量化交易——双均线策略（金叉死叉）

https://www.cnblogs.com/xiugeng/p/12247248.html

目录

• 一、双均线概念
• 二、金叉死叉交易练习
  • 1、使用tushare包获取某股票的历史行情
  • 2、使用pandas包计算该股票历史数据的5日和30均线
  • 3、使用matplotlib包可视化历史数据的收盘价和两条均线
  • 4、分析输出所有金叉日期和死叉日期
  • 5、使用该策略的炒股收益率
• 三、在JoinQuant(聚宽)平台实现双均线策略
  • 1、策略实现
  • 2、record函数——画图函数

 

正文

回到顶部

一、双均线概念

　　均线：对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些平均值连起来，成为一条线，就叫做N日移动平均线。移动平均线常用线有5日、10日、30日、60日、120日的指标。

　　　　5日和10日的是短线操作参照指标，称作日均线指标；

　　　　30日和60日的是中期均线指标，称作季均线指标；

　　　　120日和240日的是长期均线指标，称作年均线指标。

　　金叉：短期均线上穿长期均线，买入信号。

　　死叉：短期均线下穿长期均线，卖出信号。

　　交易策略：金叉买入，死叉卖出。

回到顶部

二、金叉死叉交易练习

1、使用tushare包获取某股票的历史行情

import numpy as np import pandas as pd import matplotlib.pyplot as plt # Python绘图和数据可视化的工具包 import tushare as ts


ts.get_k_data("601318", start="2004-01-30").to_csv('601318.csv')
df = pd.read_csv('601318.csv', index_col="date", parse_dates=['date'])[['open', 'close', 'high', 'low']] print(df) """ open   close    high     low
date                                      
2007-03-01  21.254  19.890  21.666  19.469
2007-03-02  19.979  19.728  20.166  19.503
...            ...     ...     ...     ...
2020-01-22  85.000  85.220  85.480  83.830
2020-01-23  84.010  83.490  84.560  82.480

[3076 rows x 4 columns] """

2、使用pandas包计算该股票历史数据的5日和30均线

　　5日均线则前4天没有均线，30日均线则前29天没有均线。

(1)普通方法

df['ma5'] = np.nan # 创建5日均值列 df['ma30'] = np.nan # 创建30日均值列 print(df) """ open   close    high     low  ma5  ma30
date                                                 
2007-03-01  21.254  19.890  21.666  19.469  NaN   NaN
2007-03-02  19.979  19.728  20.166  19.503  NaN   NaN
...            ...     ...     ...     ...  ...   ...
2020-01-22  85.000  85.220  85.480  83.830  NaN   NaN
2020-01-23  84.010  83.490  84.560  82.480  NaN   NaN """ for i in range(4, len(df)): # 从第五个到最后一个 # 当天和前四天的收盘价的平均值为5日均线值 df.loc[df.index[i], 'ma5'] = df["close"][i-4:i+1].mean() # i=4是第五天，[0,5] print(df) """ open   close    high     low      ma5  ma30
date                                                     
2007-03-01  21.254  19.890  21.666  19.469      NaN   NaN
2007-03-02  19.979  19.728  20.166  19.503      NaN   NaN
2007-03-05  19.545  18.865  19.626  18.504      NaN   NaN
2007-03-06  18.704  19.235  19.554  18.597      NaN   NaN
2007-03-07  19.252  19.758  19.936  19.090  19.4952   NaN
...            ...     ...     ...     ...      ...   ...
2020-01-23  84.010  83.490  84.560  82.480  85.6320   NaN """ for i in range(29, len(df)): # 从第30个到最后一个 # 当天和前29天的收盘价的平均值为30日均线值 df.loc[df.index[i], 'ma30'] = df["close"][i-29:i+1].mean() print(df) """ open   close    high     low      ma5       ma30
date                                                          
2007-03-01  21.254  19.890  21.666  19.469      NaN        NaN
2007-03-02  19.979  19.728  20.166  19.503      NaN        NaN
2007-03-05  19.545  18.865  19.626  18.504      NaN        NaN
2007-03-06  18.704  19.235  19.554  18.597      NaN        NaN
2007-03-07  19.252  19.758  19.936  19.090  19.4952        NaN
...            ...     ...     ...     ...      ...        ...
2020-01-17  86.150  86.250  86.900  85.850  86.1780  85.292333
2020-01-20  88.300  87.600  88.700  87.350  86.4080  85.387667
2020-01-21  87.000  85.600  87.290  85.600  86.1620  85.452667
2020-01-22  85.000  85.220  85.480  83.830  86.0440  85.507000
2020-01-23  84.010  83.490  84.560  82.480  85.6320  85.488667 """

(2)简单方法

df['ma5'] = df['close'].rolling(5).mean()
df['ma30'] = df['close'].rolling(30).mean() print(df) """ open   close    high     low      ma5       ma30
date                                                          
2007-03-01  21.254  19.890  21.666  19.469      NaN        NaN
2007-03-02  19.979  19.728  20.166  19.503      NaN        NaN
2007-03-05  19.545  18.865  19.626  18.504      NaN        NaN
2007-03-06  18.704  19.235  19.554  18.597      NaN        NaN
2007-03-07  19.252  19.758  19.936  19.090  19.4952        NaN
...            ...     ...     ...     ...      ...        ...
2020-01-17  86.150  86.250  86.900  85.850  86.1780  85.292333
2020-01-20  88.300  87.600  88.700  87.350  86.4080  85.387667
2020-01-21  87.000  85.600  87.290  85.600  86.1620  85.452667
2020-01-22  85.000  85.220  85.480  83.830  86.0440  85.507000
2020-01-23  84.010  83.490  84.560  82.480  85.6320  85.488667 """

3、使用matplotlib包可视化历史数据的收盘价和两条均线

df[['close', 'ma5', 'ma30']].plot()
plt.show()

　　运行后显示效果：

　　

4、分析输出所有金叉日期和死叉日期

　　如果前一交易日五日均线小于30日均线，后一交易日五日均线大于30日均线，则说明是金叉；

　　如果前一交易日五日均线大于30日均线，后一交易日五日均线小于30日均线，则说明是死叉。

(1)循环的解法

# dropna()删除含有空数据的全部行,axis参数可删除含义空数据的全部列 df = df.dropna()
gloden_cross = [] # 金叉 death_cross = [] # 死叉 for i in range(0, len(df)-1): if df['ma5'][i] >= df['ma30'][i] and df['ma5'][i-1] <= df['ma30'][i-1]:
        gloden_cross.append(df.index[i]) if df['ma5'][i] <= df['ma30'][i] and df['ma5'][i-1] >= df['ma30'][i-1]:
        death_cross.append(df.index[i]) print('金叉日期', gloden_cross) """ 金叉日期 [Timestamp('2007-06-14 00:00:00'), Timestamp('2007-12-10 00:00:00'),..., Timestamp('2020-01-02 00:00:00')] """ print('死叉日期', death_cross) """ 死叉日期 [Timestamp('2007-06-04 00:00:00'), Timestamp('2007-11-06 00:00:00'),..., Timestamp('2019-12-23 00:00:00')] """

(2)简便算法

# dropna()删除含有空数据的全部行,axis参数可删除含义空数据的全部列 df = df.dropna()

sr1 = df['ma5'] < df['ma30']
sr2 = df['ma5'] >= df['ma30']

death_cross = df[sr1 & sr2.shift(1)].index
golden_cross = df[-(sr1 | sr2.shift(1))].index print('金叉日期', golden_cross) """ 金叉日期 DatetimeIndex(['2007-04-12', '2007-06-14', '2007-12-10', '2008-04-23',..., '2020-01-02'] """ print('死叉日期', death_cross) """ 死叉日期 DatetimeIndex(['2007-06-04', '2007-11-06', '2007-12-13', '2008-05-20',..., '2019-11-12', '2019-12-23'] """

5、使用该策略的炒股收益率

　　如果我从2010年1月1日起，初始资金为100000元，金叉尽量买入，死叉全部卖出，则到今天为止，我的炒股收益率？

# 炒股收益率 first_money = 100000 money = first_money # 持有的资金 hold = 0 # 持有的股票 sr1 = pd.Series(1, index=golden_cross)
sr2 = pd.Series(0, index=death_cross)

sr = sr1.append(sr2).sort_index() # 将两个表合并，并按时间排序 sr = sr['2010-01-01':] # 从2010年1月1日开始 for i in range(0, len(sr)):
    p = df['open'][sr.index[i]] # 当天的开盘价 if sr.iloc[i] == 1: # 金叉 buy = money // (100 * p) # 买多少手 hold += buy * 100 money -= buy * 100 * p else: # 死叉 money += hold * p
        hold = 0 # 持有股票重置为0 # 计算最后一天股票市值加上持有的资金 p = df['open'][-1]
now_money = hold * p + money print('当前持有资产总额:', now_money) print('盈亏情况:', now_money - first_money) """ 当前持有资产总额: 551977.7999999997
盈亏情况: 451977.7999999997 """

　　需要注意的是：这里金叉死叉都是按照当天的收盘价计算的。但是如果得到当天的收盘价就已经无法进行交易了。因此要让策略可行，需要按照当天的开盘价计算。

回到顶部

三、在JoinQuant(聚宽)平台实现双均线策略

　　金叉：若5日均线大于10日均线且不持仓
　　死叉：若5日均线小于10日均线且持仓

1、策略实现

# 导入函数库 from jqdata import * # 初始化函数，设定基准等等 def initialize(context): # 设定沪深300作为基准 set_benchmark('000300.XSHG') # 开启动态复权模式(真实价格) set_option('use_real_price', True) # 股票类每笔交易时的手续费是：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(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')

    g.security = ["601318.XSHG"]
    g.p1 = 5 # 五日均线 g.p2 = 10 # 十日均线 def handle_data(context, data): # 遍历股票 for stock in g.security:
        df = attribute_history(stock, g.p2) # 十日均线的值 ma10 = df['close'].mean() # 五日均线的值 ma5 = df['close'][-5:].mean() if ma10 > ma5 and stock in context.portfolio.positions: # 具有持仓 # 死叉卖出  order_target(stock, 0) if ma10 < ma5 and stock not in context.portfolio.positions: # 不具有持仓 # 金叉买入 # order(stock, context.portfolio.available_cash)       # 能买多少买多少 order(stock, context.portfolio.available_cash * 0.8) # 可用资金的80%买入

 

　　执行效果：

　　

 

2、record函数——画图函数

　　调用record函数可用来描画额外的曲线。

　　参数：一个或多个key=value形式的参数，key为曲线名称，value为值。

　　在双均线策略中加入画图函数：

# 导入函数库 from jqdata import * # 初始化函数，设定基准等等 def initialize(context): # 设定沪深300作为基准 set_benchmark('000300.XSHG') # 开启动态复权模式(真实价格) set_option('use_real_price', True) # 股票类每笔交易时的手续费是：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(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')

    g.security = ["601318.XSHG"]
    g.p1 = 5 # 五日均线 g.p2 = 10 # 十日均线 def handle_data(context, data): # 遍历股票 for stock in g.security:
        df = attribute_history(stock, g.p2) # 十日均线的值 ma10 = df['close'].mean() # 五日均线的值 ma5 = df['close'][-5:].mean() if ma10 > ma5 and stock in context.portfolio.positions: # 具有持仓 # 死叉卖出  order_target(stock, 0) if ma10 < ma5 and stock not in context.portfolio.positions: # 不具有持仓 # 金叉买入 # order(stock, context.portfolio.available_cash)       # 能买多少买多少 order(stock, context.portfolio.available_cash * 0.8) # 可用资金的80%买入 record(ma5=ma5, ma10=ma10)

　　执行显示如下：