RSRS指标择时及大小盘轮动

简介:
RSRS指标的构建
1）取前N日的最高价序列与最低价序列。
2）将两列数据,以最高价为因变量，最低价为自变量进行OLS线性回归。
3）取前M日的斜率时间序列，计算当日斜率的标准分z。
4）将z与拟合方程的决定系数相乘，作为当日RSRS指标值。

择沪深300和中证500的ETF作为交易标的，作大小盘风格轮动择时。

交易信号判断
1）以RSRS指标值大的作为交易标的;
2）若RSRS指标上穿阈值S，则开仓买入；（S为开平仓阈值）
3）若RSRS指标下穿阈值-S，则平仓;
4）若RSRS指标在-S和S中间时，两标的的RSRS相对大小变化，则表示风格轮动，换仓，否则不交易。
'''

import numpy as np
import statsmodels.api as sm

# 初始化函数 ##################################################################
def init(context):
    set_params(context)                      # 设置策略参数
    set_variables()                          # 设置中间变量
    set_backtest()                           # 设置回测条件
#1.设置策略参数
def set_params(context):
    context.N = 20                           # 取前N日的数据
    context.M = 400                          # RSRS指标M变量
    context.stk1 = '510300.OF'               # 沪深300(大盘)
    context.stk2 = '510500.OF'               # 中证500(小盘)
    context.S = 0.8
#2.设置中间变量
def set_variables():
    pass
#3.设置回测条件
def set_backtest():
    set_benchmark('000300.SH')               # 设置基准
    set_slippage(PriceSlippage(0.002))       # 设置可变滑点

# 每日执行函数 ##################################################################
def handle_bar(context,bar_dict):
    
    # 计算交易信号
    signals = trade_signal(context,bar_dict)
    log.info(signals)
    # 交易操作
    trade_operation(context,signals)
    
#4.计算交易信号
def trade_signal(context,bar_dict):
    N = context.N
    M = context.M
    # 计算单个标的昨日的RSRS
    hz300_RSRS = get_RSRS(bar_dict,'000300.SH',N,M)
    zz500_RSRS = get_RSRS(bar_dict,'000905.SH',N,M)
    return [hz300_RSRS,zz500_RSRS]
#5.计算RSRS
def get_RSRS(bar_dict,stock,n,m):
    values = history(stock,['high','low'],n+m-1,'1d', skip_paused=True)
    
    high_array = values.high.values[-(n+m-1):]
    low_array = values.low.values[-(n+m-1):]
    scores = np.zeros(m) #各期斜率
    for i in range(m):
        high = high_array[i:i+30]
        low = low_array[i:i+30]
        
        # 计算单期斜率
        x = low   #low作为自变量
        X = sm.add_constant(x) #添加常数变量
        y = high  #high作为因变量
        model = sm.OLS(y,X) #最小二乘法
        results = model.fit() 
        score = results.params[1]
        scores[i] = score
        
        # 记录最后一期的Rsquared(可决系数)
        if i==m-1:
            R_squared = results.rsquared
    
    # 最近期的标准分
    z_score = (scores[-1]-scores.mean())/scores.std()
    
    # RSRS得分
    RSRS_socre = z_score*R_squared
    
    return RSRS_socre
#6.交易操作
def trade_operation(context,signals):
    #RSRS大的标的 和值
    signal = max(signals)
    if signals[0]>signals[1]:
        stock = context.stk1
    else:
        stock = context.stk2

    if signal>context.S:
        order_value(stock,context.portfolio.stock_account.available_cash*0.9)
    if signal<-context.S:
        order_target_percent(stock,0)
    #处于中间,仓位不变，但是若风格替换且持仓则要换仓
    else:
        if len(list(context.portfolio.stock_account.positions.keys()))!=0:
            order_value(stock,context.portfolio.stock_account.available_cash*0.9)