前言
这篇文章讲解的是一个策略的大体框架应该是怎么样的,模拟盘和实盘有哪些注意事项!更多详情可以看后记!
一、策略编写
1、简单但是完整的策略
def initialize(context):
set_universe('600570.SS')
def handle_data(context, data):
pass
一个完整策略只需要两步:
- set_universe: 设置我们要操作的股票池,上面的例子中,只操作一支股票: '600570.SS',恒生电子。所有的操作只能对股票池的标的进行。
- 实现一个函数: handle_data。
这是一个完整的策略,但是我们没有任何交易,下面我们来添加一些交易
2、添加一些交易
def initialize(context):
g.security = '600570.SS'
# 是否创建订单标识
g.flag = False
set_universe(g.security)
def handle_data(context, data):
if not g.flag:
order(g.security, 1000)
g.flag = True
这个策略里,当我们没有创建订单时就买入1000股'600570.SS',具体的下单API请看order函数。这里我们有了交易,但是只是无意义的交易,没有依据当前的数据做出合理的分析。
二、实用的策略
下面我们来看一个真正实用的策略
在这个策略里,我们会根据历史价格做出判断:
如果上一时间点价格高出五天平均价1%,则全仓买入
如果上一时间点价格低于五天平均价,则空仓卖出
def initialize(context):
g.security = '600570.SS'
set_universe(g.security)
def handle_data(context, data):
security = g.security
sid = g.security
# 取得过去五天的历史价格
df = get_history(5, '1d', 'close', security, fq=None, include=False)
# 取得过去五天的平均价格
average_price = round(df['close'][-5:].mean(), 3)
# 取得上一时间点价格
current_price = data[sid]['close']
# 取得当前的现金
cash = context.portfolio.cash
# 如果上一时间点价格高出五天平均价1%, 则全仓买入
if current_price > 1.01*average_price:
# 用所有 cash 买入股票
order_value(g.security, cash)
log.info('buy %s' % g.security)
# 如果上一时间点价格低于五天平均价, 则空仓卖出
elif current_price < average_price and get_position(security).amount > 0:
# 卖出所有股票,使这只股票的最终持有量为0
order_target(g.security, 0)
log.info('sell %s' % g.security)
1、初始化函数 initialize(context):
g.security = '600570.SS': 设定了一个全局变量 g.security,表示要交易的股票代码。
set_universe(g.security):该函数用于设置或者更新此策略要操作的股票池。在这里也就是设置本次策略要操作的股票池是恒生电子
2、数据处理函数 handle_data(context, data)
先是从初始函数中获取股票代码,然后还是使用get_history函数获取过去五天的价格,用average函数获得均值,保留到小数点后三位!
order_value和order_target函数通常用于量化交易平台上的交易指令。order_value用于指定用多少现金来购买股票,而order_target用于指定目标股票数量。
初始化函数和数据处理函数是唯二必须定义的函数!
三、关于持久化
1、为什么要做持久化处理
服务器异常、策略优化等诸多场景,都会使得正在进行的模拟盘和实盘策略存在中断后再重启的需求,但是一旦交易中止后,策略中存储在内存中的全局变量就清空了,因此通过持久化处理为量化交易保驾护航必不可少。
2、量化框架持久化处理
使用pickle模块保存股票池、账户信息、订单信息、全局变量g定义的变量等内容。
3、示例
import pickle
from collections import defaultdict
NOTEBOOK_PATH = '/home/fly/notebook/'
'''
持仓N日后卖出,仓龄变量每日pickle进行保存,重启策略后可以保证逻辑连贯
'''
def initialize(context):
#尝试启动pickle文件
try:
with open(NOTEBOOK_PATH+'hold_days.pkl','rb') as f:
g.hold_days = pickle.load(f)
#定义空的全局字典变量
except:
g.hold_days = defaultdict(list)
g.security = '600570.SS'
set_universe(g.security)
# 仓龄增加一天
def before_trading_start(context, data):
if g.hold_days:
g.hold_days[g.security] += 1
# 每天将存储仓龄的字典对象进行pickle保存
def handle_data(context, data):
if g.security not in list(context.portfolio.positions.keys()) and g.security not in g.hold_days:
order(g.security, 100)
g.hold_days[g.security] = 1
if g.hold_days:
if g.hold_days[g.security] > 5:
order(g.security, -100)
del g.hold_days[g.security]
with open(NOTEBOOK_PATH+'hold_days.pkl','wb') as f:
pickle.dump(g.hold_days,f,-1)
导入库和模块:
import pickle:导入Python的pickle模块,用于序列化和反序列化Python对象。
from collections import defaultdict:从collections模块中导入defaultdict,它是一个字典子类,它提供一个工厂函数作为默认值,为任何尚未存在的键生成一个值。
NOTEBOOK_PATH = '/home/fly/notebook/':定义了一个字符串常量,表示用于存储pickle文件的路径。
后记
ptrade的渠道可以通过《ptrade开通详则》来获取,感谢看到这里,如果有更多疑问欢迎在评论区支出!