GitHub：https://github.com/enigmampc/catalyst
官方文档：https://enigma.co/catalyst/index.html
参考视频：网易云课堂《从零搭建数字货币量化交易系统》
系统环境：macOS High Sierra 10.13.6

这篇我们在Catalyst的官方示例dual_moving_average.py的基础上研究双均线策略。

一. 策略要点

1. 短期移动均线上穿长期移动均线，买入

2. 短期移动均线下穿长期移动均线，卖出

如图所示（注意：绿涨红跌，这是国际惯例）：

3. 买入和卖出的时机（交易逻辑）

如图所示：第一根K线的短周期均线在长周期均线下方，第二根K线的短周期均线上穿长周期均线，当且仅当第二根K线结束我们才能确认这个买点形成，在catalyst中，我们可以在第二根K线结束时买入。

二. 代码详解

1. 常数设置和程序初始化

这里我们用bitfinex交易所的BCH/USD交易对，注意：BCH在bitfinex交易所的名称是BAB，所以symbol是bab_usd

NAMESPACE = 'dual_moving_average'
log = Logger(NAMESPACE)
SIGNAL_BUY = 'buy'  # 买入信号
SIGNAL_SELL = 'sell'  # 卖出信号
SIGNAL_INIT = ''  # 观望信号
SHORT_WIN = 5  # 短周期窗口
LONG_WIN = 20  # 长周期窗口def initialize(context):"""初始化"""context.i = 0  # 经历过的交易周期context.asset = symbol('bab_usd')  # 交易对context.base_price = None  # 初始价格context.signal = SIGNAL_INIT  # 交易信号

2. 策略实现

def handle_data(context, data):# 经历过的交易周期大于长周期均线窗口才开始计算context.i += 1if context.i < LONG_WIN + 1:return# 获取历史数据，返回serieshistory_data = data.history(context.asset,'close',bar_count=LONG_WIN + 1,frequency="1D",)# 获取当前持仓数量pos_amount = context.portfolio.positions[context.asset].amount# 计算双均线"""pandas.Series.mean: Return the mean of the values for the requested axis.scalar or Series (if level specified)pandas.Rolling.mean: Calculate the rolling mean of the values.Returned object type is determined by the caller of the rolling calculation."""short_avgs = history_data.rolling(window=SHORT_WIN).mean()long_avgs = history_data.rolling(window=LONG_WIN).mean()# 策略逻辑# 短期均线上穿长期均线，买入if (short_avgs[-2]) < (long_avgs[-2]) and (short_avgs[-1]) >= (long_avgs[-1]) and pos_amount == 0:# target买入百分比，1代表买入100%，0.5代表买入50%，0代表卖出order_target_percent(asset=context.asset, target=1)# 设置交易信号为买入context.signal = SIGNAL_BUY# 短期均线下穿长期均线，卖出if (short_avgs[-2] > long_avgs[-2]) and (short_avgs[-1]) <= (long_avgs[-1]) and pos_amount > 0:# target买入百分比，1代表买入100%，0.5代表买入50%，0代表卖出order_target_percent(asset=context.asset, target=0)# 设置交易信号为卖出context.signal = SIGNAL_SELL# 获取当前价格price = data.current(context.asset, 'price')# 如果初始价格没设置，把当前的价格设置为初始价格if context.base_price is None:context.base_price = price# 计算价格变化百分比，作为基准price_change = (price - context.base_price) / context.base_price# 记录每个交易周期的信息record(price=price,  # 价格cash=context.portfolio.cash,  # 现金price_change=price_change,  # 价格变化率short_mavg=short_avgs[-1],  # 短期均线long_mavg=long_avgs[-1],  # 长期均线signal=context.signal)  # 交易信号# 输出信息print('日期：{}, 价格：{:.4f}, 资产：{:.2f}, 持仓量：{:.8f}, {}'.format(data.current_dt, price, context.portfolio.portfolio_value, pos_amount, context.signal))# 重置交易信号context.signal = SIGNAL_INIT

3. 策略分析和可视化

def analyze(context, perf):# 保存交易记录perf.to_csv('performance.csv')# 获取计价货币（USDT）exchange = list(context.exchanges.values())[0]quote_currency = exchange.quote_currency.upper()# 图1：输出资产值ax1 = plt.subplot(411)perf.loc[:, ['portfolio_value']].plot(ax=ax1)# ax1.legend_.remove()# 设置y轴ax1.set_ylabel('Portfolio Value\n({})'.format(quote_currency))# 设置区间start, end = ax1.get_ylim()# 设置刻度ax1.yaxis.set_ticks(np.arange(start, end, (end - start) / 5))# 图2：输出资产货币价格、移动均线和买卖点ax2 = plt.subplot(412, sharex=ax1)# perf[['price', 'short_mavg', 'long_mavg']].plot(ax=ax2)perf.loc[:, ['price', 'short_mavg', 'long_mavg']].plot(ax=ax2)# ax2.legend_.remove()ax2.set_ylabel('{asset}\n({quote})'.format(asset=context.asset.symbol,quote=quote_currency))start, end = ax2.get_ylim()ax2.yaxis.set_ticks(np.arange(start, end, (end - start) / 5))# 提取交易时间点transaction_df = extract_transactions(perf)  # 交易dataframeif not transaction_df.empty:buy_df = transaction_df[transaction_df['amount'] > 0]  # 取到amount>0，买入点sell_df = transaction_df[transaction_df['amount'] < 0]  # 取到amount<0，卖出点ax2.scatter(buy_df.index.to_pydatetime(),perf.loc[buy_df.index, 'price'],  # 找到indexmarker='^',s=100,c='green',label='')ax2.scatter(sell_df.index.to_pydatetime(),perf.loc[sell_df.index, 'price'],marker='v',s=100,c='red',label='')# 图3：比较价格变化率和资产变化率（即比较策略收益率和基准收益率）ax3 = plt.subplot(413, sharex=ax1)perf.loc[:, ['algorithm_period_return', 'price_change']].plot(ax=ax3)# ax3.legend_.remove()ax3.set_ylabel('Percent Change')start, end = ax3.get_ylim()ax3.yaxis.set_ticks(np.arange(start, end, (end - start) / 5))# 图4：现金数量ax4 = plt.subplot(414, sharex=ax1)perf.cash.plot(ax=ax4)ax4.set_ylabel('Cash\n({})'.format(quote_currency))start, end = ax4.get_ylim()ax4.yaxis.set_ticks(np.arange(0, end, end / 5))plt.show()

4. 主函数

因为BCH是在2018年11月13日上币的，所以开始时间选择这天。

if __name__ == '__main__':run_algorithm(capital_base=1000,data_frequency='daily',initialize=initialize,handle_data=handle_data,analyze=analyze,exchange_name='bitfinex',algo_namespace=NAMESPACE,quote_currency='usd',start=pd.to_datetime('2018-11-13', utc=True),end=pd.to_datetime('2019-10-16', utc=True),)

5. 运行程序

首先导入数据：

catalyst ingest-exchange -x bitfinex -i bab_usd -f daily

运行程序：

可以看到，在2018年12月20日有买入信号，就是前文给出买点的那个图。

6. 输出图像

第一个图是持有BCH资产的价值走势
第二个图中绿色三角形代表买入点，红色三角形代表卖出点
第三个图是策略收益与基准收益的对比
第四个图是现金变动情况

开源量化框架Catalyst中文教程（3）——双均线策略相关推荐

Python量化交易实战-38使用开源项目回测双均线策略
B站配套视频教程观看使用PyAlgoTrade回测双均线策略双均线策略:长短周期均线,通过金叉,死叉的方式买入卖出股票,获取收益的策略. 回顾上节课代码的部分,上节课完成了可视化代码的部分, 主要 ...
双均线策略(期货)——Python量化
双均线策略目录双均线策略 1. 原理均线的"前世今生" 均线理论为什么有效? 均线理论的缺陷均线理论的改进 2. 策略逻辑 3. 策略代码 4. 回测结果与稳健性分析 1. ...
python量化双均线策略（金叉死叉）
#小策略,策略逻辑是在金叉时候买进,死叉时候卖出,所谓金叉死叉是两条均线的交叉,当短期均线上穿长期均线为金叉,反之为死叉 #下面是策略代码及结构 # 导入函数库 from jqdata import ...
量化交易入门----双均线策略
本文采用了聚宽平台接口进行量化策略设置: 一.效果图双均线策略:双均线策略,当五日均线位于十日均线上方则买入,反之卖出. 二.证券知识: 策略收益(Total Returns) 最容易理解的一个概念 ...
Python量化交易02——双均线策略（移动平均线）
参考书目:深入浅出Python量化交易实战本次带来最经典的交易策略,双均线策略的构建和其回测方法. 双均线一般采用5天均值和10天均值,如果5日均线上穿突破了10日均线,说明股价在最近的涨势很猛,买 ...
量化双均线策略：（二）判断买入卖出信号
上篇已经介绍了data的获取,此篇介绍ma5与ma10的双均线策略具体实现.双均线策略是一个趋势策略,基本思路是金叉买入,死叉卖出,也就是当ma5向上穿过ma10时,则买入,向下穿过ma10时,则卖出 ...
python双均线策略，当五日均线位于十日均线上方则买入，反之卖出。（聚宽量化平台使用）
''' ** python双均线策略,当五日均线位于十日均线上方则买入,反之卖出.(聚宽量化平台使用) ** ''' 初始化函数,设定要操作的股票.基准等等 def initialize(contex ...
Python量化交易策略--双均线策略及代码
双均线策略是比较经典的策略,股票的价格均线是投资参考的重要指标.均线有快线和慢线之分,当快线向上穿过慢线则是金叉,一般执行买入操作,当快线向下穿过慢线时则形成死叉,一般执行卖出操作.基于这个基本思路, ...
量化策略初探——使用tushare进行沪深300ETF双均线策略
使用tushare采集沪深300ETF数据,并对沪深300ETF采用简单移动平均.指数移动平均.进行双均线策略,最后使用backtrader进行回测. 一.基本概念双均线策略:运用两条不同周期的移动 ...

开源量化框架Catalyst中文教程（3）——双均线策略