第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天:谁来给我讲讲Python?】
- 量化分析师的Python日记【第2天:再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天:一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天:一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天:数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天:数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天:Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天:量化入门进阶之葵花宝典:因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天:如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天:如何在优矿上搞一个wealthfront出来】
第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 1.2 基本面因子选股
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 1.5 宏观研究
- 二 套利
- 三 事件驱动
- 四 技术分析
- 4.1 布林带
- 4.2 均线系统
- 4.3 MACD
- 4.4 阿隆指标 • 技术指标阿隆( Aroon )全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 4.15 成交量 • 决战之地, IF1507 !
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model
- 5.3 SVR
- 5.4 决策树、随机树
- 5.5 钟摆理论
- 5.6 海龟模型
- 5.7 5217 策略
- 5.8 SMIA
- 5.9 神经网络
- 5.10 PAMR
- 5.11 Fisher Transform
- 5.12 分型假说, Hurst 指数
- 5.13 变点理论
- 5.14 Z-score Model
- 5.15 机器学习
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 六 大数据模型
- 6.1 市场情绪分析
- 6.2 新闻热点
- 七 排名选股系统
- 八 轮动模型
- 九 组合投资
- 十 波动率
- 十一 算法交易
- 十二 中高频交易
- 十三 Alternative Strategy
第三部分 基金、利率互换、固定收益类
- 一 分级基金
- 二 基金分析
- 三 债券
- 四 利率互换
第四部分 衍生品相关
- 一 期权数据
- 二 期权系列
- 三 期权分析
- 四 期货分析
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
MACD quantization trade
import talib
import copy
from numpy import arange, array, isnan
#本策略的目的在于对常见的MACD指标策略进行验证
start = '2014-01-01' #start time
end = '2015-10-19' #end time
benchmark = 'HS300'
#universe = ['000001.XSHE', '600000.XSHG']
universe = set_universe('HS300') # 证券池,支持股票和基金
capital_base = 1000000
freq = 'd'
refresh_rate = 1
def dea_deviate_from_k_line(k_line, dea):
#判断k线和dea走势是否背离,主要思路是
#从最新一天开始往回寻找几个极值点,然后
#进行极值比较
#然后是从当前点到第一个极值点进行比对
#最后按照权重返回对应数值
#对数组进行翻转
k_line_re = k_line[::-1]
dea_re = dea[::-1]
k_line_extremum = []
#获取极值点的索引,只统计近似区间的情况
k_line_extremum_inx = {}
dea_extremum = []
dea_extremum_inx = {}
for c in xrange(1, len(k_line_re) - 1):
if not isnan(k_line_re[c - 1]) and not isnan(k_line_re[c]) and not isnan(k_line_re[c + 1]):
if k_line_re[c - 1] < k_line_re[c] and k_line_re[c + 1] < k_line_re[c]:
#获取到极值点
k_line_extremum.append(k_line_re[c])
k_line_extremum_inx[k_line_re[c]] = c
for c in xrange(1, len(dea_re) - 1):
if not isnan(dea_re[c - 1]) and not isnan(dea_re[c]) and not isnan(dea_re[c + 1]):
if dea_re[c - 1] < dea_re[c] and dea_re[c + 1] < dea_re[c]:
dea_extremum.append(dea_re[c])
dea_extremum_inx[dea_re[c]] = c
#对极值点进行筛选判断趋势
sig_extremum = 0
if len(k_line_extremum) >= 2 and len(dea_extremum) >= 2:
k_line_first_deviate = k_line_extremum[0] - k_line_extremum[1]
dea_first_deviate = dea_extremum[0] - dea_extremum[1]
k_and_dea_start_deviate = k_line_extremum_inx[k_line_extremum[0]] - dea_extremum_inx[dea_extremum[0]]
k_and_dea_end_deviate = k_line_extremum_inx[k_line_extremum[1]] - dea_extremum_inx[dea_extremum[1]]
#k线和dea的同时启动差距要小于2天
if abs(k_and_dea_start_deviate) < 2:
#超过3天的背离趋势被确定为趋势
k_deviate_dates = abs(k_line_extremum_inx[k_line_extremum[0]]) - abs(k_line_extremum_inx[k_line_extremum[1]])
dea_deviate_date = abs(dea_extremum_inx[dea_extremum[0]]) - abs(dea_extremum_inx[dea_extremum[1]])
#最好是能同时停止,如果k线和dea线持续时间差值过大,说明应该以大的线为主要趋势
dea_k_deviate = abs(k_deviate_dates) - abs(dea_deviate_date)
if abs(k_deviate_dates) >= 3 and abs(dea_deviate_date) >= 3 and dea_k_deviate < 3:
if k_line_first_deviate < 0 and dea_first_deviate > 0 :
#k线下降,dea上升说明是变盘上涨信号
sig_extremum = 1;
elif k_line_first_deviate > 0 and dea_first_deviate < 0:
#k线上升,dea下降说明是变盘下跌信号
sig_extremum = -1
else:
#需要看是以那个线为准
if abs(k_deviate_dates) > abs(dea_deviate_date):
if k_line_first_deviate < 0:
sig_extremum = -1
else:
sig_extremum = 1
else:
if dea_first_deviate < 0:
sig_extremum = -1
else:
sig_extremum = 1
return sig_extremum
def initialize(account):
pass
def handle_data(account):
fibonacci_sequence_date1 = 144
fibonacci_sequence_date2 = 143
hist = account.get_attribute_history('closePrice', fibonacci_sequence_date1)
for stock in account.universe:
s_num = 0
for c in hist[stock]:
if isnan(c):
s_num += 1
if s_num >= len(hist[stock]) - 10:
#说明数据太少直接放过
continue
macd, macdsignal, macdhist = talib.MACD(hist[stock])
trade_signal = 0
for c in range(fibonacci_sequence_date2, len(macd) - 1):
#1.DIFF、DEA均为正,DIFF向上突破DEA,买入信号
if not isnan(macd[c]) and not isnan(macdsignal[c]) and macd[c] > 0 and macdsignal[c] > 0:
if not isnan(macd[c - 1]) and not isnan(macdsignal[c - 1]) and macd[c - 1] < macdsignal[c - 1]:
if not isnan(macd[c + 1]) and not isnan(macdsignal[c + 1]) and macd[c + 1] > macdsignal[c + 1]:
trade_signal += 1
#2.DIFF、DEA均为负,DIFF向下跌破DEA,卖出信号
if not isnan(macd[c]) and not isnan(macdsignal[c]) and macd[c] < 0 and macdsignal[c] < 0:
if not isnan(macd[c - 1]) and not isnan(macdsignal[c - 1]) and macd[c - 1] > macdsignal[c - 1]:
if not isnan(macd[c + 1]) and not isnan(macdsignal[c + 1]) and macd[c + 1] < macdsignal[c + 1]:
trade_signal -= 1
#4.分析MACD柱状线,由负变正,买入信号
if not isnan(macdhist[c - 1]) and not isnan(macdhist[c]) and not isnan(macdhist[c + 1]):
if macdhist[c] > macdhist[c - 1] and macdhist[c + 1] > macdhist[c] and macdhist[c] > 0 and macdhist[c - 1] < 0:
trade_signal += 1
#5.分析MACD柱状线,由正变负,卖出信号
if not isnan(macdhist[c - 1]) and not isnan(macdhist[c]) and not isnan(macdhist[c + 1]):
if macdhist[c] < macdhist[c - 1] and macdhist[c + 1] < macdhist[c] and macdhist[c] < 0 and macdhist[c - 1] > 0:
trade_signal -= 1
#3.DEA线与K线发生背离,行情反转信号
#如果返回0则代表不对信号进行叠加
trade_signal += dea_deviate_from_k_line(hist[stock], macdsignal)
if trade_signal > 0 and trade_signal <= 1:
order(stock, 100)
elif trade_signal > 1:
order(stock, 200)
elif trade_signal < 0 and trade_signal >= -1:
order(stock, -100)
elif trade_signal < -1:
order(stock, -200)
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论