python量化投资代码_手把手教你用三行python 代码做一个动量策略「量化投资系列」...

动量策略是右侧交易里最常见的，背后的逻辑是就现在涨的，后市还会涨，动量具有惯性的意思。

首先加载原始数据，我们用天的收盘价即可，按统一转为收益率。因为点位本身不重要，我们最后只关心变化率。

以沪深300数据为例，从2010-01-01到现在。

df['position'] = np.sign(df[code])

numpy.sign可以向量化的判断收益率为正或负。——其实收益率就是1天的动量。

下面我们做一个最简单的动量策略，就是昨天收益率(动量)为正当天持仓; 如果昨天为负，则当天空仓，一行代码就够了：

df['strategy'] = df['position'].shift(1) * df[code]

shift把position统一向上撤一行，否则就是未来函数。

这一句就把策略的收益直接算出来：

我们把策略收益画出来看下效果如何：

(df[[code, 'strategy']]+1).cumprod().plot(figsize=(10, 6))

cumsum()是连乘的意思，等于(1+rate).cumprod()。

这么一个最简单的策略，看出来，动量策略可能有正收益的。

稍微改造一下，N=13天的动量策略：

df = MongoDatafeed(start=datetime(2011, 1, 1)).get_dfs([code])df['equity'] = (1+df[code]).cumprod()N = 13df['equity_{}'.format(N)] = df['equity'].shift(N)df['momentum'] = df['equity']/df['equity_{}'.format(N)] - 1df['position'] = np.sign(df['momentum'])df['strategy'] = df['position'].shift(1) * df[code]

当13天动量为正时持仓，反之平仓。

创业板指数的13天动量策略

年化15%，比指数本身年化10%高出5个点

以此为基础，就看大家的想象力了。

(公众号： 七年实现财富自由(ailabx)，用数字说基金，用基金做投资组合，践行财富自由之路)