浅谈python量化 双均线策略(金叉死叉)

#小策略，策略逻辑是在金叉时候买进，死叉时候卖出，所谓金叉死叉是两条均线的交叉，当短期均线上穿长期均线为金叉，反之为死叉

#下面是策略代码及结构

# 导入函数库
from jqdata import *
# 初始化函数
def initialize(context):
  # 设定沪深300作为基准
 set_benchmark('000300.XSHG')
 # True为开启动态复权模式，使用真实价格交易
 set_option('use_real_price', True)
 # 股票类交易手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
 set_order_cost(OrderCost(open_tax=0, close_tax=0.001, \
        open_commission=0.0003, close_commission=0.0003,\
        close_today_commission=0, min_commission=5), type='stock')
 #华谊股票
 g.security='300027.XSHE'
 #设置每天运行
 run_daily(handle)

def handle(context):
 security=g.security
 n5=5
 n20=20
 # 获取股票的收盘价
 close_data = attribute_history(security, n20, '1d',"close",df=False)
 print(close_data)
 # 取得过去 ma_n1 天的平均价格
 ma_n5 = close_data['close'][-n5:].mean()
 # 取得过去 ma_n2 天的平均价格
 ma_n20 = close_data['close'][-n20:].mean()
 print(ma_n5,ma_n20)
 # 取得当前的现金
 cash = context.portfolio.available_cash

 # 如果当前有余额
 if ma_n5 > ma_n20:
  # 用所有 cash 买入股票,order_value是买卖价值
  order_value(security, cash)
  # 记录这次买入
  log.info("Buying %s" % security)

 # 如果n5日均线小于n20日均线，并且目前有头寸
 elif ma_n5 < ma_n20 and context.portfolio.positions[security].closeable_amount > 0:
  # 全部卖出，order_target是买卖数量
  order_target(security, 0)
  # 记录这次卖出
  log.info("Selling %s" % (security))

 # 绘制n5日均线价格
 record(ma_n5=ma_n5)
 # 绘制n20日均线价格
 record(ma_n20=ma_n20)

#整体结果在12-16年回测测试结果效益不错，阿尔法贝塔最大回撤也还行，难点是在策略和框架的使用和调用，这就是这次的双均线策略记录

补充知识：（多头、空头、金叉、死叉、卖出信号、买出信号）的python处理

1.指标概念

均值性指标：以平均数据作为参考的指标

随机性指标：以最高价最低价等为参考的指标

2.多头、空头、金叉、死叉、卖出信号、买出信号

多头：短期均线在长期均线上方

空头：短期均线在长期均线下方

金叉：短期均线向上穿越长期均线

死叉：短期均线向下穿越长期均线

买出信号：金叉 + 一定的条件

卖出出信号：死叉 + 一定的条件

3.Python实现：以KDJ为例

4.测试：筛选沪深股票中卖出信号的股票

以上这篇浅谈python量化 双均线策略(金叉死叉)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

赞 (0)

相关推荐

  • Python pandas常用函数详解

    本文研究的主要是pandas常用函数,具体介绍如下. 1 import语句 import pandas as pd import numpy as np import matplotlib.pyplot as plt import datetime import re 2 文件读取 df = pd.read_csv(path='file.csv') 参数:header=None 用默认列名,0,1,2,3... names=['A', 'B', 'C'...] 自定义列名 index_col='

  • Python实现时间序列可视化的方法

    时间序列数据在数据科学领域无处不在,在量化金融领域也十分常见,可以用于分析价格趋势,预测价格,探索价格行为等. 学会对时间序列数据进行可视化,能够帮助我们更加直观地探索时间序列数据,寻找其潜在的规律. 本文会利用Python中的matplotlib[1]库,并配合实例进行讲解.matplotlib库是一个用于创建出版质量图表的桌面绘图包(2D绘图库),是Python中最基本的可视化工具. [工具]Python 3 [数据]Tushare [注]示例注重的是方法的讲解,请大家灵活掌握. 1.单个时

  • 使用Python画股票的K线图的方法步骤

    使用Python画股票的K线图的方法步骤

    导言 本文简单介绍了如何从网易财经获取某支股票的价格数据,并根据价格数据画出相应的日K线图.有助于新手了解并使用Python的相关功能.包括列表.自定义函数.for循环.if函数以及如何使用matplotlib进行作图等内容. 第一步:从网易财经获取股票的价格数据 我一般是在网易财经查看某支股票的价格和成交数据,网易财经可以查到任意沪深的股票,我们使用招商银行的数据作为参考. 1.构建爬虫获取股票价格数据 这里不对Python做介绍了,如果需要了解什么是Python,可以自行百度或者访问Pyth

  • 浅谈python量化 双均线策略(金叉死叉)

    #小策略,策略逻辑是在金叉时候买进,死叉时候卖出,所谓金叉死叉是两条均线的交叉,当短期均线上穿长期均线为金叉,反之为死叉 #下面是策略代码及结构 # 导入函数库 from jqdata import * # 初始化函数 def initialize(context): # 设定沪深300作为基准 set_benchmark('000300.XSHG') # True为开启动态复权模式,使用真实价格交易 set_option('use_real_price', True) # 股票类交易手续费是:

  • 浅谈python中频繁的print到底能浪费多长时间

    最近在做FLY量化交易系统的维护,总有客户说策略执行好慢,结果有些人展示策略一看,每个语句后边都要打印下数据. 哪些数据都是辅助用的,打印出来能当饭吃么,净浪费时间了 今天简单展示下print到底能消耗多少时间 例子: import time a=time.time() num=0 while num<10000: num=num+1 print(num) print('有"print"时的耗时:%f' %(time.time()-a)) b=time.time() num=0

  • 浅谈python中的数字类型与处理工具

    浅谈python中的数字类型与处理工具

    python中的数字类型工具 python中为更高级的工作提供很多高级数字编程支持和对象,其中数字类型的完整工具包括: 1.整数与浮点型, 2.复数, 3.固定精度十进制数, 4.有理分数, 5.集合, 6.布尔类型 7.无穷的整数精度 8.各种数字内置函数及模块. 基本数字类型 python中提供了两种基本类型:整数(正整数金额负整数)和浮点数(注:带有小数部分的数字),其中python中我们可以使用多种进制的整数.并且整数可以用有无穷精度. 整数的表现形式以十进制数字字符串写法出现,浮点数带

  • 浅谈python对象数据的读写权限

    面向对象的编程语言在写大型程序的的时候,往往比面向过程的语言用起来更方便,安全.其中原因之一在于:类机制. 类,对众多的数据进行分类,封装,让一个数据对象成为一个完整的个体,贴近现实生活,高度抽象化.但是,python对类的封装并不好,因为所有的属性和方法都是公开的,你可以随意访问或者写入,你可以在类的外部对类的属性进行修改,甚至添加属性.这的确让人感到不安. 下面就来总结一下学习后的解决方案. 1,使用2个下划线前缀隐藏属性或者方法. __xxx #!/usr/bin/python3 #-*-

  • 浅谈Python中带_的变量或函数命名

    Python 的代码风格由 PEP 8 描述.这个文档描述了 Python 编程风格的方方面面.在遵守这个文档的条件下,不同程序员编写的 Python 代码可以保持最大程度的相似风格.这样就易于阅读,易于在程序员之间交流. python中的标识符可以包含数字.字母和_,但必须以字母或者_开头,其中以_开头的命名一般具有特殊的意义. 前后均带有双下划线__的命名 一般用于特殊方法的命名,用来实现对象的一些行为或者功能,比如__new__()方法用来创建实例,__init__()方法用来初始化对象,

  • 浅谈Python里面小数点精度的控制

    要求较小的精度 round()内置方法 这个是使用最多的,刚看了round()的使用解释,也不是很容易懂.round()不是简单的四舍五入的处理方式. For the built-in types supporting round(), values are rounded to the closest multiple of 10 to the power minus ndigits; if two multiples are equally close, rounding is done t

  • 浅谈Python中的全局锁(GIL)问题

    CPU-bound(计算密集型) 和I/O bound(I/O密集型) 计算密集型任务(CPU-bound) 的特点是要进行大量的计算,占据着主要的任务,消耗CPU资源,一直处于满负荷状态.比如复杂的加减乘除.计算圆周率.对视频进行高清解码等等,全靠CPU的运算能力.这种计算密集型任务虽然也可以用多任务完成,但是任务越多,花在任务切换的时间就越多,CPU执行任务的效率就越低,所以,要最高效地利用CPU,计算密集型任务同时进行的数量应当等于CPU的核心数. 计算密集型任务由于主要消耗CPU资源,因

  • 浅谈Python中的字符串

    可能大多数人在学习C语言的时候,最先接触的数据类型就是字符串,因为大多教程都是以"Hello world"这个程序作为入门程序,这个程序中要打印的"Hello world"就是字符串.如果你做过自然语言处理方面的研究,并且用Python去做过相关实验,你肯定会体会到Python在字符串处理方面相对于其他语言的明显优势之处.今天我们来了解一下Python中的字符串,看看它的用法. 一.Python中如何声明字符串 在Python中声明一个字符串通常有三种方法:在它的两

  • 浅谈Python中的常用内置对象

    浅谈Python中的常用内置对象

    一.常用的python内置对象 对象类型 类型名称 示例 简要说明 数字 int,float,complex 1234,3.14,3+4j 数字大小没有限制,内置支持复数及其运算 字符串 str 'swfu' 使用单引号.双引号.三引号作为定界符,以r/R引导表示原始字符串 字节串 bytes b'hello world' 以字母b引导,可以使用单引号.双引号.三引号作为定界符 列表 list [1,2,3] 所有元素放在[ ]中,元素之向使用","分隔,其中的元素可以是任意类型 字典

  • 浅谈Python数学建模之线性规划

    浅谈Python数学建模之线性规划

    目录 一.求解方法.算法和编程方案 1.1.线性规划问题的求解方法 1.2.线性规划的最快算法 1.3.选择适合自己的编程方案 二.PuLP库求解线性规划问题 2.1.线性规划问题的描述 2.2.PuLP 求解线性规划问题的步骤 2.3.Python例程:线性规划问题 三.小结 一.求解方法.算法和编程方案 线性规划 (Linear Programming,LP) 是很多数模培训讲的第一个算法,算法很简单,思想很深刻. 线性规划问题是中学数学的内容,鸡兔同笼就是一个线性规划问题.数学规划的题目在

随机推荐