python处理期货数据_用python中的Pandas库实现一个商品期货网格策略
Pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
Pandas数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。
关于pandas的安装方法，这里不在赘述，在python环境下，一个简单的pip命令即可搞定，文档方面，请参阅它的官方网站：https://pandas.pydata.org
Pandas的数据结构
Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。
Time-Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel：三维的数组，可以理解为DataFrame的容器。
Panel4D：是像Panel一样的4维数据容器。
PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。
运用Pandas的强大特性来进行网格策略的编码
网格策略秉持的原则是“仓位策略比择时策略更重要”。其基本操作方式就是以某点为基点，每上涨戓下跌一定点数挂一定数量空单戓多单，设定盈利目标，但不设止损，当价格朝期望方向进展时获利平仓，并在原点位挂同样的买单戓卖单。这样布下的这些交易单形成了一张像鱼网样的阵列，在震荡的市场中来回获利。
本策略首先计算了过去300个价格数据的均值和标准差，并根据均值加减1和2个标准差得到网格的区间分界线，并分别配以0.3和0.5的仓位权重，然后根据价格所在的区间来配置仓位(+/-40为上下界,无实际意义):
(-40,-3],(-3,-2],(-2,2],(2,3],(3,40](具体价格等于均值+数字倍标准差)
第一步，我们需要引入策略代码中需要用到的库
importtypesimportnumpy as npimport pandas as pd
第二步，我们需要在发明者量化平台初始化合约数据，这个例子中，我们还是使用螺纹钢期货为例子。
definit():#订阅螺纹钢的2005合约，并且取得发明者量化平台当前周期的所有收盘价
exchange.SetContractType("rb2005")
records=exchange.GetRecords()
close_01=records.Close#获取网格区间分界线
context.band = np.mean(close_01) + np.array([-40, -3, -2, 2, 3, 40]) *np.std(close_01)#设置网格的仓位
context.weight = [0.5, 0.3, 0.0, 0.3, 0.5]
第三步，也是最重要的，我们开始编写策略逻辑和实现自动化交易
这里需要注意的是，我们需要用到发明者量化平台的国内商品期货模版，模版地址为：https://www.fmz.com/strategy/24288 各位在发明者量化策略编写页面进行编码时，需要把此模版先复制到自己的策略库，然后在回测时勾选上，这里请各位读者注意
策略逻辑与实现其自动化交易：
defonTick(context, bars):
obj= ext.NewPositionManager() #使用发明者量化交易类库
#此处用来获取持仓信息
positions = exchange.GetPosition() #获取持仓数组
if len(positions) == 0: #如果持仓数组的长度是0
return 0 #证明是空仓，返回0
for i in range(len(positions)): #遍历持仓数组
if (positions[i]['Type'] == PD_LONG) or (positions[i]['Type'] ==PD_LONG_YD):
position_long= 1 #将position_long标记为1
elif (positions[i]['Type'] == PD_SHORT) or (positions[i]['Type'] ==PD_SHORT_YD):
position_short= -1 #将position_short标记为-1
bar=bars[0]#根据价格落在(-40,-3],(-3,-2],(-2,2],(2,3],(3,40]的区间范围来获取最新收盘价所在的价格区间
grid = pd.cut([close_01], context.band, labels=[0, 1, 2, 3, 4])[0]#若无仓位且价格突破则按照设置好的区间开仓
if not position_long and not position_short and grid != 2:#大于3为在中间网格的上方,做多
if grid >= 3:
obj.OpenLong("rb2005", 1) #以市价单开多仓到仓位
if grid <= 1:
obj.OpenShort("rb2005", 1) #以市价单开空仓到仓位
#持有多仓的处理
elifposition_long:if grid >= 3:
obj.OpenLong("rb2005", 1) #以市价单调多仓到仓位
#等于2为在中间网格,平仓
elif grid == 2:
obj.closebuy("rb2005", 1) #以市价单全平多仓
#小于1为在中间网格的下方,做空
elif grid <= 1:
obj.closebuy("rb2005", 1) #以市价单全平多仓
obj.OpenShort("rb2005", 1) #以市价单开空仓到仓位
#持有空仓的处理
elifposition_short:#小于1为在中间网格的下方,做空
if grid <= 1:
obj.OpenShort("rb2005", 1) #以市价单调空仓到仓位
#等于2为在中间网格,平仓
elif grid == 2:
obj.closesell("rb2005", 1) #以市价单全平空仓
#大于3为在中间网格的上方,做多
elif grid >= 3:
obj.closesell("rb2005", 1) #以市价单全平空仓
obj.OpenLong("rb2005", 1) #以市价单开多仓到仓位
最后，我们用一个Main函数把策略跑起来。这里建议大家学会部署自己的托管者，即使在自己的电脑中本地部署，这样对于调试程序和回测交易逻辑来讲都有莫大的有益，特别是对于pandas这样的第三方库的安装，运用本地的anaconda环境管理软件来管理这些python库和环境将会起到事半功倍的效果。
以下是完整的策略代码：
importtypesimportnumpy as npimportpandas as pd#初始化合约数据
definit():#订阅螺纹钢的2005合约，并且取得发明者量化平台当前周期的所有收盘价
exchange.SetContractType("rb2005")
records=exchange.GetRecords()
close_01=records.Close#获取网格区间分界线
context.band = np.mean(close_01) + np.array([-40, -3, -2, 2, 3, 40]) *np.std(close_01)#设置网格的仓位
context.weight = [0.5, 0.3, 0.0, 0.3, 0.5]defonTick(context, bars):
obj= ext.NewPositionManager() #使用发明者量化交易类库
#此处用来获取持仓信息
positions = exchange.GetPosition() #获取持仓数组
if len(positions) == 0: #如果持仓数组的长度是0
return 0 #证明是空仓，返回0
for i in range(len(positions)): #遍历持仓数组
if (positions[i]['Type'] == PD_LONG) or (positions[i]['Type'] ==PD_LONG_YD):
position_long= 1 #将position_long标记为1
elif (positions[i]['Type'] == PD_SHORT) or (positions[i]['Type'] ==PD_SHORT_YD):
position_short= -1 #将position_short标记为-1
bar=bars[0]#根据价格落在(-40,-3],(-3,-2],(-2,2],(2,3],(3,40]的区间范围来获取最新收盘价所在的价格区间
grid = pd.cut([close_01], context.band, labels=[0, 1, 2, 3, 4])[0]#若无仓位且价格突破则按照设置好的区间开仓
if not position_long and not position_short and grid != 2:#大于3为在中间网格的上方,做多
if grid >= 3:
obj.OpenLong("rb2005", 1) #以市价单开多仓到仓位
if grid <= 1:
obj.OpenShort("rb2005", 1) #以市价单开空仓到仓位
#持有多仓的处理
elifposition_long:if grid >= 3:
obj.OpenLong("rb2005", 1) #以市价单调多仓到仓位
#等于2为在中间网格,平仓
elif grid == 2:
obj.closebuy("rb2005", 1) #以市价单全平多仓
#小于1为在中间网格的下方,做空
elif grid <= 1:
obj.closebuy("rb2005", 1) #以市价单全平多仓
obj.OpenShort("rb2005", 1) #以市价单开空仓到仓位
#持有空仓的处理
elifposition_short:#小于1为在中间网格的下方,做空
if grid <= 1:
obj.OpenShort("rb2005", 1) #以市价单调空仓到仓位
#等于2为在中间网格,平仓
elif grid == 2:
obj.closesell("rb2005", 1) #以市价单全平空仓
#大于3为在中间网格的上方,做多
elif grid >= 3:
obj.closesell("rb2005", 1) #以市价单全平空仓
obj.OpenLong("rb2005", 1) #以市价单开多仓到仓位
defmain():whileTrue:
onTick()
Sleep(1000)
python处理期货数据_用python中的Pandas库实现一个商品期货网格策略相关推荐
- python如何安装panda数据库_在Pycharm中安装Pandas库方法(简单易懂)
开发环境的搭建是一件入门比较头疼的事情,在上期的文稿基础上,增加一项Anaconda的安装介绍.Anaconda是Python的一个发行版本,安装好了Anaconda就相当于安装好了Python,并且 ...
- python处理行情数据_利用Python脚本来获取期货行情数据
因为自己最近在学习做期货交易,想要下载期货的行情数据来做分析.有一些交易软件是可以导出数据的,但是导出的过程还是需要很多的手工操作,自己在想能不能通过Python程序来实现呢. 新浪期货数据接口介绍 ...
- python处理期货数据_获取和讯期货数据（Python版本）
获取和讯期货数据(Python版本) 获取和讯期货数据(Python版本) Author: edwardgyw, Date: 2016-11-28 14:38:44 Tags: Python 扩展 商 ...
- python处理nc数据_利用python如何处理nc数据详解
利用python如何处理nc数据详解 来源:中文源码网 浏览: 次 日期:2018年9月2日 [下载文档: 利用python如何处理nc数据详解.txt ] (友情提示:右键点上行txt ...
- 用python处理文本数据_用Python读取几十万行文本数据
我在使用python读取几十万行的文件中的数据,并构造字典,列表等数据结构时,再访问字典,列表时,一般都会出现内存不够的问题,然后只能循环读取几百行或者一定数量的行数来循环操作. keyword_li ...
- python 读取wifi数据_通过Python实现WiFi测试数据分析
通过 Python 实现 WiFi 测试数据分析 周春宇 [期刊名称] <通信电源技术> [年 ( 卷 ), 期] 2020(037)006 [摘要] Python 是一种面向对象的解释型 ...
- python做面板数据_用Python做数据分析的基本步骤（持续修改更新）
一.环境搭建 数据分析最常见的环境是Anaconda+Jupyter notebook 二.导入包 2.1数据处理包导入 import numpy as np import pandas as pd ...
- 利用python进行数据分析数据_利用Python进行数据分析
1.注释以及在Subplot上绘图 除标准的图表对象之外,你可能还希望绘制一些自定义的注释(比如文本.箭头或其他图形等). 注释可以通过text.arrow和annotate等函数进行添加.text可 ...
- python读取游戏数据_利用Python对游戏销量进行数据分析
一.提出问题 1. 2005-2017年全球销量的top20的游戏是什么? 2. 2005-2017年各游戏生产商的销量对比,并使用堆叠柱状图进行可视化. 二.理解数据 数据大小:16599条 数据来 ...
最新文章
- python空类型-在Python中__________表示空类型。
- PHP 用each 和list配合 达到map的效果
- windows经典地雷小游戏(C语言实现)
- 知识图谱（六）——关系抽取
- 【动态规划】大厅安排 （ssl 1212）
- 一个第三方Dart库导致的编译错误！
- 智能互联网之数据存储实践
- 解决Ubuntu “E: 软件包 vim 还没有可供安装的候选者“问题
- oracle不显示表和过程,oracle表连接——处理连接过程中另外一张表没有相关数据不显示问题...
- python怎么打断点_Pycharm如何打断点的方法步骤
- 英特尔® 处理器显卡
- 实战经验总结：怎么避免和解决LinkedIn领英帐号被封（被限制登录）？
- vega56刷64_Vega56显卡怎么刷Bios VEGA56显卡刷Vega64方法
- Excel 设置数字以万为单位显示以更准确地表达数目
- 51单片机60秒倒计时 数码管显示
- leetcode加油站 Java
- cookie 、localStorage 和 sessionStorage 区别
- 上海亚商投顾：沪指低开高走 锂矿股午后大涨
- 超级AI大脑：全能型学习助理
- 优秀蓝牙耳机推荐，热销不错的四款蓝牙耳机推荐