声明:股市有风险,投资需谨慎!本人没有系统学过金融知识,对股票有敬畏之心没有踏入其大门,今天用另外一种方法模拟炒股,后面的模拟的实战全部用同样的数据,最后比较哪种方法赚的钱多。
海龟交易策略(Turtle Trading)
概念
海龟交易策略是一种经典的量化交易策略,由美国交易员理查德·丹尼斯(Richard Dennis)在20世纪80年代开发。该策略使用唐安奇通道(Donchian channel)来跟踪趋势产生买卖信号,利用ATR(真实波幅均值)分批加仓或者减仓,并且动态进行止盈和止损。唐奇安通道由周期内的最高价和最低价来显示市场价格的波动性,当价格冲破该通道的上轨道时,就是可能的买入信号;反之,冲破下轨时就是可能的卖出信号。
风控
海龟交易策略包括了仓位的基本单位N的定义,这个单位确保了预期价值波动与总净资产的1%对应,从而控制风险。此外,策略还涵盖了入场和止损规则,一旦确定了市场的趋势方向,海龟交易法采取突破策略进行入场,并设定严格的止损规则,一旦市场反向突破止损位,就会平仓离场,以限制亏损。
优势
海龟交易策略的优势在于其基于趋势跟随,采用趋势跟踪策略,充分利用市场趋势的力量,并且具有严格的风险管理,设定了明确的止损规则。
挑战
需要注意的是这种策略需要交易者具备耐心和纪律,因为它可能需要持有较长的时间,并且在市场出现短期反弹或调整时也不能轻易离场。
读入数据
数据依旧和前几篇量化交易数据一致:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams ['font.sans-serif'] ='SimHei' #显示中文
plt.rcParams ['axes.unicode_minus']=False #显示负号
zgpa = pd.read_csv('history_k_data.csv')
zgpa = zgpa.set_index('date')
zgpa.head()
展示前五行数据:
#创建一个名为turtle的数据表,使用原始数据表的日期序号
turtle = pd.DataFrame(index = zgpa.index)
#设置唐奇安通道的上沿为前5天股价的最高点
turtle['high'] = zgpa['close'].shift(1).rolling(5).max()
#设置唐奇安通道的下沿为过去5天的最低点
turtle['low'] = zgpa['close'].shift(1).rolling(5).min()
#当股价突破上沿时,发出买入信号
turtle['buy'] = zgpa['close'] > turtle['high']
#当股价突破下沿时,发出卖出信号
turtle['sell'] = zgpa['close'] < turtle['low']
#检查信号创建情况
turtle.tail()
新建一个数据表,date列和原表一致:
- high列为唐奇安通道的上沿前5天股价的最高点。
- low列为唐奇安通道的下沿过去5天股价的最低点。
- buy列当股价突破上沿时,发出买入信号True。
- sell列当股价突破下沿时,发出卖出信号True。
#初始的订单状态为0
turtle['orders']=0
#初始的仓位为0
position = 0
#设置循环,遍历turtle数据表
for k in range(len(turtle)):#当买入信号为True且仓位为0时下单买入1手if turtle.buy.iloc[k] and position ==0:#修改对应的orders值为1turtle.orders.values[k] = 1#仓位也增加1手position = 1#而当卖出信号为True且有持仓时卖出1手elif turtle.sell.iloc[k] and position > 0:#orders的值修改为-1turtle.orders.values[k] = -1#仓位相应清零position = 0
#检查是否成功
turtle.tail(15)
显示表格的后15行:
上表中orders列为初始订单状态,初始值为0.
设置初始的仓位为0并赋值给变量position。
上面代码写了一个循环,遍历上表每一行,当buy列(买入信号)为True时,orders列对应行赋值1,position(仓位)加1;当sell列(卖出信号)为True且有持仓时卖出1手,position(仓位)清零。
数据可视化:
#创建10*5的画布
plt.figure(figsize=(10,5))
#绘制股价的折线图
plt.plot(zgpa['close'],lw=2)
#绘制唐奇安通道上沿
plt.plot(turtle['high'],lw=2, ls='--',c='r')
#绘制唐奇安通道下沿
plt.plot(turtle['low'],lw=2,ls='--',c='g')
#标出买入订单,用正三角标记
plt.scatter(turtle.loc[turtle.orders==1].index,zgpa['close'][turtle.orders==1],marker='^',s=80,color='r',label='Buy')
#标出卖出订单,用倒三角标记
plt.scatter(turtle.loc[turtle.orders==-1].index,zgpa['close'][turtle.orders==-1],marker='v',s=80,color='g',label='Sell')
#添加网格、图注并显示
plt.legend()
plt.xticks([0,12,24,36,48,60,72,84,96,108])
plt.grid()
plt.show()
上图绘制出了唐奇安通道的上下沿,其中红色三角形标记买入信号,绿色三角形标记卖出信号。
#再次给小瓦2万块初始资金
initial_cash = 20000
#创建新的数据表,序号和turtle数据表一致
positions = pd.DataFrame(index=turtle.index).fillna(0.0)
#每次交易为1手,即100股,仓位即买单和卖单的累积加和
positions['stock'] = 100 * turtle['orders'].cumsum()
#创建投资组合数据表
portfolio = positions.multiply(zgpa['close'], axis=0)
#持仓市值为持仓股票数乘以股价
portfolio['holding_values'] = (positions.multiply(zgpa['close'], axis=0))
#计算出仓位的变化
#剩余的现金是初始资金减去仓位变化产生的现金流累计加和
portfolio['cash'] = initial_cash - (positions.diff().multiply(zgpa['close'], axis=0)).cumsum()
#总资产即为持仓股票市值加剩余现金
portfolio['total'] = portfolio['cash'] + portfolio['holding_values']
portfolio.tail(13)
显示后13行数据,开始进行回测炒股,初始资金一如既往的20000元。
stock列为仓位即买单和卖单的累加和,每次交易为1手,即100股。
holding_values列为持仓市值为持仓股票数乘以股价。
cash列为剩余的现金,由初始资金减去仓位变化产生的现金流累加和。
total列为总资产即为持仓股票市值加剩余现金。
可以看到,我发了3篇量化交易的实战案例,炒股还没有亏过本,本次赚了378元。(再次声明我不懂股票,只是运用了量化交易策略进行模拟炒股。)
plt.figure(figsize=(10,5))
plt.plot(portfolio['total'])
plt.plot(portfolio['holding_values'],'--')
plt.grid()
plt.legend()
plt.xticks([0,12,24,36,48,60,72,84,96,108])
plt.show()
数据可视化:
创作不易,点赞、关注、评论是我创作的动力!