python量化交易第五章

一.什么是动量策略

1.1概念：
预先对股票收益和交易量设定过滤准则，当股票收益或股票收益和交易量同时满足过滤准则就买入（做多）或卖出（做空）股票的投资策略。
核心：以股票的历史收益率作为主要的交易原则
1.2动量策略的设计思路

正向策略：涨的还会涨，跌的还会跌，买入涨最多的，卖出跌最多的，利用市场对信息的反应不足。
反向策略:涨太多了会跌，跌太多了会涨，买入跌最多的，卖出涨最多的，市场对信息反应过度
1.3动量策略的实现步骤

确定交易对象：股票池，考虑流动性（沪深300，创业板）
选定业绩评价周期：过去1-12个月
计算形成期收益率：过去N个月的收益率
对收益率进行排序：最佳—赢家组合，最差~输家组合
确定持仓/换仓周期：1个月，可自定义测算
连续或间隔一段时间，不断重复2-5行为
计算动量/反向策略各持有期的回报率
计算t/p统计值，判断是否存在动量效应

二.动量策略：筛选股票池

流动性：成交活跃，买入卖出顺畅
基本面：行业，营收，盈利增速，现金流，负债
标的价格: 1手起买起卖

import data.stock as stdef get_data(index_symbol='000300.XSHG'):# 获取股票列表代码：沪深300持有个股，创业板，上证stocks=st.get_index_list(index_symbol)# 获取股票数据for code in stocks:data=st.get_csv_price(code,'2019-01-01','2021-01-04')# 预览股票数据print("================",code)print(data.tail())
def momentum():return 0if __name__=="__main__":get_data()

def get_index_list(index_symbol='000300.XSHG'):"""获取指数成分股，指数代码查询:param index_symbol:https://www.joinquant.com/indexdata:return:list，成分股代码"""stocks=get_index_stocks(index_symbol)return stocks

三.动量策略：计算动量因子

import pandas as pdimport data.stock as stdef get_data(start_date,end_date,use_cols,index_symbol='000300.XSHG'):"""获取股票收盘价数据，并拼接为一个df:param start_date::param end_date::param use_cols::param index_symbol::return datac_concat:df,拼接后的数据"""# 获取股票列表代码：沪深300持有个股，创业板，上证stocks=st.get_index_list(index_symbol)#拼接收盘价数据data_concat=pd.DataFrame()# 获取股票数据for code in stocks[0:10]:data=st.get_csv_price(start_date,end_date,use_cols,code)print("================",code)print(data.tail())#拼接多个股票的收盘价：日期 股票A收盘价 股票B收盘价...data.colimns=[code]pd.concat([data_concat,data],axis=1)# 预览股票数据# print(data_concat.tail())return data_concatdef momentum(data_concat,shift_n=1):""":param data_concat::param shift_n:表示业绩统计周期(单位：月):return:"""#转换时间频率：日->月data_concat.index=pd.to_datetime(data_concat.index)data_month=data.concat.resample('M').last()#计算过去N个月的收益率=期末值/期初值-1=（期末-期初）/期初#optional:对数收益率=log(期末值/期初值)print(data_month.head())shift_return=data_month/data_month.shift(shift_n)-1print(data_month.head())return shift_returnif __name__=="__main__":data=get_data('2019-01-01','2021-01-04',['date','close'])momentum(data,shift_n=1)

三.动量策略：生成交易信号

import pandas as pd
import numpy as np
import data.stock as stdef get_data(start_date,end_date,use_cols,index_symbol='000300.XSHG'):"""获取股票收盘价数据，并拼接为一个df:param start_date::param end_date::param use_cols::param index_symbol::return datac_concat:df,拼接后的数据"""# 获取股票列表代码：沪深300持有个股，创业板，上证stocks=st.get_index_list(index_symbol)#拼接收盘价数据data_concat=pd.DataFrame()# 获取股票数据for code in stocks[0:10]:data=st.get_csv_price(start_date,end_date,use_cols,code)print("================",code)print(data.tail())#拼接多个股票的收盘价：日期 股票A收盘价 股票B收盘价...data.columns=[code]pd.concat([data_concat,data],axis=1)# 预览股票数据# print(data_concat.tail())return data_concatdef momentum(data_concat,shift_n=1,top_n=2):""":param data_concat::param shift_n:表示业绩统计周期(单位：月):return:"""#转换时间频率：日->月data_concat.index=pd.to_datetime(data_concat.index)data_month=data.concat.resample('M').last()#计算过去N个月的收益率=期末值/期初值-1=（期末-期初）/期初#optional:对数收益率=log(期末值/期初值)shift_return=data_month/data_month.shift(shift_n)-1print(shift_return)#生成交易信号：收益率排前n的>赢家组合>买入1，排最后n个>输家>卖出-1buy_signal=get_top_stocks(shift_return,top_n)sell_signal=get_top_stocks(-1*shift_return,top_n)signal=buy_signal-sell_signalprint(signal)exit()#数据预览# print(data_month.head())print(shift_return.head())return shift_return
def get_top_stocks(data,top_n):"""找到前n位的极值，并转换为信号返回:param data:df:param top_n:int，表示要产生信号的个数:return signals:df,返回0-1信号数据表"""signals=pd.DataFrame(index=data.index,columns=data.columns)#对data的每一行进行遍历，找出里面的最大值，并利用bool函数标注0或1信号for index,row in data.iterrows():print(row.isin(row.nlargest(top_n)).astype(np.int))return signalsif __name__=="__main__":data=get_data('2019-01-01','2021-01-04',['date','close'])momentum(data,shift_n=1)

python量化交易第五章相关推荐

学习《深入浅出python量化交易交易实战》第一章（笔记）
1.学习<深入浅出python量化交易交易实战>第一章记录学习过程中的代码和一些坑 1.1 基础(名词解释) 1.1.1 CAPM (Capital Asset Pricing Moda ...
Python 量化交易系列教程
Python 量化交易例如:第一章 Python 基础知识 Python 基本操作练习 Python 量化交易 Python 基本操作练习一.基础运算子练习二.条件判断练习三.循环练习四.函 ...
4、Python量化交易-双均线策略
目录一.数据准备二.5日均线和30日均线 1 - 均线的概念 2 - 计算5日均线与30日均线 3 - 画出MA5和MA30 三.金叉和死叉 1 - 金叉和死叉概念 2 - 分析所有金叉日期和死叉 ...
Python量化交易06——Fama-French三因子模型(Rmt,SMB,HML)
参考书目:深入浅出Python量化交易实战本次带来的是著名的获得了诺贝尔奖的三因子模型. 因子模型介绍 Fama和French从可以解释股票收益率的众多因素中提取出了三个重要的影响因子,即市场风险溢 ...
很燃基于掘金量化平台的《Python量化交易实战》新书介
原很燃!基于掘金量化平台的<Python量化交易实战>新书简介内容简介: 在目前不断变化.蓬勃发展的中国资本市场,量化投资作为新兴的投资方法,引来越来越多的关注,使用量化投资技术的证券 ...
视频教程-python量化交易（1）-Python
python量化交易(1) 毕业于清华大学,曾担任Google算法工程师,微软人工智能领域全球最具价值专家,微软Tech Ed 大会金牌讲师. 精通C/ C++,Python ,Go语言,Siciki ...
你应该知道的21大Python量化交易工具
技术可用性的快速增长使个人交易者也能够进行系统和算法交易.下面为大家分享2022年 Python 量化交易使用最广泛的21大交易平台和框架.经纪自营商.数据提供商和其他有用的交易库等,这些交易库适用于 ...
Python量化交易入门
文章目录学习目标一.量化交易(Quantitative trading) 1.1 定义 1.2 掌握技能二.量化交易的分类 2.1 分类 2.2 三种分类特点以及要求趋势性交易高频交易三. ...
python量化交易视频教程
量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种"大概率"事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂 ...