请　[注册]　或　[登录]　 | 返回主站

量化交易吧 /  量化平台 帖子：3364736 新帖：0

给初次接触量化的人写的教程：统计沪深300涨跌幅得到的右侧择时策略

TRADE12发表于：5 月 10 日 07：29回复(1)

为了忽悠更多的人加入量化的队伍，我写了这篇初初初级教程，以下是回测和实现思路：

量化初接触：统计沪深300涨跌幅得到的右侧择时策略¶

经济寒冬，互联网、金融这些曾经高薪的行业大裁员，而有部分量化交易高手却在权证领域收获颇丰，想必大家有所耳闻。相信未来这个战场会更加繁荣，然而初入门者还是需要一步步来。

一：思路¶

本文针对的是量化初学者，大神可绕道。曾看到过一些量化高手说，实现策略不是难点，思路才是关键。对于量化小白来说，涉足过手动交易，有些自己的想法，但是无法深入下去，更不用说最终转换成策略了。在此我分享一个比较基本总价价量因子的思路，就是先用统计来检验价量因子出现的几率，成功率高再继续进行买卖策略的编制和回测，有点像以前老股民使用的通达信或同花顺的选股公式，当然pyhon更灵活，还可以进行图表的绘制，是用公式单纯计算一个成功率的方法不可比拟的。

选择沪深300，是因为指数成分股是指数公司认真挑选的优质企业,是当期最优质的企业，其权重也往往和市值挂钩。

二：统计¶

直观的观察指数曲线，大起大落的时候少，那么我们直接统计出每天涨跌幅的分布情况，时间是15年1月1日到17年1月1日，覆盖了上一次疯牛从启动到消退的时间。

from jqdata import *
from datetime import *
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.ticker as ticker
sns.set_style('darkgrid')

hs300=get_price('399300.XSHE'
            ,start_date='2015-01-01'
            ,end_date='2017-01-01'
            ,frequency='daily'
            ,fields=['close']
            ,skip_paused=True
            ,fq='pre')
cs=hs300['close']
changes=[round(cs[i]/cs[i-1]-1,3) for i in range(1,len(cs))]

plt.figure(figsize=(16,8))
ax = plt.hist(changes,500)

可以看出，正负百分之一点五以内的情况占了大多数。根据这个统计，我们继续统计两天、三天甚至五天的涨跌幅情况，过程就不在这里贴出来，大家只要改动参数就可以了。有了大致的统计，我们可以进一步在走势上绘制出一些有参考意义的涨跌幅的分布，比如连涨几天后的表现，比如大跌后几天的表现等，这里就不展开，这次分享的事我个人找到的规律：3日上涨日均上涨超0.5%且每日涨幅差异较小多数时候证明了上升趋势的延续，2日连续下跌超过2%在下跌趋势中更为常见。看图一目了然：

#先绘制走势
sns.set_style('white')
pic= cs.plot(figsize=(16,8))

#用绿色标出连续两天下跌2%的时间段
timespans=[]
i=0
days=2
while i < len(hs300)-1-days:
    if cs[i+days]/cs[i]<=0.98:
        timespans.append(hs300.index[i])
        i+=days
    else:
        i+=1
for span in timespans:
    pic.axvspan(span, span+timedelta(days=days), facecolor='green', edgecolor='none', alpha=.5)

#用红色标出3日上涨涨超1.5%但单天涨幅不超过1%的时间段
timespans=[]
i=0
days=3
while i < len(hs300)-1-days:
    if cs[i+days]/cs[i]>=1.015 and max([cs[i:i+days+1][j+1]/cs[i:i+days+1][j] for j in range(0,days-1)])<=1.01:
        timespans.append(hs300.index[i])
    i+=1
for span in timespans:
    pic.axvspan(span, span+timedelta(days=days), facecolor='pink', edgecolor='none', alpha=.75)

三：策略和回测¶

接下来就可以编制策略了，初步以比较粗暴的方式编写是：检测沪深300指数5日上涨超0.5%且最大单日涨幅小于1%，全仓买入沪深300指数成分股中沪市深市市值前五，检测到2日下跌超2%，全仓卖出。十年回测的结果还不错，注意笔者用于统计的区间只有15到17两年，对15年以前的行情没有什么效果，但对17和18却十分有效，说明A股的波动是越来越大，有兴趣的朋友也可以统计更多年份的涨跌幅，这里就不赘述了。希望本文能抛砖引玉，启发更多量化小白的思维。

       

全部回复

0/140

量化课程

    移动端课程