如何用Python編程借助現(xiàn)有量化平臺(tái)編寫股票交易策略和回測(cè)分析

這篇文章主要講解了“如何用Python編程借助現(xiàn)有量化平臺(tái)編寫股票交易策略和回測(cè)分析”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何用Python編程借助現(xiàn)有量化平臺(tái)編寫股票交易策略和回測(cè)分析”吧！

一、簡(jiǎn)介

大家好，我是Snowball。今天給大家分享的內(nèi)容是基于Python編程，實(shí)現(xiàn)股票交易相關(guān)功能開發(fā)，如果讀者對(duì)股票或金融衍生物交易不太了解，又比較感興趣的話可自行查詢相關(guān)資料。

接下來筆者會(huì)給大家介紹股票交易中的常見幾種交易策略實(shí)現(xiàn)思路和源碼編寫過程，如果大家聽說過量化交易這個(gè)詞語的話，對(duì)其中的交易策略或許了解過，大概意思就是在股票、加密貨幣或者金融衍生物在價(jià)格的波動(dòng)過程中根據(jù)其交易策略進(jìn)行不斷的買入和賣出，不斷的套利，降低持倉陳本，來達(dá)到收益最大化。

常見的交易策略有很多種，例如趨勢(shì)型，網(wǎng)格型，剝頭皮，概率法則，高頻交易等，今天主要給大家介紹2種低頻的交易策略，高拋低吸網(wǎng)格交易策略、日內(nèi)做T策略。其他的交易策略較復(fù)雜，讀者可自行百度了解，筆者這里推薦一個(gè)量化交易網(wǎng)站，僅供參考，米筐量化：

https://www.ricequant.com/doc/quant/

二、需求分析&實(shí)現(xiàn)思路

每個(gè)交易日的股票都會(huì)上漲或者下跌，在這個(gè)過程中筆者們偶爾會(huì)想針對(duì)部分股票進(jìn)行股價(jià)的漲跌幅進(jìn)行監(jiān)控，或者自動(dòng)進(jìn)行交易，在這個(gè)需求前提下，現(xiàn)有券商、股票分析軟件都會(huì)帶有機(jī)器人自動(dòng)交易策略功能，大部分都需要收費(fèi)或者部分策略不能滿足自己的需求，筆者這邊提供2種實(shí)現(xiàn)思路：

1、借助現(xiàn)有量化平臺(tái)編寫策略和回測(cè)分析，然后在券商軟件層面進(jìn)行策略執(zhí)行。

2、自己編寫功能代碼來監(jiān)控估價(jià)，對(duì)股價(jià)波動(dòng)進(jìn)行特殊處理滿足特殊需求。

第一種實(shí)現(xiàn)成本較低，但功能受限于平臺(tái);第二種實(shí)現(xiàn)成本毋庸置疑相對(duì)較高，但是邏輯可以自己控制。

三、借助現(xiàn)有量化平臺(tái)編寫策略和回測(cè)分析

這里利用米筐量化實(shí)現(xiàn)和分析自己的交易策略，需要先注冊(cè)個(gè)賬號(hào)，然后進(jìn)入到平臺(tái)-筆者的策略中進(jìn)行策略編寫，平臺(tái)的功能使用可以參考平臺(tái)文檔。

筆者這里貼出筆者自己寫的2種策略代碼，這個(gè)平臺(tái)只支持使用Python腳本編寫。

1)價(jià)差交易策略

平臺(tái)截圖：

部分代碼如下，詳細(xì)代碼可以自己手?jǐn)]實(shí)現(xiàn)，也可以在文末進(jìn)行獲?。?/p>

# 你選擇的證券的數(shù)據(jù)更新將會(huì)觸發(fā)此段邏輯，例如日或分鐘歷史數(shù)據(jù)切片或者是實(shí)時(shí)數(shù)據(jù)切片更新 def handle_bar(context, bar_dict): ...     if newPrice >= context.nextSellPrice:         logger.info("執(zhí)行高拋交易,對(duì)應(yīng)價(jià)格:{}".format(newPrice))         amount = context.portfolio.positions[context.s1].quantity         if amount >= context.tradeNumber:             logger.info("執(zhí)行高拋交易,對(duì)應(yīng)數(shù)量:{}".format(context.tradeNumber))             order_shares(context.s1, -context.tradeNumber)             plot("S", newPrice)         elif amount >= 100:             logger.info("執(zhí)行高拋交易,對(duì)應(yīng)數(shù)量:{}".format(amount))             order_shares(context.s1, -amount)             plot("S", newPrice)                   calc_next_trade_price(context,newPrice)         obj = {             "nextSellPrice":context.nextSellPrice,             "nextBuyPrice":context.nextBuyPrice,             "curTradePrice":context.curTradePrice         }         context.buyTradeList.append(obj)      if newPrice <= context.nextBuyPrice:         logger.info("執(zhí)行低吸交易,對(duì)應(yīng)價(jià)格:{}".format(newPrice))         amount = int(context.portfolio.cash / newPrice / 100.0)  * 100         if amount >= context.tradeNumber:             logger.info("執(zhí)行低吸交易,對(duì)應(yīng)數(shù)量:{}".format(context.tradeNumber))             order_shares(context.s1, context.tradeNumber)             plot("B", newPrice)          calc_next_trade_price(context,newPrice)                 obj = {             "nextSellPrice":context.nextSellPrice,             "nextBuyPrice":context.nextBuyPrice,             "curTradePrice":context.curTradePrice         }         context.sellTradeList.append(obj)

選擇回測(cè)時(shí)間段，點(diǎn)擊右側(cè)平臺(tái)右側(cè)按鈕運(yùn)行回測(cè)，結(jié)果頁面如下

從結(jié)果中可以看到，對(duì)招商銀行[600036]這只股票進(jìn)行價(jià)差網(wǎng)格交易，其參數(shù)設(shè)置在上漲8%的時(shí)候賣出，下跌8%的時(shí)候買入，最大連續(xù)下跌買入次數(shù)為3次。

回測(cè)收益：13.628%

回測(cè)年化收益：17.096%

比基準(zhǔn)年化收益-6%高出非常之大，這是在股價(jià)波動(dòng)的過程中可以進(jìn)行執(zhí)行該策略來不斷的降低持倉成本。從交易詳情面板來看，這個(gè)策略可以通過參數(shù)調(diào)節(jié)交易頻率，在上漲下跌比率較大的情況下，其交易次數(shù)是能控制的相對(duì)較少，結(jié)果圖如下：

2)日內(nèi)做T策略

同樣的，只貼部分代碼

# 你選擇的證券的數(shù)據(jù)更新將會(huì)觸發(fā)此段邏輯，例如日或分鐘歷史數(shù)據(jù)切片或者是實(shí)時(shí)數(shù)據(jù)切片更新 def handle_bar(context, bar_dict): ...     newPrice = bar_dict[context.s1].last     if newPrice >= context.nextSellPrice:         context.lastTradeType = 1         logger.info("執(zhí)行高拋交易,對(duì)應(yīng)價(jià)格:{}".format(newPrice))         amount = context.portfolio.positions[context.s1].quantity         #if amount - context.tradeNumber >= context.lockStockNumber:         if amount - context.tradeNumber >= 0:             logger.info("執(zhí)行高拋交易,對(duì)應(yīng)數(shù)量:{}".format(context.tradeNumber))             order_shares(context.s1, -context.tradeNumber)             plot("S", newPrice)         else:             logger.info("股票數(shù)量不足，無法執(zhí)行高拋交易,對(duì)應(yīng)數(shù)量:{}".format(amount))             return                      calc_next_trade_price(context,newPrice)          obj = {             "nextSellPrice":context.nextSellPrice,             "nextBuyPrice":context.nextBuyPrice,             "curTradePrice":context.curTradePrice         }         context.buyTradeList.append(obj)      if newPrice <= context.nextBuyPrice:         context.lastTradeType = 0         logger.info("執(zhí)行低吸交易,對(duì)應(yīng)價(jià)格:{}".format(newPrice))         amount = int(context.portfolio.cash / newPrice / 100.0)  * 100         if amount >= context.tradeNumber:             logger.info("執(zhí)行低吸交易,對(duì)應(yīng)數(shù)量:{}".format(context.tradeNumber))             order_shares(context.s1, context.tradeNumber)             plot("B", newPrice)         else:             logger.info("現(xiàn)金不足，無法執(zhí)行低吸交易,對(duì)應(yīng)數(shù)量:{}".format(amount))             return              calc_next_trade_price(context,newPrice)                 obj = {             "nextSellPrice":context.nextSellPrice,             "nextBuyPrice":context.nextBuyPrice,             "curTradePrice":context.curTradePrice         }         context.sellTradeList.append(obj)

總體來說，代碼邏輯還是比較簡(jiǎn)單，就是對(duì)價(jià)格的漲跌進(jìn)行處理，其參數(shù)設(shè)置在日內(nèi)上漲2%的時(shí)候賣出，下跌2%的時(shí)候買入，初始買入資金比例7成，鎖定最低倉位5成。然后運(yùn)行回測(cè)，其結(jié)果如下

回測(cè)收益：5.501%

回測(cè)年化收益：6.839%

基準(zhǔn)收益：19.26%

可以看到日內(nèi)做T這種高頻交易，在長(zhǎng)期來看收益可能并不高，適合在短期價(jià)格內(nèi)運(yùn)行。

感謝各位的閱讀，以上就是“如何用Python編程借助現(xiàn)有量化平臺(tái)編寫股票交易策略和回測(cè)分析”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)如何用Python編程借助現(xiàn)有量化平臺(tái)編寫股票交易策略和回測(cè)分析這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！