基于python的螺纹钢28分钟策略
自己的一个小团队， 用python从头到尾搭了一个交易平台， 从数据到回测，到模拟仿真到实盘交易， 折腾了大半年， 基本该填的坑都填上了。 小团队做自动化交易，不容易，跟大家分享一下:
先别想着策略， 先把平台搭好。 最好的平台，还是自己搭的平台。为啥？你自己得对里面的所有细节有把握， 自己做一遍最清楚。 同时未来想扩展， 自己可以改。 人家做的好系统， 一方面是不会给你用的， 另一方面或多或少很多地方是跟你的要求不相符合的。
先可以试试用掘金量化的平台， 有免费版， 不能交易， 可以实盘模拟。 平台做的不错， 能想到的，人家都想到了。 我们玩儿熟了， 然后做了自己的python平台， 很多地方参考了掘金找一个开源的项目， zipline， algotrader什么的， 作为开发的基础。 原则是， 第一这个项目一定要active， 有人一直在维护， 里面的功能设计要全面， 同时可扩展性强。有一天你要增加新的功能的时候， 就会发现当初选用一个很难扩展的框架是多痛苦。 第二就是性能， 你要用这个系统来做回测， 一定要快快快!!! 一个策略， 从想法诞生， 到测试买入卖出点的合理性， 到你开始样本外的移动测试， 蒙特卡洛模拟， 单就一个策略idea， 你起码测试10-100K次。 如果你要把这个idea不断演化， 回测测试起码再乘上个n倍吧。 如果一次回测超过半分钟， 你自己算算测一个策略要多久吧 。 结果是， 我们自己做了3个回测系统： 初级回测系统基于vectorized的方法， 忽略一些复杂交易要素，极大提高运算速度。回测速度在秒级（针对>100K数据点）。 中级回测系统考虑了所有交易要素， 模拟精准度很高， 回测速度在分钟级， 主要用于筛选过后的策略。 最后高级回测系统其实就是交易系统， 可以用历史数据回测， 或者直接切换到实盘。 这个主要用于模拟实盘交易跟踪策略。 我们的策略可以用简易的脚本构建 ，可以在3个回测系统里面自如的切换
实盘交易系统： 这个其实没有必要说太多， 前面的回测系统做好了， 才是第一步。 基于世面上有的CTP接口， 就可以搭一个实盘交易系统。 问题是， 一定要确保几件事儿。 1. 你的回测系统跟交易系统的误差要小， 要极小。 抛开下单成交问题， 两个系统所有的单据， 统计， 买卖点触发时间， 等等这些地方， 一定要一致。 这些可以缩减的误差一定要去除。 2. 成交， 模拟环境不可能达到实际交易情况， 如果你用限价单，止损单的话， 在模拟情况下成交，在真实情况为未必成交。 我们的回测系统要尽可能贴近交易系统。
数据： 是个大坑。 1分钟bar历史数据， 大家可以去交易开拓者上下载， 免费而且质量很好。 实时数据我们一直自己在下载着， tick数据生成bar数据， 里面的小坑无数。 不过细心解决不是大问题。我们自己实时生成的1分钟bar数据跟开拓者的一致，。
交易回测系统的基础打好了， 问题没有了。 我们才能慢慢开始做策略系统， 做风控系统。
给大家上一个我最近做的螺纹钢策略吧： 基于28分钟bar， 历史回测结果很好。 移动窗口优化分析结果比全样本内优化还好，为啥呢？因为这个策略几乎没有参数。 策略基本概念是基于区间突破， 当前close突破n天前的均值+m倍的标准差，就long或short。加了一个过滤器，CCI >0。 然后利用移动止损， n天前的ATR。 策略的概念其实很简单， 核心是回望窗口n天。 n不是固定值， 是实时根据当前市场的状态（波动性等等）计算的。 为啥用28分钟，不用30分钟， 或者20分钟？ 我们发现螺纹钢到30分钟，1小时的时候波动很大， 应该有不少专门针对自动化交易（通常在30分钟，1小时出触发买卖交易）的特性， 拉动市场造成自动化交易止损，然后价格马上平复（我们过去吃了不少亏， 几个策略都是在这些时候被止损了）。只交易一手螺纹钢， 最大回撤2602块。 如果按照一手最大手续费3000， 加上2倍最大回撤5200， 本金需要大约8500块。 从2009到2016一共7.5年， 净收益75531， 900%收益。 交易次数不算频繁， 平均3天一次交易， 一次交易2天左右。 所以手续费不算大。
当然， 如果考虑到Position sizing， 这个策略收益可以放大很多， 当然风险也就很高了。大家都懂的。
策略2017年1月开始实盘交易（做了一手， 留出1万元本金），到3月2日， 净收益1590元， 以1万元本金记， 15.9%的收益（一共5周， 12次交易， 8次盈利）。 未来会陆续定期贴出该策略的实盘表现。
基于python的螺纹钢28分钟策略相关推荐
- 基于Python的基金定投分析: 通过获取过去10年的股市数据分析基金定投的收益率。
视频:基于python的基金定投以及优化定投策略-jupyter_哔哩哔哩_bilibili ## 基于Python的基金定投分析 通过获取过去10年的股市数据分析基金定投的收益率. #### 首先, ...
- vnpy框架的策略开发和回测逻辑详解---以螺纹钢主力合约的R-breaker日内策略为例
笔者之前写过一篇关于vnpy的简单介绍和安装方法,本篇文章的目的是简单介绍vnpy的框架,然后详细介绍一下如何用vnpy开发自己的量化策略以及整个的回测逻辑是怎么样的.只有我们真的搞清楚了框架结构和相 ...
- 某策略游戏公测期运营情况分析报告-基于python
某策略游戏测试阶段运营情况分析报告-基于python 背景 了解数据 字段含义 加载必要的库 读取数据 查看数据类型和数据结构 统计缺失值 删除重复数据 游戏总体情况 注册人数变化 活跃用户数变化 活 ...
- Python实现基于动态时间规整的股市交易策略测试
Python实现基于动态时间规整的股市交易策略测试 一.策略简介 二.策略原理 三.代码实现 四.测试策略 五.完整代码 一.策略简介 该项目采用Python语言,利用动态时间规整算法对沪深300市场 ...
- python 策略回测期货_量化投资实战教程(1)—基于backtrader的简单买入卖出策略
都说Python可以用于量化投资,但是很多人都不知道该怎么做,甚至觉得是非常高深的知识,其实并非如此,任何人都可以在只有一点Python的基础上回测一个简单的策略. Backtrader是一个基于Py ...
- 期货策略matlab,code 一个利用MATLAB编写的螺纹钢期货高频交易套利策略 联合开发网 - pudn.com...
code 所属分类:金融证券系统 开发工具:matlab 文件大小:506KB 下载次数:398 上传日期:2013-10-09 14:14:53 上 传 者:huangxiao 说明: 一个利用M ...
- 基于Python量化策略牛市行情下的盈利与风险策略管理
基于Python量化策略 牛市行情下的盈利与风险策略管理 牛市行情下的盈利策略与风险管理 1 项目背景 2 数据探索 2.1 数据获取 2.2 数据处理与分析 3 盈利策略量化建模与风险管理 3.1 ...
- 【组队学习】【28期】基于Python的会员数据化运营
基于Python的会员数据化运营 论坛版块: http://datawhale.club/c/team-learning/37-category/37 开源内容: https://github.com ...
- 基于python的数据爬取与分析_基于Python的网站数据爬取与分析的技术实现策略
欧阳元东 摘要:Python为网页数据爬取和数据分析提供了很多工具包.基于Python的BeautifulSoup可以快速高效地爬取网站数据,Pandas工具能方便灵活地清洗分析数据,调用Python ...
最新文章
- python 爬取道客巴巴文档_Python常用的几个高效率的爬虫框架
- 使用GNS3简单模拟帧中继环境
- Andriod 破解之道（一）
- markdown基础语法整理
- std::map用法
- Python第五天 文件访问 for循环访问文件 while循环访问文件 字符串的startswith函数和split函数 linecache模块...
- DevOps组织中应用架构师的新定位与实践
- 如果程序员面试时，大家都说真话会怎么样？画面过于真实....
- sas数据集怎么导出_SAS学习--导入导出文件、拼表、数据集筛选
- matlab feedforward,Matlab BP神经网络工具箱之feedforwardnet使用小结
- java字符串下标替换_java字符串下标替换
- 矩阵乘法c语言 2*3,2*3和2*2矩阵乘法公式
- S1200和博途软件通讯测试,S7-1200博途和组态王软件通讯（高端培训）.pdf
- 深度搜索(DFS) 和 广度搜索(BFS)
- 解决Minimum supported Gradle version is 4.6. Current version is
- SQL题目练习---三表联查
- HEVC学习-帧内预测-initAdiPattern函数
- fedora34 不显示桌面图标
- 韶音骨传导耳机好用吗？韶音和南卡骨传导耳机对比实测
- clang: error: no input files_微软商城上架Windows文件管理器：Files-UWP体验