python网格交易_网格交易(期货)

网格交易(期货)

分享

阅读 30668

更新 2020-12-03 15:44:39

网格交易法(期货)

1. 原理

什么是网格交易法？

网格交易法是一种利用行情震荡进行获利的策略。在标的价格不断震荡的过程中，对标的价格绘制网格，在市场价格触碰到某个网格线时进行加减仓操作尽可能获利。

网格交易法属于左侧交易的一种。与右侧交易不同，网格交易法并非跟随行情，追涨杀跌，而是逆势而为，在价格下跌时买入，价格上涨时卖出。

怎样设计网格？

投资者可以随意设置网格的宽度和数量。既可以设置为等宽度，也可以设置为不等宽度的。设置等宽度网格可能会导致买点卖点过早，收益率较低。设置不等宽度网格能够避免这个问题，但如果行情出现不利变动，可能会错失买卖机会。

网格交易法的盈利情况

在行情震荡上涨时：

假设格子之间的差为1元钱，每变化一个格子相应的买入或卖出1手，则通过网格交易当前账户的净收益为5元，持空仓3手，持仓均价为13元。

行情震荡下跌时：

同理可知，净收益为10元，持5手多仓，平均成本为8元。

可以看到，无论行情上涨还是下跌，已平仓的部分均为正收益，未平仓的部分需要等下一个信号出现再触发交易。

即使网格交易能够获得较为稳定的收益，但也存在一定的风险。如果行情呈现大涨或大跌趋势，会导致不断开仓，增加风险敞口。这也是为什么网格交易更适用震荡行情，不合适趋势性行情。

核心

网格交易主要包括以下几个核心要点：

- 挑选的标的最好是价格变化较大，交易较为活跃

网格交易是基于行情震荡进行获利的策略，如果标的不活跃，价格波动不大，很难触发交易。

- 选出网格的压力位和阻力位

确定适当的压力位和阻力位，使价格大部分时间能够在压力位和阻力位之间波动。如果压力位和阻力位设置范围过大，会导致难以触发交易；如果压力位和阻力位设置范围过小，则会频繁触发交易。

- 设置网格的宽度和数量

设定多少个网格以及网格的宽度可根据投资者自身喜好自行确定。

2. 策略思路

第一步：确定价格中枢、压力位和阻力位

第二步：确定网格的数量和间隔

第三步：当价格触碰到网格线时，若高于买入价，则每上升一格卖出m手；若低于买入价，则每下跌一格买入m手。

回测标的：SHFE.rb1901

回测时间：2018-07-01 到 2018-10-01

回测初始资金：10万

注意：若修改回测期，需要修改对应的回测标的。

策略难点：怎样记录价格是否突破网格线？

解决方法：有些人可能会想到用当前价格与网格线对应的价格进行比较，但这样操作比较麻烦，步骤繁琐。这里采用区域判断方式。根据网格线划分网格区域为1、2、3、4、5、6.利用pandas库提供的cut函数，将当前价格所处的网格区域表示出来。当网格区域发生变化，说明价格突破了一个网格线。

如何避免出现4区-5区开仓一次,5区-4区又平仓一次这种“假突破”？

解决方法：4-5开仓一次和5-4平仓一次实际上突破的是一根线，此时的形态是价格沿着这根线上下波动。只有第一次穿过这条线时才是真正的交易信号，其他的并没有形成突破。因此我们需要一个变量储存每一次交易时网格区域的变化形态(按照从大到小的顺序)，比如5-4可以记为[4,5],4-5记为[4,5]。当新的记录=旧的记录时，信号失效。

3. 策略代码# coding=utf-8

from__future__importprint_function,absolute_import,unicode_literals

importnumpyasnp

importpandasaspd

fromgm.apiimport*

'''

本策略标的为：SHFE.rb1901

价格中枢设定为：前一交易日的收盘价

从阻力位到压力位分别为：1.03 * open、1.02 * open、1.01 * open、open、0.99 * open、0.98 * open、0.97 * open

每变动一个网格，交易量变化100个单位

回测数据为:SHFE.rb1901的1min数据

回测时间为:2017-07-01 08:00:00到2017-10-01 16:00:00

'''

definit(context):

# 策略标的为SHFE.rb1901

context.symbol='SHFE.rb1901'

# 订阅SHFE.rb1901, bar频率为1min

subscribe(symbols=context.symbol,frequency='60s')

# 设置每变动一格，增减的数量

context.volume=1

# 储存前一个网格所处区间，用来和最新网格所处区间作比较

context.last_grid=0

# 以前一日的收盘价为中枢价格

context.center=history_n(symbol=context.symbol,frequency='1d',end_time=context.now,count=1,fields='close')[0]['close']

# 记录上一次交易时网格范围的变化情况(例如从4区到5区，记为4,5)

context.grid_change_last=[0,0]

defon_bar(context,bars):

bar=bars[0]

# 获取多仓仓位

position_long=context.account().position(symbol=context.symbol,side=PositionSide_Long)

# 获取空仓仓位

position_short=context.account().position(symbol=context.symbol,side=PositionSide_Short)

# 设置网格和当前价格所处的网格区域

context.band=np.array([0.97,0.98,0.99,1,1.01,1.02,1.03])*context.center

grid=pd.cut([bar.close],context.band,labels=[1,2,3,4,5,6])[0]

# 如果价格超出网格设置范围，则提示调节网格宽度和数量

ifnp.isnan(grid):

print('价格波动超过网格范围，可适当调节网格宽度和数量')

# 如果新的价格所处网格区间和前一个价格所处的网格区间不同，说明触碰到了网格线，需要进行交易

# 如果新网格大于前一天的网格，做空或平多

ifcontext.last_grid

# 记录新旧格子范围(按照大小排序)

grid_change_new=[context.last_grid,grid]

# 几种例外：

# 当last_grid = 0 时是初始阶段，不构成信号

# 如果此时grid = 3，说明当前价格仅在开盘价之下的3区域中，没有突破网格线

# 如果此时grid = 4，说明当前价格仅在开盘价之上的4区域中，没有突破网格线

ifcontext.last_grid==0:

context.last_grid=grid

return

ifcontext.last_grid!=0:

# 如果前一次开仓是4-5，这一次是5-4，算是没有突破，不成交

ifgrid_change_new!=context.grid_change_last:

# 更新前一次的数据

context.last_grid=grid

context.grid_change_last=grid_change_new

# 如果有多仓，平多

ifposition_long:

order_volume(symbol=context.symbol,volume=context.volume,side=OrderSide_Sell,order_type=OrderType_Market,

position_effect=PositionEffect_Close)

print('以市价单平多仓{}手'.format(context.volume))

# 否则，做空

ifnotposition_long:

order_volume(symbol=context.symbol,volume=context.volume,side=OrderSide_Sell,order_type=OrderType_Market,

position_effect=PositionEffect_Open)

print('以市价单开空{}手'.format(context.volume))

# 如果新网格小于前一天的网格，做多或平空

ifcontext.last_grid>grid:

# 记录新旧格子范围(按照大小排序)

grid_change_new=[grid,context.last_grid]

# 几种例外：

# 当last_grid = 0 时是初始阶段，不构成信号

# 如果此时grid = 3，说明当前价格仅在开盘价之下的3区域中，没有突破网格线

# 如果此时grid = 4，说明当前价格仅在开盘价之上的4区域中，没有突破网格线

ifcontext.last_grid==0:

context.last_grid=grid

return

ifcontext.last_grid!=0:

# 如果前一次开仓是4-5，这一次是5-4，算是没有突破，不成交

ifgrid_change_new!=context.grid_change_last:

# 更新前一次的数据

context.last_grid=grid

context.grid_change_last=grid_change_new

# 如果有空仓，平空

ifposition_short:

order_volume(symbol=context.symbol,volume=context.volume,side=OrderSide_Buy,

order_type=OrderType_Market,

position_effect=PositionEffect_Close)

print('以市价单平空仓{}手'.format(context.volume))

# 否则，做多

ifnotposition_short:

order_volume(symbol=context.symbol,volume=context.volume,side=OrderSide_Buy,

order_type=OrderType_Market,

position_effect=PositionEffect_Open)

print('以市价单开多{}手'.format(context.volume))

# 设计一个止损条件：当持仓量达到10手，全部平仓

ifposition_short==10orposition_long==10:

order_close_all()

print('触发止损，全部平仓')

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_BACKTEST

token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_POST

backtest_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='2018-07-01 08:00:00',

backtest_end_time='2018-10-01 16:00:00',

backtest_adjust=ADJUST_PREV,

backtest_initial_cash=100000,

backtest_commission_ratio=0.0001,

backtest_slippage_ratio=0.0001)

4. 回测结果和稳健性分析

设定初始资金10万，手续费率为0.01%，滑点比率为0.01%。回测结果如下图所示。

回测期间策略累计收益率为4.16%，年化收益率为16.50%，基准收益率为0.91%，整体跑赢指数。最大回撤为0.72%，胜率为100%。在2018年7月12日以后，标的没有交易，说明此时标的价格已经超过设置的网格范围，可以适当加宽或增加网格数量。

为了检验策略的稳健性，保持标的和回测期不变，改变网格间隔和网格数量，得到回测结果如下表所示。

网格间隔

网格数量

手续费

年化收益率

最大回撤

胜率

未平头寸

0.01*价格中枢

6

50.55

16.50%

0.72%

100%

0手多单

0.02*价格中枢

6

36.89

26.21%

7.82%

100%

2手空单

0.005*价格中枢

6

61.42

-30.24%

22.04%

85.71%

3手空单

0.01*价格中枢

4

18.11

15.49%

4.17%

100%

1手多单

0.02*价格中枢

4

18.16

16.08%

4.16%

100%

1手空单

0.005*价格中枢

4

21.72

-51.27%

31.39%

100%

4手空单

可以看到，改变网格间隔和网格数量对回测结果的影响较大。整体胜率较高，但存在部分未平头寸。在网格间隔设置为0.01倍价格中枢时，整体收益率最高，最大回撤也处于较低水平；在网格间隔为0.02倍中枢价格时，整体收益率最差。由此可以看出，网格间隔对收益率的影响要高于网格数量。因此，在利用网格交易法时，需要设置合理的网格间隔。

注：此策略只用于学习、交流、演示，不构成任何投资建议。