聚宽量化交易-入门篇(海龟交易法则)

================================================================================
总体回测前
================================================================================#总体回测前要做的事情
def initialize(context):set_params()        #1设置策参数set_variables()     #2设置中间变量set_backtest()      #3设置回测条件#1
#设置策略参数
def set_params():g.security = '000063.XSHE'# 系统1入市的trailing dateg.short_in_date = 20# 系统2入市的trailing dateg.long_in_date = 55# 系统1 exiting market trailing dateg.short_out_date = 10# 系统2 exiting market trailing dateg.long_out_date = 20# g.dollars_per_share是标的股票每波动一个最小单位，1手股票的总价格变化量。# 在国内最小变化量是0.01元，所以就是0.01×100=1g.dollars_per_share = 1# 可承受的最大损失率g.loss = 0.1# 若超过最大损失率，则调整率为：g.adjust = 0.8# 计算N值的天数g.number_days = 20# 最大允许单元g.unit_limit = 4# 系统1所配金额占总金额比例g.ratio = 0.8#2
#设置中间变量
def set_variables():# 初始单元g.unit = 1000# A list storing info of Ng.N = []# Record the number of days for this trading systemg.days = 0# 系统1的突破价格g.break_price1 = 0# 系统2的突破价格g.break_price2 = 0# 系统1建的仓数g.sys1 = 0# 系统2建的仓数g.sys2 = 0# 系统1执行且系统2不执行g.system1 = True#3
#设置回测条件
def set_backtest():# 作为判断策略好坏和一系列风险值计算的基准set_benchmark(g.security)set_option('use_real_price',True) #用真实价格交易log.set_level('order','error') # 设置报错等级================================================================================
每天开盘前
================================================================================
'''
#每天开盘前要做的事情
def before_trading_start(context):set_slip_fee(context) #4 根据不同的时间段设置滑点与手续费
def set_slip_fee(context):# 将滑点设置为0set_slippage(FixedSlippage(0)) # 根据不同的时间段设置手续费dt=context.current_dtif dt>datetime.datetime(2013,1, 1):set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0013, min_cost=5)) elif dt>datetime.datetime(2011,1, 1):set_commission(PerTrade(buy_cost=0.001, sell_cost=0.002, min_cost=5))elif dt>datetime.datetime(2009,1, 1):set_commission(PerTrade(buy_cost=0.002, sell_cost=0.003, min_cost=5))else:set_commission(PerTrade(buy_cost=0.003, sell_cost=0.004, min_cost=5))================================================================================
每天交易时
================================================================================
# 按分钟回测
def handle_data(context, data):dt = context.current_dt # 当前日期current_price = data[g.security].price # 当前价格Nif dt.hour==9 and dt.minute==30:g.days += 1calculate_N() #计算N的值if g.days > g.number_days:# 当前持有的股票和现金的总价值value = context.portfolio.portfolio_value# 可花费的现金cash = context.portfolio.cash if g.sys1 == 0 and g.sys2 == 0:# 若损失率大于g.loss，则调整（减小）可持有现金和总价值if value < (1-g.loss)*context.portfolio.starting_cash:cash *= g.adjustvalue *= g.adjust# 计算美元波动的价格dollar_volatility = g.dollars_per_share*(g.N)[-1]# 依本策略，计算买卖的单位g.unit = value*0.01/dollar_volatility# 系统1的操作g.system1 = Trueif g.sys1 == 0:market_in(current_price, g.ratio*cash, g.short_in_date)else:stop_loss(current_price)market_add(current_price, g.ratio*cash, g.short_in_date)    market_out(current_price, g.short_out_date)# 系统2的操作g.system1 == Falseif g.sys2==0:market_in(current_price, (1-g.ratio)*cash, g.long_in_date)else:stop_loss(current_price)market_add(current_price, (1-g.ratio)*cash, g.long_in_date)market_out(current_price, g.long_out_date)   #5
# 计算当前N的值
# 输入：none
# 输出：N的值的更新列表-list类型
def calculate_N():# 如果交易天数小于等于20天if g.days <= g.number_days:price = attribute_history(g.security, g.days, '1d',('high','low','pre_close'))lst = []for i in range(0, g.days):h_l = price['high'][i]-price['low'][i]h_c = price['high'][i]-price['pre_close'][i]c_l = price['pre_close'][i]-price['low'][i]# 计算 True RangeTrue_Range = max(h_l, h_c, c_l)lst.append(True_Range)# 计算前g.days（小于等于20）天的True_Range平均值，即当前N的值：current_N = np.mean(np.array(lst))(g.N).append(current_N)# 如果交易天数超过20天else:price = attribute_history(g.security, 1, '1d',('high','low','pre_close'))h_l = price['high'][0]-price['low'][0]h_c = price['high'][0]-price['pre_close'][0]c_l = price['pre_close'][0]-price['low'][0]# Calculate the True RangeTrue_Range = max(h_l, h_c, c_l)# 计算前g.number_days（大于20）天的True_Range平均值，即当前N的值：current_N = (True_Range + (g.number_days-1)*(g.N)[-1])/g.number_days(g.N).append(current_N)#6
# 入市：决定系统1、系统2是否应该入市，更新系统1和系统2的突破价格
# 海龟将所有资金分为2部分：一部分资金按系统1执行，一部分资金按系统2执行
# 输入：当前价格-float, 现金-float, 天数-int
# 输出：none
def market_in(current_price, cash, in_date):# Get the price for the past "in_date" daysprice = attribute_history(g.security, in_date, '1d', ('close'))# Build position if current price is higher than highest in pastif current_price > max(price['close']):# 计算可以买该股票的股数num_of_shares = cash/current_priceif num_of_shares >= g.unit:print ("买入")print (current_price)print (max(price['close']))if g.system1 == True:if g.sys1 < int(g.unit_limit*g.unit):order(g.security, int(g.unit))g.sys1 += int(g.unit)g.break_price1 = current_priceelse:if g.sys2 < int(g.unit_limit*g.unit):order(g.security, int(g.unit))g.sys2 += int(g.unit)g.break_price2 = current_price#7
# 加仓函数
# 输入：当前价格-float, 现金-float, 天数-int
# 输出：none
def market_add(current_price, cash, in_date):if g.system1 == True:break_price=g.break_price1else:break_price=g.break_price2# 每上涨0.5N，加仓一个单元if current_price >= break_price + 0.5*(g.N)[-1]: num_of_shares = cash/current_price# 加仓if num_of_shares >= g.unit: print ("加仓")print (g.sys1)print (g.sys2)print (current_price)print (break_price + 0.5*(g.N)[-1])if g.system1 == True:if g.sys1 < int(g.unit_limit*g.unit):order(g.security, int(g.unit))g.sys1 += int(g.unit)g.break_price1 = current_priceelse:if g.sys2 < int(g.unit_limit*g.unit):order(g.security, int(g.unit))g.sys2 += int(g.unit)g.break_price2 = current_price#8
# 离场函数
# 输入：当前价格-float, 天数-int
# 输出：none
def market_out(current_price, out_date):# Function for leaving the marketprice = attribute_history(g.security, out_date, '1d', ('close'))# 若当前价格低于前out_date天的收盘价的最小值, 则卖掉所有持仓if current_price < min(price['close']):print ("离场")print (current_price)print (min(price['close']))if g.system1 == True:if g.sys1>0:order(g.security, -g.sys1)g.sys1 = 0else:if g.sys2>0:order(g.security, -g.sys2)g.sys2 = 0#9
# 止损函数
# 输入：当前价格-float
# 输出：none
def stop_loss(current_price):# 损失大于2N，卖出股票if g.system1 == True:break_price = g.break_price1else:break_price = g.break_price2# If the price has decreased by 2N, then clear all positionif current_price < (break_price - 2*(g.N)[-1]):print ("止损")print (current_price)print (break_price - 2*(g.N)[-1])if g.system1 == True:order(g.security, -g.sys1)g.sys1 = 0  else:order(g.security, -g.sys2)g.sys2 = 0================================================================================
每天收盘后
================================================================================
'''
# 每日收盘后要做的事情（本策略中不需要）
def after_trading_end(context):return
################################################################################

聚宽量化交易-入门篇(海龟交易法则)相关推荐

聚宽量化交易策略基本框架
JoinQuant-TWist 策略编写的基本框架及其实现回测的含义及其实现初步学习解决代码错误周期循环的开始时间自测与自学通过前文对量化交易有了一个基本认识之后,我们开始学习做量化交易.毕 ...
分享聚宽量化交易执行选股策略的执行过程
分享聚宽量化交易执行选股策略的执行过程: 首先就是需要用不同的函数处理不同的数据,比如上市数据,要用run_query()函数处理,财务与估值数据要用get_fundamentals()函数处理.以及 ...
聚宽量化是干什么的？
聚宽是一家量化交易平台,为投资者提供做量化交易的工具与服务,帮助投资者更好地做量化交易.也就是说,在聚宽量化交易平台,"大型收割机"已经为你准备好了,不需要你自己造了,你只需要学会 ...
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 ...
基于聚宽量化交易平台实现量化交易策略
一.入门量化策略 JoinQuant聚宽API文档:https://www.joinquant.com/help/api/help?name=api 1.策略内容设置股票池为沪深300的所有成分股 ...
python聚宽量化_今天开始使用聚宽的系统学习python量化交易
今天开始使用聚宽的系统学习python量化交易满满的成就感,终于在两个月时间里稍微懂一点程序是怎么了,虽然学习的进度比较慢,但是还是学会了一些东西 # 统计a中元素出现的次数 a = [1,2,3, ...
python聚宽量化_Python量化交易之四_聚宽数据
介绍之前测试过一些免费API,比如tushare现在只能下载两年半数据,163有的股票数据无法下载,pandas_reader速度很慢,并且只能下载A股的各股数据,对基金和指数支持不佳.这两天尝试了 ...
python聚宽量化_聚宽量化交易Portfolio与Context对象学习笔记
聚宽的API文档对Portfolio,Context对象的描述理解不清晰,自己动手输出了Portfolio,Context对象的详细属性.(遇到不理解不明白的地方,自己动手实践输出) Portfoli ...
[68 量化交易] JoinQuent聚宽量化平台代码解析
# -*- coding: utf-8 -*- # @Time : 2022/11/4 12:38 # @Author : xxxd39 # @FileName: JoinQuantLearn001. ...

聚宽量化交易-入门篇(海龟交易法则)

聚宽量化交易-入门篇(海龟交易法则)相关推荐

最新文章

热门文章