量化交易策略——CCI指标

 20世纪80年代，美国股市分析家唐纳德·蓝伯特(Donald Lambert)发明了顺势指标，即CCI指标，早期被用于期货市场的判断，后来被广泛应用在股票市场的研判。与大多数技术分析指标相比，根据统计学原理的CCI指标是比较独特的，它通过测量股价的波动是否已超出其正常范围，来预测股价变化趋势的技术分析指标，属于超买超卖类指标的一种。

 CCI与其他技术分析指标一样，由于选用的计算周期不同，其中包括：分钟CCI指标、日CCI指标、周CCI指标、年CCI指标等很多种类型。其中，日、周CCI指标较为常用在股市研判。

与其他技术分析指标相比，CCI指标的计算是比较复杂的，以日CCI计算为例的两种计算方法：

1.CCI = （TP－MA）÷MD÷0.015

其中：TP=（最高价 最低价 收盘价）÷3；

MA= 最近N日收盘价的累计之和÷N；

MD=最近N日（MA－收盘价）的累计之和÷N；

 0.015为计算系数，N为计算周期。

 2.中价与中价的N日内移动平均的差÷N日内中价的平均绝对偏差

其中：中价=（最高价﹢最低价﹢收盘价）÷3；

平均绝对偏差为统计函数。

CCI指标和其他没有运行区域限制的指标不同之处就是，它有一个相对的技术参照区域，按市场的通行的标准可分为三大类：﹢100、﹣100和﹢100—﹣100之间：

1.当CCI＞﹢100时，表示股价已进入超买区间，需要多加关注股价的异动现象；

2.当CCI＜﹣100时，表示股价已进入超卖区间，投资者可以逢低吸纳股票；

3.当CCI介于﹢100—﹣100之间时，表示股价处于窄幅振荡整理的区间——常态区间，投资者应以观望为主。

CCI策略

选取CCI处于100—150之间，处于上涨趋势的股票。

 

from CAL.PyCAL import *

import pandas as pd

import numpy as np

 

start = '2010-08-01'                       # 回测起始时间

end = '2014-08-01'                         # 回测结束时间

benchmark = 'HS300'                        # 策略参考标准

universe = set_universe('HS300')           # 证券池，支持股票和基金

capital_base = 100000                      # 起始资金

freq = 'd'                                 # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测

refresh_rate = 20                          # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟

 

def initialize(account):                   # 初始化虚拟账户状态

    pass

 

def handle_data(account):                  # 每个交易日的买入卖出指令    

    eq_CCI = cci(account,85)

    buylist = []        

    for stk in account.universe:

        try:

            if eq_CCI[stk] > 100 and eq_CCI[stk] < 150:

                buylist.append(stk)

        except:

            pass

    for stk in account.valid_secpos:

        order_to(stk, 0)

        

    for stk in buylist[:]:

            if stk not in account.universe or account.referencePrice[stk] == 0 or np.isnan(account.referencePrice[stk]):

                bulist.remove(stk)

    

    for stk in buylist:

        order(stk, account.referencePortfolioValue/account.referencePrice[stk]/len(buylist)) 

样本外测试

 

from CAL.PyCAL import *

import pandas as pd

import numpy as np

 

start = '2014-08-01'                       # 回测起始时间

end = '2015-08-01'                         # 回测结束时间

benchmark = 'HS300'                        # 策略参考标准

universe = set_universe('HS300')           # 证券池，支持股票和基金

capital_base = 100000                      # 起始资金

freq = 'd'                                 # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测

refresh_rate = 20                          # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟

 

def initialize(account):                   # 初始化虚拟账户状态

    pass

 

def handle_data(account):                  # 每个交易日的买入卖出指令    

    eq_CCI = cci(account,85)

    buylist = []        

    for stk in account.universe:

        try:

            if eq_CCI[stk] > 100 and eq_CCI[stk] < 150:

                buylist.append(stk)

        except:

            pass

    

    

    for stk in account.valid_secpos:

        order_to(stk, 0)

        

    for stk in buylist[:]:

            if stk not in account.universe or account.referencePrice[stk] == 0 or np.isnan(account.referencePrice[stk]):

                bulist.remove(stk)

    

    for stk in buylist:

        order(stk, account.referencePortfolioValue/account.referencePrice[stk]/len(buylist)) 

--------------------------------------------------------------------------------------------------------------------------

推荐阅读：

1.一个量化策略师的自白（好文强烈推荐）

2.股票期货经典的量化交易策略都在这里了！（源码）

3.期货/股票数据大全查询（历史/实时/Tick/财务等）

4.史上最全的Python定量金融三方库汇总

5.干货 | 量化选股策略模型大全

6.量化金融经典理论、重要模型、发展简史大全