搭建过程

每个交易者都应该形成一套自己的交易系统。

很多交易者也清楚知道，搭建自己交易系统的重要性。现实中，从０到１往往是最难跨越的一步。
授人鱼不如授人以渔，为了帮助大家跨出搭建量化系统的第一步，我们决定推出这个主题系列。
这个系列中，我们用Python从０开始一步步搭建出一套ETF量化交易系统（选择ETF标的是因为对于普通交易者来说，ETF相对于选强势股难度要小，而且没有退市风险）。大家可以跟随着我们的实现路径来一起学习，从过程中掌握方法。
掌握了方法之后，你可以换成期货系统、比特币系统、美股系统，然后在实战中不断去完善自己的系统了。
搭建一套ETF量化交易系统涉及多个模块和组件的协同工作，包括数据源模块、量化策略模块、可视化模块、数据库模块、回测评估模块、自动交易模块等等。
DAY1链接如下：15天搭建ETF量化交易系统Day1—数据源模块
DAY2链接如下：15天搭建ETF量化交易系统Day2—图形显示模块
DAY3链接如下：15天搭建ETF量化交易系统Day3—上手经典回测框架
DAY4链接如下：15天搭建ETF量化交易系统Day4—玩转海龟交易策略
DAY5链接如下：15天搭建ETF量化交易系统Day5—打造实盘量化机器人
DAY6链接如下：15天搭建ETF量化交易系统Day6—打通同花顺自动交易
DAY7链接如下：15天搭建ETF量化交易系统Day7—全自动化交易系统
DAY8链接如下：15天搭建ETF量化交易系统Day8—强化自动交易模块
如果我们的ETF量化交易系统选择的品种是A股的话，这里分享一个客观数据：
A股自2007年首次站上3000点以来，至今16年的时间打了50次“3000点保卫战”。
由此可见，A股大部分时间是处在震荡行情。震荡行情的特点是股价在一个区间内频繁波动、节奏很难踏准。假设某股09年买入是10块，经过了一系列的涨跌之后，到了今年价格还是回到了10块，如果是简单地持有该股的投资方法，意味着十几年的时间不赚不赔。
网格策略是针对于震荡行情所设计的一个策略，可以依赖波动盈利，即使在震荡行情内我们也可以获利。要想做A股的ETF赚钱，必须学习网格策略。

---

网格策略

网格策略，顾名思义，我们需要划分出一个个的格子，组成网格。然后选择一个标的，可以是基金，也可以是股票。再选择这个标的合理的价格区间，把这个区间内的价格按照一定的间隔，划分成一个一个的格子。每上涨一格，即卖出一份，每下跌一格，即买入一份。类似下图：

因此，网格策略不依赖于人为的判断，像预设程序一样，在一定区间内的不断低买高卖，高抛低吸，循环往复，在不断地震荡中获得利润。

网格策略的设计分为以下几步：

• 划定网格范围。确定网格的最高点和最低点，也就是划定震荡的范围。

• 等分网格数量。在最高价和最低价之间等分成网格。等分的间距一般为该股的日平均振幅。

• 标定网格价格。在网格线上都有一个价位，当股价触及这个价位时按这个价位买卖股票。

• 分配操作资金。将投入的总资金除以网格数量，得到每个网格可交易的资金量。比如投入1万元，那么最高点的网格持有1万元可用资金和0元股票市值，最低点的网格持有1万元的股票市值和０元可用资金。

我们设计后的网格图下图所示。

实际操作中，当股价处于什么网格，那么对比该网格的可用资金，相应地买卖股票以调整仓位。也就是跌一格就买，涨一格就卖，赚的是一格的利润。如下图所示。

网格策略的缺点：

• 使用于震荡行情会有较好的效果。如果由震荡转为趋势行情的话，会出现比较尴尬的情况：“上升趋势突破高点后无筹码”，“下跌趋势跌破低点满仓亏损”。

• 资金的使用率较低，即首仓买入时，剩下的资金要作为下跌时加仓使用，而上涨时还需要卖出。资金利用率低意味着收益率低。因此网格数量不能太多，否则资金被分散太多。

• 频繁交易对手续费和滑点比较敏感。

代码设计

接下来我们设计一个网格策略，使用Backtrader来回测下网格策略的使用效果。策略大致思想如下：

首先动态地得到该股60分钟级别数据的60周期的最低价移动序列，选择最低价作为基准的原因是我更偏向于做反转类的行情。

Backtrader的关键代码为：

self.lowest = bt.indicators.Lowest(self.data.low, period=60, subplot=False)

然后划定网格的间距为1%，太小的网格虽然能够覆盖更多的波动，但是带来的是频繁的交易，也会更大程度受到手续费和滑点额影响。网格的数量为10个，其中有2个是埋在最低价之下的，为的是防范下跌趋势跌破低点这个风险。

Backtrader的关键代码为：

pct_levels = [x for x in np.arange(1 - self.params.grid_perc * 2, 1 + self.params.grid_perc * 8, self.params.grid_perc)]

将最低价移动序列与网格相乘即得到了动态的网格价格区间。

Backtrader的关键代码为：

self.price_levels = [self.lowest * x for x in pct_levels]

每个交易日判断的逻辑比较简单，判断当前股价的上一格和下一格的价位，跌一格就买，涨一格就卖。使用Backtrader中的order_target_percent函数来调整目标仓位。

Backtrader的关键代码为：

self.order_target_percent(target=((len(self.price_levels) - 1)-self.last_price_index) / (len(self.price_levels) - 1))

我们回测516350半导体最近一个月60分钟数据，初始资金是10万的话最终可以做到10.5万的市值。回测效果如下所示：

总结

本文是采用了网格绑定固定涨跌幅的方法，在一定程度上可以让网格大小跟随股价的变化情况自动调整。也有一些优化策略是将网格绑定波段指标，原理上大同小异。

学会了网格策略的思想之后，接下来我们就可以把这个策略融入到我们的交易系统里面了！

说明

此系列为连载专栏，完整代码会上传知识星球《玩转股票量化交易》！作为会员们的学习资料。

想要加入知识星球《玩转股票量化交易》的小伙伴记得先微信call我获取福利！

非星球会员需要的话，需要单独联系我购买！

知识星球介绍点击：知识星球《玩转股票量化交易》精华内容概览