量化学习Day2

【整理】框架来源：《7天学会Python量化交易》Day2：3种策略教你如何把握趋势行情良机

我来啦，首先推荐一下我的量化导师 罗勇 老师的微信公众号“十点洞见”和“量化交易策略集萃” (๑•̀ㅂ•́)و✧
文中策略都尽可能的附了代码或调参后的回测结果，鄙人还没能力写深入的策略思路改进，可以一起探讨 ᕕ( ᐛ )ᕗ
论坛的保存机制不是很好，中途丢了好几次草稿，快整疯了 (´༎ຶД༎ຶ`)

一、趋势跟踪策略原理与特点

1、三大假设

• 股价短期不可预测（布朗运动）
  《上》关于布朗运动、BS公式可以先看这两篇，后续可能发一篇“机器学习期权定价”，到时候再详解
  《布朗运动、伊藤引理、BS 公式下》
• 市场信息的不对称性，导致股价的上涨存在动量效应
  （ 根据经验，股票收益中似乎存在着某种“惯性”，称为动量效应，即未来收益与过去的收益呈正相关。因此价格动量策略相当于购买表现最佳的股票，卖出表现最差的股票，其中表现可以用价格、价值、收益来衡量 )
• 趋势一旦形成，有很大的概率会维持一段时间

2、传统趋势的刻画—趋势线

• 一系列更高的高点和更高的低点，构成上升趋势
• 一系列更低的低点和更低的高点，构成下跌趋势
  一篇技术分析的趋势线全解，其中的趋势线修正等原则可以在优化时做调整准则

3、趋势线出入场规则

• 买入点：下跌后上涨，突破更低的高点构成的上轨
• 卖出点：上涨后下跌，跌破更高的低点构成的下轨

4、缺点

• 无法准确量化定义（很难用程序来实现）
• 事后分析头头是道，实战运用困难

5、趋势跟踪策略的特点

• 买高（行情启动位置），卖更高
• 交易周期长（A股市场大涨大跌短，一般处于震荡）
• 胜率较低， 40% - 50%
• 靠盈亏比取胜，大赚、小亏
• 注重风险管理，设定利润目标、严格止损

二、均线策略

核心逻辑：以均线作为支撑或者阻力线作为买入卖出依据
常用指标：双均线，多均线，MACD

1、单均线策略

• 简单移动平均线SMA（N）= N日收市价之和 / N
• 指数平滑移动平均线（区别于SMA，EMA考虑到之前的每一天，离当前越远时间的值响应程度越小）
  其中Pi-1表示前一天的收盘价
  
• 入场：上一收盘价高于25日均线
  出场：上一收盘价低于25日均线
• 代码：用的是聚宽JoinQuant策略列表自带的策略，这里就给出核心函数块
  详细使用看API文件哦，各个量化平台大同小异

## 开盘时运行函数
def market_open(context):
    security = g.security
    # 获取股票的收盘价
    close_data = get_bars(security, count=26, unit='1d', fields=['close'])
    # 取得过去25天的平均价格
    MA25 = close_data['close'].mean()
    # 取得上一时间点价格
    current_price = close_data['close'][-1]
    # 取得当前的现金
    cash = context.portfolio.available_cash

    # 如果上一时间点价格高出25天平均价， 则全仓买入
    if (current_price > MA25) and (cash > 0):
        order_value(security, cash)
    # 如果上一时间点价格低于25天平均价, 则空仓卖出
    elif current_price < MA25 and context.portfolio.positions[security].closeable_amount > 0:
        # 卖出所有股票,使这只股票的最终持有量为0
        order_target(security, 0)