阻力支撑指标RSRS策略：光大证券研报复现

昨天我们已经计算好了RSRS指标策略，今天把光大证券的研报复现一下。

由于计算比较耗时，我们会把计算的中间结果的dataframe保存下来。

我们使用hdf5保留数据结果，这里有一个小tip，有点奇怪。

我使用put的时候，使用的key，在判断是否存在于store.keys()里，需要变成“/key”。

store = pd.HDFStore('cache.h5')
key_to_store = 'cached_df'
if '/' + key_to_store in store.keys():df = store.get(key=key_to_store)

然后开始调整我们的策略。

轮动策略，我们是有策略模板的，并不需要从头开发。

class StrategyRolling(Strategy):def __init__(self, name, params={}):algo_list = [SelectBySignal(signal_buy=params['signal_buy'],signal_sell=params['signal_sell']),SelectTopK(K=params['K'], col=params['sort_by']),WeightEqually()]super(StrategyRolling, self).__init__(name,algo_list=algo_list)

我们的交易信号就是RSRS>1时买入，RSRS<0.8时卖出。

df['to_buy'] = df['RSRS'] > 1
df['to_sell'] =df['RSRS'] < 0.8

SelectBySignal会根据上述信号把复合条件的标的列表选择出来，SelectTopK按sort_by进行排序，选前面K个，然后等权计算权重。

值得一提的是：SelectBySignal有可能空仓的情况。这里需要分两种情况讨论，若原来有持仓，现在空仓，那相当于是清仓。若原来也是空仓，则不需要有动作。

对于这个算子而言，只负责给出signal给出的证券列表——已持仓+信号指标买入-信号指标卖出，不做额外判断。SelectTopK遇空仓时，直接跳过。

年化23.5%，夏普比1.16，只用了一个指标。

但是更加气人的是，只需要用“20日动量”这一个指标，就可以完胜RSRS。

年化达到30%，而且最大回撤更小，动量策略着实一直有效。

那如果把这些指标，揉在一起搁到机器学习模型里，会发生什么样的化合反应呢，这个我也很期待。

我们的策略依然很简单，只是计算了两列信号罢了。

df['to_buy_momentum'] = df['20日动量'] >= 0.08
df['to_sell_momentum'] = df['20日动量'] < 0.0

task_momentum = {

'name': '三大指数-20日动量轮动',
'strategy': 'rolling',
'params': {
'signal_buy': 'to_buy_momentum',
'signal_sell': 'to_sell_momentum',
'K': 1,
'sort_by': '20日动量'
}
}

策略还需要精细化的观察，调优与分析，所以一个良好体验的交互平台必不可少。

之前有一个待定的事宜，就是关于bokeh vs plotly选型的问题，结论是需要使用plotly。

由于wxpython里使用ie7的内核，使用代码可以修改为IE11。
恰好不兼容bokeh的html显示。修改为ie11之后，pyecharts/plotly都没有问题。plotly+dash同样可以实现交互式。
而在量化系统中，这个主要用于多图表显示，交互相对少一些。

需要系统启动时修改注册表：

self.key = _winreg.OpenKey(_winreg.HKEY_CURRENT_USER,r"SOFTWARE\Microsoft\Internet Explorer\Main\FeatureControl\FEATURE_BROWSER_EMULATION",0, _winreg.KEY_ALL_ACCESS)
try:# 设置注册表python.exe 值为 11000(IE11)_winreg.SetValueEx(self.key, 'python.exe', 0, _winreg.REG_DWORD, 0x00002af8)
except:# 设置出现错误print('error in set value!')
self.browser = wx.html2.WebView.New(self, style=0)

所以结论是，使用plotly + wxpython。

今天把动量轮动与基于RSRS指标的轮动都实现了，明天要把这些指标整合到机器学习模型里去。

阻力支撑指标RSRS策略：光大证券研报复现相关推荐

【每周研报复现】基于阻力支撑相对强度（RSRS）的市场择时
原创文章第106篇,专注"个人成长与财富自由.世界运作的逻辑, AI量化投资". 今天要复现的研报是:"光大证券_金融工程深度:基于阻力支撑相对强度(RSRS)的市场择时 ...
研报复现系列（二）：【光大证券】基于阻力支撑相对强度（RSRS）的市场择时
1.研报概述本文是券商金工研报复现系列的第二篇,文本复现了[光大证券]的[基于阻力支撑相对强度(RSRS)的市场择时]. 阻力位与支撑位传统的应用方法一般是选取特定的阻力位.支撑位作为阈值来进行突破 ...
研报复现系列（五）【光大证券】放量恰是入市时：成交量择时初探
前言我们是国内普通高校的在校学生,同时也是量化投资的初学者.我们的学校不是清北复交,也没有金融工程实验室,同时地处三线小城,因此我们在校期间较难获得量化实习机会,但我们期待与业界进行沟通.交流. 蔡 ...
研报复现系列（三）：【东莞证券】股吧里说了什么？——基于文本舆情构建股市情绪指标
1.研报概述本文是研报复现系列的第三篇,本文复现了[东莞证券]的研报[股吧里说了什么?--基于文本舆情构建股市情绪指标] 该研报试图利用文本情感分析,通过统计情绪词,将股民的评论进行情感分析,联系情 ...
精英任务 | 第二期券商研报复现挑战赛
你是否不知道该如何在量化投资的路上继续向前? 你是否还在苦于没有研究的思路和方向? 你是否还在纠结几千份研报中,到底该去看哪一个? 研报复现第二期来啦,快来参加吧~ 我们从大量的研报中筛选出有意思的研 ...
券商研报复现挑战赛|回望来时路,砥砺再出发
第一期的研报复现大赛已经落下帷幕啦~ 再次感谢朋友们的踊跃参与和大力支持~ 所有的匍匐都只是高高跃起前的热身, 第二期的赛事即将开启,我们期待您的参与! 第一期研报复现结果回顾第一期研报复现比赛已经 ...
研报复现系列（一）：【方正证券】跟踪聪明钱：从分钟行情数据到选股因子
1.研报概述本文是研报复现系列的第一篇,文本复现了[方正证券]的研报[跟踪聪明钱:从分钟行情数据到选股因子]. 该研报尝试从分钟行情数据中挖掘出那些聪明人(即机构)所做的交易,称为"聪明钱 ...
Vitu研报复现挑战，来了解一下
传统金融里,券商每年都会产生大量有价值的研报,互联网的普及更是让我们每一个人都可以阅读到其内容. 在做投资决策前,我们需要信任这些研究,那么我们必须能够复现它.所以Vitu.AI正在通过可复现性挑战鼓 ...
精英任务 | 券商研报复现挑战赛
你是否不知道该如何在量化投资的路上继续向前? 你是否还在苦于没有研究的思路和方向? 你是否还在纠结几千份研报中,到底该去看哪一个? 来参加聚宽的精英任务吧~ 我们从大量的研报中筛选出了有意思的内容,来 ...

阻力支撑指标RSRS策略：光大证券研报复现

阻力支撑指标RSRS策略：光大证券研报复现相关推荐

最新文章

热门文章