量化交易研究———高级篇(2)MACD检测实现

import talib
import numpy as np
import pandas as pd


securities=['601006.SH','601008.SH','601155.SH','600519.SH','300136.SZ','600741.SH']
count = 0
for stock in securities:
    values = get_price(stock, None, '20180105', '1d', ['close', 'high', 'low'], True, None, 40, is_panel=1)
    DIFF, DEA, MACD = talib.MACD(values['close'].values,
            fastperiod=12, slowperiod=26, signalperiod=9)
        # 若出现MACD死叉(MACD变为负值),则卖出股票
    if MACD[-1] < 0:
        log.info(MACD[-1])
        order_target(stock, 0)


    # 买入股票
for stock in account.iwencai_securities:
        # 若股票数量到达限制,则跳出
    if len(account.positions) >= account.n:
        break
    if stock not in account.positions:
            # 获取股票收盘价数据
        values = data.attribute_history(stock, ['close'], 100, '1d', False, None)
        if values.empty:
            continue
            # 计算MACD值
        DIFF, DEA, MACD = talib.MACD(values['close'].values,
                fastperiod=12, slowperiod=26, signalperiod=9)
            # 若出现MACD金叉,则买入1/n仓位的股票
        if MACD[-1] > 0 and MACD[-2] < 0:
            order_target_percent(stock, 1/account.n)
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
《从编程小白到量化宗师之路》系列课程是一套综合性实战课程,涵盖股票,期货,虚拟货币等的交易方法和策略手段。《基于BackTrader开发一套WorkForward前向分析框架》是本系列的第二个中级课程。课程宗旨是缩短个人或小型投资者与大型机构投资者之间的的差距。目前市场上的所有量化策略编写系统,都是从获取一段时间的数据开始,利用指标或者各种模型,进行订单的买卖操作,直到跑完这段时间的数据,运行出结果,并给出各种各样的统计分析,就结束了!?然而实际上,这远没有结束,我们就以指标为例,不同时间不同的行情,指标的效果有很大的差别,更别说不同的年份有不同的行情,只使用一段时间测试怎么足够?一次性用所有数据,又是一种极端过拟合,更何况,你不能使用2019年测试好的策略,用在2018年之前的任何时间,这些限制,正是金融时间序列数据的不同之处。为了解决这个问题,就应该使用WorkForward前向分析,也就是通常意义上的“边走边看,走一步看一步”。这本应该是最基础的功能,然而市面上大多数的量化分析系统,完全没有提到或者提供这项功能,让初步入门的量化学习者还要自己组装这一基础功能。本课程基于backtrader,实现了一个默认支持workforward分析的框架,用户只需要设定需要的产品数据,比如股票和期货,然后设定训练时间,测试时间,预热时间(课程会讲到),编写策略后, 就可以运行WorkForward前向分析功能。用户以后只需要专注于策略编写,大大减轻了使用量化交易系统的负担。课程内容从讲解机器学习中用到的交叉验证和为什么金融时序要使用前向分析(WorkForward)开始,详细讲解了前向分析框架的每一个函数,每一个参数的用途,并使用边实际运行代码边讲解的方法,通透的讲述了前向分析框架使用到的各个部分,为同学们透彻理解前向分析框架的代码提供了十分方便的途径。 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值