python 交易量化模型_Python期货股票量化交易，多品种组合模型之动量策略!

一、策略简介

动量交易策略源于股票或期货市场中的动量效应，所谓动量效应是指过去一段时间的收益较高的资产价格，那么，资产在未来一段时间内同样也能获得较高收益。

同样的，如果某一资产价格过去的波动越大，那么在未来的一段时间内这部分资产价格的波动同样也大，也就是惯性效应。因此，基于这样的逻辑开发策略，称作：动量策略。

50个期货品种的TR一阶段差分均值

在股票和期货市场都有这样的效应，那么下面在期货市场中实现基于这一逻辑的策略。

二、策略的原理

本文将利用海龟交易策略中的唐奇安通道，应用在这一逻辑中，用Python tqsdk开发基于多品种的动量交易策略，品种排序的标准是根据平均真实波幅(ATR中的TR)进行一阶段差分后平均值，进行排序。

策略逻辑：

(1)在多个品种中选出波动率较大的品种，计算唐奇安通道。当价格突破上轨时，开多。跌破下轨时开空。

(2)当价格突破上轨时，平空。跌破下轨时平多。

其实我们可以看得出，策略的基本思想并不复杂，就是一个通道+动量效应。但就是因为是基于动量这一逻辑，才让一个平凡的策略拥有比较理想的收益。在量化程序化交易中获得很多交易者的亲睐！

三、代码编写

策略的实现过程，我将用四个部分来讲解：剔除交易量较小或上市短的品种、按照ATR平均真实波幅进行排序、将排序后的期货合约进行交易。

(一)首先，剔除交易量较小或上市短的品种。

1.导入模块。

from tqsdk import TqApifrom tqsdk.ta import ATR,MAfrom datetime import timedeltaimport pandas as pdimport seaborn as snsimport numpy as npimport mathimport matplotlib.pyplot as pltsns.set()

2.获取剔除后的品种。我们剔除了股指期货和成交量或上市日期较短的期货品种'，存入symbol_Trade这个列表中，用后后续进行排序。symbol_Trade = []def trade_symbol(api): '剔除股指期货和成交量或上市日期较短的期货品种' Continuous_contract = [v['underlying_symbol'] for k, v in api._data['quotes'].items() if k.startswith('KQ.m')] symbol_Index = [] a = '' for i in range(len(Continuous_contract)): if Continuous_contract[i].split('.')[0] == 'CFFEX': continue else: for j in range