【转】Python 量化投资实战教程(2)

上次，我们简单地用Python 和 backtrader 使用最简单的买入卖出策略进行了一次量化投资分析：

这一次，让我们把策略变得复杂一点，使用MACD策略的信号线交叉交易法：

本系列教程源代码Github仓库： https://github.com/Ckend/pythondict-quant

1.原理

为了解释MACD的原理，我们需要先了解指数移动平均线(下称EMA), 指数移动平均线是移动平均线的一种，能够根据数据点的新旧程度分配不同的权重，其更重视近期价格，减轻对往期价格的权重，而普通的移动平均线在所有价格上权重都一致，这是二者最大的不同。

EMA线还有周期上的不同，长期投资者通常选择50、100、200周期来追踪数月、甚至是年的价格趋势。而12天和26天的时间周期短，则广受短期投资者欢迎。而大部分股票软件的MACD线也是按照12天EMA和26天EMA进行计算的。

好了，接下来开始从上图讲起，上图可以看出两个基本规律：

蓝线上穿信号线（橙色）的时候看涨。

蓝线下穿信号线（橙色）的时候看跌。

蓝线是什么呢？是MACD线，它通过将一个价格短期EMA和价格长期EMA相减得到，在大部分股票软件中是EMA(12) - EMA(26).

信号线是什么呢？它其实是MACD线的EMA，周期一般为9.

总结公式如下：

MACD=价格EMA(12) - 价格EMA(26).
信号线=MACD的EMA(9)

而图中那些一个个的方块，则是由MACD线 - 信号线得到的差值，正值在上，负值在下。

明白了这些，我们就能够开始构建回测脚本了：

买入：
当 MACD线在前一天的值 < 信号线前一天的值
且当天MACD线的值 > 当天信号线的值时
说明发生了金叉，此时看涨，第二天买入。

卖出：若已盈利10%，则卖出；若已亏损10%，则卖出。

这个策略在股票 603186 上，每次交易100股的情况下，年回报率为26.9%.

2.准备

开始之前，你要确保Python和pip已经成功安装在电脑上噢，如果没有，请访问这篇文章：超详细Python安装指南进行安装。如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda

Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。

当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端运行命令安装依赖模块，多舒服的一件事啊：Python 编程的最好搭档—VSCode 详细指南。

在终端输入以下命令安装我们所需要的依赖模块:

pip install backtrader

看到 Successfully installed xxx 则说明安装成功。

Backtrader基本使用请看我们前一篇文章：
backtrader教程—量化投资原来这么简单(1)

本文全部代码，请在Python实用宝典后台回复：量化投资2 进行下载。

3.构建策略

如果你没看第一篇文章，可能不知道如何构建这个策略，一脸懵逼也正常，所以推荐先阅读 backtrader教程—量化投资原来这么简单(1) ，当然，如果你只希望跑起来，修改一些参数，可以 Python实用宝典后台回复：量化投资2 下载全部源代码。

从MACD的原理中我们知道，MACD由EMA线计算而来，因此我们需要构建一个短期EMA和一个长期EMA，常规的选择是周期分别为12和26的EMA线：

from backtrader.indicators import EMA

me1 = EMA(self.data, period=12)

me2 = EMA(self.data, period=26)

self.macd = me1 - me2

根据前面的分析我们知道，信号线是MACD线周期为9的EMA：

self.signal = EMA(self.macd, period=9)

这样我们就构建完这两条重要的线了，是不是特别简单？接下来和第一篇文章一样，在策略的next函数中，编写买入卖出逻辑：

    # Python 实用宝典

    def next(self):

        self.log('Close, %.2f' % self.dataclose[0])

        if self.order:

            return

        if not self.position:

            # 如果没有持仓，若前一天MACD < Signal, 当天 Signal < MACD，则第二天买入

            condition1 = self.macd[-1] - self.signal[-1]

            condition2 = self.macd[0] - self.signal[0]

            if condition1 < 0 and condition2 > 0:

                self.log('BUY CREATE, %.2f' % self.dataclose[0])

                self.order = self.buy()

        else:

            # 若已盈利10%，则卖出；若已亏损10%，则卖出。

            condition = (self.dataclose[0] - self.bar_executed_close) / self.dataclose[0]

            if condition > 0.1 or condition < -0.1:

                self.log('SELL CREATE, %.2f' % self.dataclose[0])

                self.order = self.sell()

买入逻辑就是我们在原理中提到的，若前一天MACD < Signal, 当天 Signal < MACD，则第二天买入。

卖出逻辑则简单许多，若已盈利10%，则卖出；若已亏损10%，则卖出。

设置佣金为千分之五，每次交易为100股，初始资金为10000元：

    cerebro.broker.setcash(10000)

    cerebro.addsizer(bt.sizers.FixedSize, stake=100)

    cerebro.broker.setcommission(commission=0.005)

在命令行中运行脚本：

python macd.py

得到回测结果如下：

其实结果好得出乎意料，因为这是一个不算复杂的策略，在代码最后加上一句

cerebro.plot()

能看到整个策略的回测情况如图：

用红色的框标记策略交易成功上涨部分，绿色的框标记下跌部分。

可以看到，8次操作中盈利了7次。为什么能有这么好的结果呢？首先， 603186 是一个业绩不错的股票，其本身基本面不差，回测的前期也处于上涨状态，因此其回测效果极佳也就在意料之中。