什么是日内交易？
日内交易（Day Trade）是一种交易模式。主要是指持仓时间短，不留过夜持仓的交易方式。日内交易捕捉入市后能够马上脱离入市成本的交易机会，入市之后如果不能马上获利，就准备迅速离场。因为这种交易方式在市时间短，所以承受的市场波动的风险较低。目前，全球范围内有一些操盘高手采用此交易方式取得稳定的盈利，获得了成功。
日内策略在中国市场可行吗？
与国外市场不同，我国股票市场现阶段施行“T+1”交易，在这个基础上的“T+0”操作，必须是有底仓的高抛低吸。
但凡在日内交易上经验丰富且有很高胜率的选手，在持股期，都会对日内交易拥有极高的兴趣，交易频次也会比较高。以上表述已经暗含了一个隐藏的前提：必须是当天不准备卖出者才能做T，否则会为了几个点的微小价差而得不偿失。
日内交易因为其快速了结和价差较小的特点，交易者盈利的首要条件即为一个交易来回的价差大于交易成本。按照当前券商普遍采用的佣金标准万三计算，一个完整交易轮回的摩擦成本略小于0.2%，从这点看，低佣金使得日内交易的盈利变得相对容易。根据我自身的交易经验，只要参与者对单次盈利预期合理且在介入时间点上不至太过偏离，均能在长久的做T生涯中获得不菲的正收益。
策略实现（基于掘金量化平台）
策略思想
-
本策略首先买入“SHSE.600000”股票10000股。
-
根据300s的数据来计算“MACD(12,26,9)”线。
-
“MACD”水下金叉，配合均线多头排列的时候买入1000股，“MACD”水上死叉，配合均线空头排列的时候卖出1000股。
-
每日操作的股票数不超过原有仓位，并于收盘前把仓位调整至开盘前的仓位。
策略主要步骤实现
订阅数据
subscribe(symbols=symbols, frequency='300s', count=35, wait_group=True)(symbols=symbols, frequency='300s', count=35, wait_group=True) 订阅数据需要在定义init函数里面设置，并调用subscribe函数：
-
symbols需要设置订阅的标的代码。 -
frequency需设置订阅数据的周期级别，这里设置1d表示以一天为周期。 -
count需要设置获取的bar的数量
数据获取
recent_data = context.data(symbol=symbol, frequency='300s', count=35, fields='close') = context.data(symbol=symbol, frequency='300s', count=35, fields='close') 订阅数据之后，需要获取已经订阅的数据来进行操作，这时需调用context.data函数：
-
symbols需要设置订阅的标的代码。 -
frequency需设置订阅数据的周期级别，这里设置1d表示以一天为周期。 -
count需要设置获取的bar的数量 -
fields需要设置返回值的种类
获取当前bar的时间
def on_bar(context, bars):
bar = bars[0]
day = bar.bob.strftime('%Y-%m-%d %H:%M:%S') on_bar(context, bars):
bar = bars[0]
day = bar.bob.strftime('%Y-%m-%d %H:%M:%S') 在on_bar函数里，需要判断当前bar是否为当天交易的最后一根，以判断是否平仓，这里可直接过去传入bar的信息。
| 参数名 | 类型 | 说明 |
|---|---|---|
| symbol | str | 标的代码 |
| frequency | str | 频率 |
| open | float | 开盘价 |
| close | float | 收盘价 |
| high | float | 最高价 |
| low | float | 最低价 |
| amount | float | 成交额 |
| volume | float | 成交量 |
| position | long | 持仓量 |
| pre_close | float | 前收盘价 |
| bob | datetime.datetime | bar开始时间 |
| eob | datetime.datetime | bar结束时间 |
回测报告
分析
我们选取了2016年1月至2016年7月作为回测周期，保利地产（600048）作为标的股票，可以看出：
-
胜率（具有盈利的平仓次数与总平仓次数之比）达到了46%，当然，您可以根据需要，制定别的高胜率的开平仓条件。
-
卡玛比率（年化收益率与历史最大回撤之比）是使用最大回撤率来衡量风险。采用最大回撤率来衡量风险，关注的是最极端的情况。卡玛比率越高表示策略承受每单位最大损失获得的报酬越高。在这里卡玛比率达到了1.4。
-
夏普比率（年化收益率减无风险收益率的差收益波动率之比）达到0.78。
-
策略收益曲线与标的股票收益具有很大相关性，日内交易的关键点在于手续费的控制，在提高胜率的同时，尽量提高盈亏比，使得平仓的价差收益大于手续费的损耗。
# coding=utf-8from __future__ import print_function, absolute_import, unicode_literalstry:import talibexcept:print('请安装TA-Lib库')from gm.api import *'''本策略首先买入SHSE.600000股票10000股随后根据60s的数据来计算MACD(12,26,9)线,并在MACD>0的时候买入100股,MACD<0的时候卖出100股但每日操作的股票数不超过原有仓位,并于收盘前把仓位调整至开盘前的仓位回测数据为:SHSE.600000的60s数据回测时间为:2017-09-01 08:00:00到2017-10-01 16:00:00'''def init(context):# 设置标的股票context.symbol = 'SHSE.600000'# 用于判定第一个仓位是否成功开仓context.first = 0# 订阅浦发银行, bar频率为1minsubscribe(symbols=context.symbol, frequency='60s', count=35)# 日内回转每次交易100股context.trade_n = 100# 获取昨今天的时间context.day = [0, 0]# 用于判断是否触发了回转逻辑的计时context.ending = 0def on_bar(context, bars):bar = bars[0]if context.first == 0:# 最开始配置仓位# 需要保持的总仓位context.total = 10000# 购买10000股浦发银行股票order_volume(symbol=context.symbol, volume=context.total, side=PositionSide_Long,order_type=OrderType_Market, position_effect=PositionEffect_Open)print(context.symbol, '以市价单开多仓10000股')context.first = 1.day = bar.bob.strftime('%Y-%m-%d')context.day[-1] = day[-2:]# 每天的仓位操作context.turnaround = [0, 0]return# 更新最新的日期day = bar.bob.strftime('%Y-%m-%d %H:%M:%S')context.day[0] = bar.bob.day# 若为新的一天,获取可用于回转的昨仓if context.day[0] != context.day[-1]:context.ending = 0context.turnaround = [0, 0]if context.ending == 1:return# 若有可用的昨仓则操作if context.total >= 0:# 获取时间序列数据symbol = bar['symbol']recent_data = context.data(symbol=symbol, frequency='60s', count=35, fields='close')# 计算MACD线macd = talib.MACD(recent_data['close'].values)[0][-1]# 根据MACD>0则开仓,小于0则平仓if macd > 0:# 多空单向操作都不能超过昨仓位,否则最后无法调回原仓位if context.turnaround[0] + context.trade_n < context.total:# 计算累计仓位context.turnaround[0] += context.trade_norder_volume(symbol=context.symbol, volume=context.trade_n, side=PositionSide_Long,order_type=OrderType_Market, position_effect=PositionEffect_Open)print(symbol, '市价单开多仓', context.trade_n, '股')elif macd < 0:if context.turnaround[1] + context.trade_n < context.total:context.turnaround[1] += context.trade_norder_volume(symbol=context.symbol, volume=context.trade_n, side=PositionSide_Short,order_type=OrderType_Market, position_effect=PositionEffect_Close)print(symbol, '市价单平多仓', context.trade_n, '股')# 临近收盘时若仓位数不等于昨仓则回转所有仓位if day[11:16] == '14:55' or day[11:16] == '14:57':position = context.account().position(symbol=context.symbol, side=PositionSide_Long)if position['volume'] != context.total:order_target_volume(symbol=context.symbol, volume=context.total, order_type=OrderType_Market,position_side=PositionSide_Long)print('市价单回转仓位操作...')context.ending = 1# 更新过去的日期数据context.day[-1] = context.day[0]if __name__ == '__main__':'''strategy_id策略ID,由系统生成filename文件名,请与本文件名保持一致mode实时模式:MODE_LIVE回测模式:MODE_BACKTESTtoken绑定计算机的ID,可在系统设置-密钥管理中生成backtest_start_time回测开始时间backtest_end_time回测结束时间backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POSTbacktest_initial_cash回测初始资金backtest_commission_ratio回测佣金比例backtest_slippage_ratio回测滑点比例'''run(strategy_id='strategy_id',filename='main.py',mode=MODE_BACKTEST,token='token_id',backtest_start_time='2017-09-01 08:00:00',backtest_end_time='2017-10-01 16:00:00',backtest_adjust=ADJUST_PREV,backtest_initial_cash=2000000,backtest_commission_ratio=0.0001,backtest_slippage_ratio=0.0001)
文章来源：掘金量化交易平台 ,转载请注册出处！
----------------------------------------------------------------------------------------------------------------------------------------------------------
更多经典股票/期货量化策略源码查看：
| 1 | 双均线策略(期货) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/153 |
| 2 | alpha对冲(股票+期货) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/101 |
| 3 | 集合竞价选股(股票) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/102 |
| 4 | 多因子选股(股票) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/103 |
| 5 | 网格交易(期货) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/104 |
| 6 | 指数增强(股票) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/105 |
| 7 | 跨品种套利(期货)量化策略源码 | https://www.myquant.cn/docs/python_strategyies/106 |
| 8 | 跨期套利(期货) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/107 |
| 9 | 日内回转交易(股票)量化策略源码 | https://www.myquant.cn/docs/python_strategyies/108 |
| 10 | 做市商交易(期货) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/109 |
| 11 | 海龟交易法(期货) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/110 |
| 12 | 行业轮动(股票) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/111 |
| 13 | 机器学习(股票) 量化策略源码 | https://www.myquant.cn/docs/python_strategyies/112 |
3238
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
