利用Carver价格突破策略，捕捉市场交易机会

最新推荐文章于 2025-03-14 11:25:19 发布

Python金融量化

最新推荐文章于 2025-03-14 11:25:19 发布

阅读量871

点赞数 17

本文链接：https://blog.csdn.net/ndhtou222/article/details/143654677

版权

引言

在金融市场中，价格的突破往往伴随着强烈的趋势，是投资者捕捉机会的关键点。突破策略因此成为一种广受欢迎的趋势跟随策略，用于在价格超出特定区间时入场或出场，以此捕捉潜在的盈利机会。

本文将介绍 Carver 突破指标策略，并通过 Python 和 Backtrader 量化框架来实现回测。Carver 突破策略的核心在于识别价格突破的边界条件，判断价格是否超出波动区间。本文将详细解释策略逻辑、实现代码，并进行交易回测，最后对回测结果进行分析。

本文使用qstock获取数据、可视化和量化回测，关于 qstock 更详细的使用方法，请参考 qstock 专题系列文章（点击跳转）。加入Python金融量化知识星球，可以获取qstock最新版及教程、30多g的量化投资视频资料、量化金融相关PDF资料、公众号文章Python完整源码、与博主直接交流、答疑解惑等。添加个人微信sky2blue2咨询可获取8.5折优惠。：

【qstock开源了】数据篇之行情交易数据

【qstock数据篇】行业概念板块与资金流

【qstock量化】数据篇之股票基本面数据

【qstock量化】数据篇之宏观指标和财经新闻文本

【qstock量化】动态交互数据可视化

【qstock量化】技术形态与概念热点选股池

【手把手教你】使用qstock实现量化策略选股

【手把手教你】使用qstock进行量化回测

基于qstock的量化复盘与自动盯盘

qstock 玩转问财：一行代码实现条件选股

实战解析：如何利用backtrader进行突破交易策略的量化回测

Carver突破策略的核心逻辑

Carver 突破指标通过以下步骤实现对突破点的识别：

计算滚动最高价和最低价：在特定周期内计算最高和最低价格区间。
计算滚动均值：使用最高价和最低价的均值作为参考，便于观察价格在区间中的相对位置。
计算缩放后的价格：将当前价格相对于区间上下限进行缩放，得出当前价格在区间内的位置。
生成买入或卖出信号：当价格接近上限或下限时，认为可能发生突破，从而生成交易信号。

策略实现代码

1. 计算滚动最高、最低价及缩放价格首先，我们使用 Python 代码计算滚动最高、最低价格及缩放后的价格，生成初步的策略信号。

import pandas as pd
import numpy as np
import qstock as qs

df=qs.get_data('cybETF',start='20110101',end='20241108')

window = 20
# 计算20天滚动最高价和最低价
df['Rolling_Max'] = df['close'].rolling(window=window).max()
df['Rolling_Min'] = df['close'].rolling(window=window).min()
# 计算滚动均值
df['Rolling_Mean'] = (df['Rolling_Max'] + df['Rolling_Min']) / 2

# 计算缩放后的价格
df['Scaled_Price'] = (df['close'] - df['Rolling_Min']) / (df['Rolling_Max'] - df['Rolling_Min'])

# 设定买入和卖出阈值
buy_threshold = 0.9
sell_threshold = 0.1

# 生成信号
df['Signal'] = np.where(df['Scaled_Price'] > buy_threshold, 'Buy', 
                        np.where(df['Scaled_Price'] < sell_threshold, 'Sell', 'Hold'))

qs.line(df[['close','Rolling_Max','Rolling_Min','Rolling_Mean']][-250:])

2. 使用 Backtrader 进行量化回测

为了更真实地模拟交易情况，我们将使用 Backtrader 量化框架来实现该策略，以下是完整的代码实现。

import backtrader as bt
from datetime import datetime
class CarverBreakoutStrategy(bt.Strategy):
    params = (
        ('period', 20),  # 设置滚动窗口的时间周期
        ('buy_threshold', 0.9),  # 买入阈值
        ('sell_threshold', 0.1),  # 卖出阈值
    )

    def __init__(self):
        # 定义指标：滚动最大、最小值和均值
        self.highest = bt.ind.Highest(self.data.close, period=self.params.period)
        self.lowest = bt.ind.Lowest(self.data.close, period=self.params.period)
        self.scaled_price = (self.data.close - self.lowest) / (self.highest - self.lowest)
    def next(self):
        # 获取当前的持仓
        position_size = self.position.size
        # 检查买入条件
        if self.scaled_price[0] > self.params.buy_threshold:
            # 满仓买入 100 的整数倍股数
            if position_size == 0:  # 当前无仓位
                size = int(self.broker.getcash() / self.data.close[0] / 100) * 100
                if size > 0:
                    self.buy(size=size)
        
        # 检查卖出条件
        elif self.scaled_price[0] < self.params.sell_threshold:
            # 卖出所有持仓
            if position_size > 0:
                self.close()

qs.bt_result('晓程科技',start='2014-01-01',end='2024-11-08',strategy=CarverBreakoutStrategy)

下面是同一标的相同回测期间使用买入持有的回测结果：

df0=qs.data_feed('晓程科技',index='cyb',start='2014-01-01',end='2024-11-09')
qs.start_backtest(df0)

从回测结果看，Carver 突破策略与买入持有策略相比，年化收益率显著提升（16.8% 对比 5.2%），且累计收益达到 407.5%，远超买入持有的 70.5%，表现出强劲的收益能力。然而，Carver 突破策略的波动率较高（42.8%），最大回撤为 -55.6%，尽管低于买入持有的 -83.68%，但风险依然较大。夏普比率为 0.57，低于买入持有的 1.04，显示出在风险调整后收益的优势较弱。Calmar 比率为 0.30，表明策略在面临较大波动的同时仍具备一定的回报能力。整体来看，Carver 突破策略适合追求高回报的投资者，但需承受较高的波动和回撤。

结语

Carver 突破策略利用了滚动价格区间的突破效应，是一种简单但有效的趋势跟随型策略。在市场趋势明显时，该策略能帮助投资者抓住上涨或下跌动量，获得超额收益。本文通过 Backtrader 框架将该策略落地，并对策略进行了详尽回测分析。然而需要注意的是，该策略的效果可能受限于特定市场环境，在市场趋势明显时该策略能有效发挥作用，但在震荡市场中策略效果可能不佳。

在实际应用中，可结合不同的指标或进行参数优化来提高策略的稳健性。希望本文的介绍能帮助您深入理解和实现突破策略，并在量化交易实践中获得更优效果。