仓位管理（2）：凯公式导投资与多种金理方式

最新推荐文章于 2022-06-01 15:42:39 发布

RXiaoHong

最新推荐文章于 2022-06-01 15:42:39 发布

阅读量1.1k

点赞数

分类专栏： Cla_Mysql Cla_众筹图书

本文链接：https://blog.csdn.net/RedeLego/article/details/89454601

版权

本文介绍了凯利公式在投资策略中的应用，通过示例展示了如何计算最优投资比例，并讨论了实际操作中遵循凯利公式的风险。同时，文章还探讨了固定分数法的资金配置方案，强调了风险控制在仓位管理中的重要性。

摘要由CSDN通过智能技术生成

原仓位管理（2）：凯利公式指导投资与多种资金管理方式

来源：掘金量化myquant.cn, 作者：胡琛 (南京师范大学理论物理博士)，转载请注明出处！

凯利公式指导投资示例

引言

在上一次我们提到了凯利公式，很多人可能会想去套用凯利公式到我们的投资策略里面去，但是实际操作中，我们会发现，很多量化平台，回测数据并不够，譬如说，掘金量化平台，它提供了胜率，收益情况等，但是并没有赔率的结果，那么，我们是不是就不能去进行相应的凯利公式计算了呢？

凯利公式的套用

其实换一种思路，我们完全自己在策略中进行运算，笔者这里简单起见，对沪深300指数进行买入和平仓操作，交易策略用的是双均线策略，为了看出策略在交易标的上的胜率与赔率表现，笔者每次都是满仓买入满仓卖出，同时，简单起见同时为了看到足够多的交易，这里用了 1分钟数据择时，不再加入 T+1 限制。策略代码如下所示：


 
 
 
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     # coding=utf-8
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     """
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     双均线策略
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     """
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     from gm.api 
     
     
     import *
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     from datetime 
     
     
     import datetime
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     from datetime 
     
     
     import date
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     from datetime 
     
     
     import timedelta
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     from collections 
     
     
     import deque
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     import numpy 
     
     
     as np
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     import talib
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     # 常用常量设置
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     DATE_STR = 
     
     
     "%Y-%m-%d"
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     TIME_STR = 
     
     
     "%Y-%m-%d %H:%M:%S"
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     HIST_WINDOW = 
     
     
     50
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     LIMIT_LISTED_MONTH = 
     
     
     2
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     SHORT_PERIOD = 
     
     
     5
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     LONG_PERIOD = 
     
     
     10
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     def init(context):
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         stock = 
     
     
     'SHSE.000300'
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         context.stock_prices = deque(maxlen=HIST_WINDOW)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         context.risk_ratio = 
     
     
     1.0
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         context.entry_price = 
     
     
     0.
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         context.profit = 
     
     
     0.
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         context.loss = 
     
     
     0.
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         context.win_counter = 
     
     
     0
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         context.loss_counter = 
     
     
     0
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         start_today = datetime.strftime(date.today()-timedelta(days=
     
     
     1), DATE_STR)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         history_bars = history_n(symbol=stock,
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
                                 frequency=
     
     
     '60s',
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
                                 count=HIST_WINDOW,
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
                                 end_time=start_today,
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
                                 adjust=ADJUST_PREV,
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
                                 adjust_end_time=context.backtest_end_time)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
        
     
     
     for bar 
     
     
     in history_bars:
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
             context.stock_prices.append(bar.close)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         subscribe(stock, 
     
     
     '60s')
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     def on_bar(context, bars):
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
        
     
     
     # ----------------------- 策略执行 -----------------------------------------
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
        
     
     
     # 数据不足数据滑窗要求，返回
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
        
     
     
     if len(context.stock_prices) < HIST_WINDOW:
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
            
     
     
     return
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         pos = context.account().position(symbol=bars[
     
     
     0].symbol, side=PositionSide_Long)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
         open_vol = int(context.account().cash.available * context.risk_ratio /bars[
     
     
     0].close/
     
     
     100)*
     
     
     100