Python 金融量化道路突破策略（唐奇安道路突破策略&布林带通道及其市场风险）

最新推荐文章于 2024-08-13 18:29:56 发布

TOP级别安卓开发

最新推荐文章于 2024-08-13 18:29:56 发布

阅读量1k

点赞数 7

文章标签： python 金融开发语言

本文链接：https://blog.csdn.net/m0_61042126/article/details/138238528

版权

2.2 在K线图中绘制唐奇安上下通道线

未来看到更多的价格信息和股票价格运动情况，我们在K线图中绘制唐奇安的上下通道线，代码如下：

s = mpf.make_mpf_style(base_mpf_style=‘nightclouds’, rc={‘font.family’: ‘SimHei’}) # 解决mplfinance绘制输出中文乱码

add_plot=[

mpf.make_addplot(upboundDC[‘2020’]),

mpf.make_addplot(midboundDC[‘2020’]),

mpf.make_addplot(downboundDC[‘2020’])]

mpf.plot(df[‘2020’], type=‘candle’, style=s, title=‘洛阳钼业2020年K线图及唐奇安通道线’, addplot=add_plot, volume=True)

图像效果如下：

在这里插入图片描述

这里选择的时间跨度较大，实际研究可以选择更细节的时间跨度。

使用mplfinance库我们只需要传入参数mav，就可以添加上指定时间跨度的均线图一起研究(以5日，10日，20日，40日为例)：

s = mpf.make_mpf_style(base_mpf_style=‘nightclouds’, rc={‘font.family’: ‘SimHei’})

add_plot=[

mpf.make_addplot(upboundDC[‘2020’]),

mpf.make_addplot(midboundDC[‘2020’]),

mpf.make_addplot(downboundDC[‘2020’])]

mpf.plot(df[‘2020’], type=‘candle’, style=s, title=‘洛阳钼业2020年K线图附唐奇安通道线及均线’, mav=(5,10,20,40),addplot=add_plot, volume=True)

效果展示如下：

在这里插入图片描述

2.3 Python捕捉唐奇安通道突破

选定一个时间段后，唐奇安通道突破的主要规则是：当价格线走强，而突破前n期的最高价时做多；当价格线向下运动，价格低于前n期最低价时做空。一般而言，n=20为投资者较为常用的时间段设定。

我们继续以20日为时间跨度，捕捉唐奇安通道突破日期，设定买卖点交易，并计算交易获胜率。

首先，先定义向上突破和向下突破函数upbreak()和downbreak()

def upbreak(tsLine, tsRefLine):

n = min(len(tsLine), len(tsRefLine))

tsLine = tsLine[-n:]

tsRefLine = tsRefLine[-n:]

signal = pd.Series(0, index=tsLine.index)

for i in range(1, len(tsLine)):

if all([tsLine[i]>tsRefLine[i], tsLine[i-1]<tsRefLine[i-1]]):

signal[i] = 1

return(signal)

downbreak()函数

def downbreak(tsLine, tsRefLine):

n = min(len(tsLine), len(tsRefLine))

tsLine = tsLine[-n:]

tsRefLine = tsRefLine[-n:]

signal = pd.Series(0, index=tsLine.index)

for i in range(1, len(tsLine)):

if all([tsLine[i] < tsRefLine[i], tsLine[i-1] > tsRefLine[i-1]]):

signal[i] = 1

return(signal)

唐奇安通道突破策略

UpBreak = upbreak(Close[upboundDC.index[0]:], upboundDC)

DownBreak = downbreak(Close[downboundDC.index[0]:], downboundDC)

制定交易策略

上穿，signal为1

下穿，signal为-1

合并上下穿突破总信号

BreakSig = UpBreak - DownBreak

计算预测获胜率

tradeSig = BreakSig.shift(1)[‘2020’]

ret = Close / Close.shift(1) - 1 # 这里的Close依然是全时间序列的

tradeRet = (ret * tradeSig).dropna() # 一次乘法加dropna()之后，Close()多的时间序列就被过滤掉了。

winRate = len(tradeRet[tradeRet > 0]) / len(tradeRet[tradeRet != 0])

print(winRate)

在这里插入图片描述

2.4 选择不同时间跨度

唐奇安通道突破的规则相对简单，但是要注意，时间跨度n的选择尤为重要。n的取值不同，结果也随之而变，寻找合适的时间跨度n是唐奇安通道突破策略的关键。

在20到60的时间跨度中寻找该股票唐奇安通道突破策略胜率最大的时间跨度

list1 = []

list2 = []

for m in range(20,61):

upboundDC = pd.Series(0.0, index=Close.index)

downboundDC = pd.Series(0.0, index=Close.index)

midboundDC = pd.Series(0.0, index=Close.index)

求唐奇安上、下通道

for i in range(m,len(Close)):

upboundDC[i] = max(High[(i-m):i])

downboundDC[i] = min(Low[(i-m):i])

upboundDC = upboundDC[m:]

downboundDC = downboundDC[m:]

midboundDC = midboundDC[m:]

唐奇安通道突破策略

UpBreak = upbreak(Close[upboundDC.index[0]:], upboundDC)

DownBreak = downbreak(Close[downboundDC.index[0]:], downboundDC)

BreakSig = UpBreak - DownBreak

计算预测获胜率

tradeSig = BreakSig.shift(1)[‘2020’]

ret = Close / Close.shift(1) - 1 # 这里的Close依然是全时间序列的

tradeRet = (ret * tradeSig).dropna() # 一次乘法加dropna()之后，Close()多出的时间序列就被过滤掉了。

winRate = len(tradeRet[tradeRet > 0]) / len(tradeRet[tradeRet != 0])

list1.append(m)

list2.append(winRate)

print(‘该股票2020年唐奇安道路突破策略时间跨度为m为{}时胜率最大为{}’.format(list1[list2.index(max(list2))], max(list2)))

结果输出：

在这里插入图片描述

结果我们可以看出，在20-60的时间跨度内，2020年度选择50日日时间跨度是唐安奇通道突破策略胜率最大。

3.布林带通道

=============================================================================

3.1 布林带通道概述

“布林通道”又称“布林带状(Bollinger Bands, BBands)”，或者保力加通道，是通道的形式之一。与唐奇安通道类似，布林带通道也有刻画股票价格变化和波动幅度大小的作用。布林带通道是由美国投资者约翰·布林格(John Bollinger)在20世纪后期结合统计学理论发明的一种技术分析指标。
在分析股价运动时，一般选取股价平均线作为参照线，而布林带在均线的基础上增添了上下两条“股价通道”线。布林带的中轨道线是股价的平均线，上通道为均线加上一定倍数的标准差，下通道则是均线减去一定倍数的标准差得到的。
布林带通道的趋势主要由中轨道平均线决定，当平均线呈现上升趋势的时候，布林带通道也会向上走，当平均线走低时，布林带通道也会有向下的趋势。布林带通道的宽由股价的标准差决定；而股价的标准差刻画了股价波动的范围的大小，当股价的波动较大时，标准差较大，布林带通道带宽也越大；反之股价波动幅度较小的时候，标准差较小，布林带带宽会相应变窄。

3.2布林带通道计算方式

布林带中轨道线： μn = 1 n ∑ i = 1 n p i \displaystyle {\frac{1}{n} }{\sum_{i=1}^n p_i } n1i=1∑npi

其中un是第t期观测到的前n期股票价格均值

第t期观测到，股价在过去n期的标准差为

σn = 1 n ∑ i = 1 n ( p i − μ n ) 2 \displaystyle \sqrt{{\frac{1}{n}}{\sum_{i=1}^n \left(p_i-μ_n \right)^2}} n1i=1∑n(pi−μn)2

布林带上轨道线值 B u p _ n \displaystyle \ B_{up\_n} Bup_n：

B u p _ n \displaystyle \ B_{up\_n} Bup_n = un + a × σn

布林带下轨道线值 B d o w n _ n \displaystyle \ B_{down\_n} Bdown_n：

B d o w n _ n \displaystyle \ B_{down\_n} Bdown_n = un - a × σn

a表示标准差的倍数。
从上述公式可以看出，时间区间n和标准差倍数a的取值可以影响到布林带三条通道的计算结果。一般吧n取值为20天，a取值为2，依此设定暂有：
σ20 = 1 20 ∑ i = 1 n ( p i − μ 20 ) 2 \displaystyle \sqrt{{\frac{1}{20}}{\sum_{i=1}^n \left(p_i-μ_{20} \right)^2}} 201i=1∑n(pi−μ20)2
B u p _ 20 \displaystyle \ B_{up\_20} Bup_20 = u20 + a × σ20
B d o w n _ 20 \displaystyle \ B_{down\_20} Bdown_20 = u20 - a × σ20

3.3 开始编码

定义布林带通道函数bbands()

def bbands(tsPrice, period=20, times=2):

upBBand = pd.Series(0.0, index=tsPrice.index)

midBBand = pd.Series(0.0, index=tsPrice.index)

downBBand = pd.Series(0.0, index=tsPrice.index)

sigma = pd.Series(0.0, index=tsPrice.index)

for i in range(period-1, len(tsPrice)):

midBBand[i] = np.nanmean(tsPrice[i-(period-1):(i+1)]) # nanmean忽略Nan计算均值

sigma[i] = np.nanstd(tsPrice[i-(period-1):(i+1)]) # nanstd忽略Nan计算标准差

upBBand[i] = midBBand[i] + times * sigma[i]

downBBand[i] = midBBand[i] - times * sigma[i]

BBands = pd.DataFrame({‘upBBand’:upBBand[(period-1):],\

‘midBBand’:midBBand[(period-1):],\

‘downBBand’:downBBand[(period-1):],\

‘sigma’:sigma[(period-1):]})

return(BBands)

计算20日布林带通道线

LymyBBands = bbands(Close, 20, 2)

提取数据

UpBBands = LymyBBands.upBBand[‘2020’]

DownBBands = LymyBBands.downBBand[‘2020’]

MidBBands = LymyBBands.midBBand[‘2020’]

3.4 布林带通道线及K线图绘制

s = mpf.make_mpf_style(base_mpf_style=‘nightclouds’, rc={‘font.family’: ‘SimHei’})

add_plot=[

mpf.make_addplot(UpBBands),

mpf.make_addplot(DownBBands),

mpf.make_addplot(MidBBands)]

mpf.plot(df[‘2020’], type=‘candle’, style=s, title=“洛阳钼业2020年K线图及布林带通道线”, addplot=add_plot, volume=True)

生成图像效果如下：

在这里插入图片描述

价格接近或突破上轨道或下轨道表明市场处于明显上涨或下跌趋势。
蜡烛图上下波动大的时候，布林带通道的带宽也相对较大。
蜡烛图波动幅度小的时候，布林带通道的带宽也相对较小。
整体而言，K线图大部分都在通道内部运行，K线图与布林带中轨道多次交叉，但价格基本上在布林带上下通道内部运动，布林带通道过滤掉了部分价格穿破均线的“虚假信号”。

3.5 布林带通道与市场风险

3.5.1 布林带通道的正态分布思想

布林带通道的设定蕴含着统计学原理，假设股票价格走势呈现正态分布，正态分布是关于均值呈对称分布的均值加减两倍标准差范围内的数据大概占据了整个数据的95.44%，布林带通道以价格的平均值加减两个标准差来设定上下通道。

从正态分布的角度来看，布林带通道刻画了股票价格的主要变化范围，即大部分时间股价都在布林带通道内运动，股价只有大约5%的概率会突破布林带通道的上轨道或者下轨道。因此在正常情况下，当价格线超出布林带通道的上轨道或者下轨道的时候，可以认为价格线有偏离，未来价格很可能回落到布林带通道内部。

在这里插入图片描述

由于布林带通道的设定与标准差的倍数有关，布林带通道可以与股市风险联系起来一起分析市场行情。当以加减2倍标准差刻画时，股价有95.44%的概率在正负2倍标准差内部波动，异常波动的概率为4.56%。
将股价波动到布林带通道外部的情况定义为布林带风险(Bollinger Risk)。
由统计学原理，在置信水平为α的条件下，布林带风险BRα 的计算公式为： BRα = d m d t × 100 \displaystyle \frac{d_m}{d_t}×100% dtdm×100

其中，dt 表示观察的股价数据总期数，dm表示观察期内股价在布林带上下通道外部的总期数。一般而言，置信水平为α的取值可以为1%，5%或者10%。在不同置信水平下，布林带上下通道的界定不同。

α=10%时， B u p _ n \displaystyle \ B_{up\_n} Bup_n = un + 1.65 × σn， B d o w n _ n \displaystyle \ B_{down\_n} Bdown_n = un - 1.65 × σn

α=5%时， B u p _ n \displaystyle \ B_{up\_n} Bup_n = un + 1.96 × σn， B d o w n _ n \displaystyle \ B_{down\_n} Bdown_n = un - 1.96 × σn

α=1%时， B u p _ n \displaystyle \ B_{up\_n} Bup_n = un + 2.58 × σn， B d o w n _ n \displaystyle \ B_{down\_n} Bdown_n = un - 2.58 × σn

3.5.2 构造布林带风险函数

构建布林带风险函数

def CalBollRisk(tsPrice, multiplier):

k = len(multiplier)

overUp = []

belowDown = []

BollRisk = []

for i in range(k):

BBands=bbands(tsPrice, 20, multiplier[i])

a = 0

b = 0

for j in range(len(BBands)):

tsPrice=tsPrice[-(len(BBands)):]

if tsPrice[j] > BBands.upBBand[j]:

a += 1

elif tsPrice[j] < BBands.downBBand[j]:

b += 1

overUp.append(a)

belowDown.append(b)

BollRisk.append(100*(a+b)/len(tsPrice))

return(BollRisk)

设定不同的置信水平，来比较洛阳钼业股价在不同年份的布林带风险

multiplier = [1, 1.65, 1.96, 2, 2.58]

下边计算不同年份的布林带风险

2016

price2016 = Close[‘2016’]

BBandRisk2016 = CalBollRisk(price2016,multiplier)

print(BBandRisk2016)

结果如下：

在这里插入图片描述

#2017

price2017 = Close[‘2017’]

BBandRisk2017 = CalBollRisk(price2017,multiplier)

print(BBandRisk2017)

结果如下：

在这里插入图片描述

#2018

price2018 = Close[‘2018’]

BBandRisk2018 = CalBollRisk(price2018,multiplier)

print(BBandRisk2018)

结果如下：

在这里插入图片描述

#2019

price2019 = Close[‘2019’]

BBandRisk2019 = CalBollRisk(price2019,multiplier)

print(BBandRisk2019)

结果如下：

在这里插入图片描述

#2020

price2020 = Close[‘2020’]

BBandRisk2020 = CalBollRisk(price2020,multiplier)

print(BBandRisk2020)

结果如下：

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

TOP级别安卓开发

关注

7
点赞
踩
25

收藏

觉得还不错? 一键收藏
0
评论
Python 金融量化道路突破策略（唐奇安道路突破策略&布林带通道及其市场风险）

midBBand[i] = np.nanmean(tsPrice[i-(period-1):(i+1)]) # nanmean忽略Nan计算均值sigma[i] = np.nanstd(tsPrice[i-(period-1):(i+1)]) # nanstd忽略Nan计算标准差。
复制链接

扫一扫