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!
布林带交易策略
from CAL.PyCAL import *
from datetime import *
import time
import pandas as pd
import numpy as np
import math
start = datetime(2014, 1, 1)
end = datetime(2014, 6, 30)
benchmark = 'HS300'
universe = set_universe('HS300')
capital_base = 100000
refresh_rate = 1
##########################################
t1 = 50 #MA周期
t2 = 30 #ROC周期
MaxBar = 0.75 #持仓周期最大时,首次卖出系数
##########################################
T = pd.Series(data=[t1],index = universe)
commission = Commission(buycost=0.0003, sellcost=0.0003)
def initialize(account):
pass
def handle_data(account):
#print account.current_date
cal = Calendar('China.SSE')
last_dayt1 = cal.advanceDate(account.current_date, str(-t1)+'B', BizDayConvention.Preceding).toDateTime() #计算出前t1个交易日
buylist = []
selllist = []
#取出当前交易日至前t1交易日之间的收盘价格数据
cp = DataAPI.MktEqudGet(secID=account.universe,ticker=u"",tradeDate=u"",beginDate=last_dayt1,endDate=account.current_date,field=[u"tradeDate",u"secID",u"closePrice"],pandas="1")
#根据持仓周期,更新MA计算周期T,持仓周期增加1,MA计算周期就减少1,最小为10
for stock in account.avail_secpos:
T[stock] = T[stock] - 1
if(T[stock] < 10):
T[stock] = 10
#计算t1周期MA
cpg = cp['closePrice'].groupby(cp['secID'])
ma = cpg.mean()
std = cpg.std()
#当股票当前价格突破布林线上轨,且ROC值大于0,买入
for stock in account.universe:
upband = ma[stock] + std[stock]
if(len(cp[cp.secID == stock]) > t2):
roc = (account.referencePrice[stock] - float(cp[cp.secID == stock][-t2:-t2+1]['closePrice'])) / float(cp[cp.secID == stock][-t2:-t2+1]['closePrice'])
if account.referencePrice[stock] > upband and roc > 0:
buylist.append(stock)
#当股票当前价格突破布林线中轨,且ROC值小于0,卖出
for stock in account.avail_secpos:
#根据股票的持仓周期计算,MA周期
MAT = np.mean(cp[cp.secID == stock][-T[stock]:]['closePrice'])
stdT = np.std(cp[cp.secID == stock][-T[stock]:]['closePrice'])
midband = MAT
downband = MAT - stdT
if(len(cp[cp.secID == stock]) > t2):
roc = (account.referencePrice[stock] - float(cp[cp.secID == stock][-t2:-t2+1]['closePrice'])) / float(cp[cp.secID == stock][-t2:-t2+1]['closePrice'])
if account.referencePrice[stock] < midband and roc < 0:
selllist.append(stock)
#买入策略,虚拟账户剩余金额按可买股票平均买入,0.95为成功成交系数
for i in buylist:
order(i, account.cash / len(buylist) / account.referencePrice[i] * 0.95)
#卖出策略,按持仓周期逐步卖出,持仓周期越长,第一次卖出越多,最多为3/4仓位,以10天为单位递减
for i in selllist:
x = (account.avail_secpos[i] * MaxBar*math.pow(0.5,T[i] // 10 -1) // 100) * 100
order(i,-x)
if(x == 100):
T[i] = t1
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