需要扩展data feeds的场景在backtrader中,data feeds中包含了被普遍认为是业界标准的几个字段: datetime open high low close volume ...
Python量化交易学习笔记（21）——A股股票列表更新
在zwPython2020中,股票数据下载更新时,所读取的股票列表文件的目录位置为"zwPython\TQDat\TQDown2020v1\data\tq_wrk_code.csv" ...
Python量化交易学习笔记（46）——通达信日线数据获取
序从2020年初开始接触量化,马上就要满一年了.在这一年里,想过去做量化,想过去做机器学习,想过去做少儿编程教育.就这样大概折腾了小半年时间,最后在CSDN上看到这样一句话:"你把时间投在 ...

Python量化交易学习笔记（20）——保护点卖出策略

Python量化交易学习笔记（20）——保护点卖出策略相关推荐

最新文章

热门文章