【vn.py】策略实现之R-Breaker策略
文章目录
- 写在前面
- R-Breaker
- R-Breaker策略实现以及代码讲解
- 1、策略参数以及变量
- 2、策略执行逻辑
- 3、完整源码
- 历史回测与参数优化
写在前面
vnpy中提供了很多CTA策略的源码，前面的文章也对很多策略进行了代码分析。这些工作不仅仅是为了了解那些策略的逻辑，更多的是为以后的自己基于vnpy进行策略提供思路和借鉴。因此，这篇文章将以有名的R-Breaker策略为例，基于vnpy实现这个策略的逻辑并进行回测与参数优化。
R-Breaker
R-Breaker是一种中高频的日内交易策略，这个策略也长期被Future Truth杂志评为最赚钱的策略之一。R-Breaker策略结合了趋势和反转两种交易方式，所以交易机会相对较多，比较适合日内1-Min和5-Min级别的数据。它的交易思想是：
1、根据昨日的开高低收价位计算出今日的六个价位，按照价格高低依次是：突破买入价（Bbreak）、观察卖出价（Ssetup）、反转卖出价（Senter）、反转买入价（Benter）、观察买入价（Bsetup）、突破卖出价（Sbreak），依次作为交易的六个触发价位。其中六个价位的计算方式如下:
Ssetup= High + 0.35 * (Close – Low)
Bsetup= Low – 0.35 * (High – Close)
Senter= 1.07 / 2 * (High + Low) – 0.07 * Low
Benter= 1.07 / 2 * (High + Low) – 0.07 * High
Bbreak= Ssetup+ 0.25 * (Ssetup– Bsetup)
Sbreak = Bsetup– 0.25 * (Ssetup– Bsetup)
2、根据价格的走势满足哪种情况来决定是否开仓：
情况1，如果持空仓，价格超过突破买入价，采取趋势策略，顺势开仓做多；
情况2，如果持有多单（空仓），价格超过观察卖出价，之后跌破反转卖出价，采取反转策略，反手做空（开空）；
情况3，如果持有空单（空仓），价格跌破观察买入价，之后超过反转买入价，采取反转策略，反手做多（开多）；
情况4，如果持空仓，价格跌破突破卖出价，采取趋势策略，顺势开仓做空；
3、设定相应的止盈止损。
4、收盘前平仓。
5、也可以根据昨日价格的波幅进行过滤，如果波幅较小则今日不开仓。同时也可以以其他指标如ATR、CCI、RSI进行过滤。
R-Breaker策略实现以及代码讲解
下面将对R-Breaker策略基于vnpy进行策略实现。
1、策略参数以及变量
R-breaker策略的参数主要是四个乘数，用于控制六个价位之间的距离。
# 定义参数
setup_coef = 0.35
break_coef = 0.25
enter_coef1 = 1.07
enter_coef2 = 0.07
fixed_size = 1
# 定义变量
Bbreak = 0 # 突破买入价
Ssetup = 0 # 观察卖出价
Senter = 0 # 反转卖出价
Benter = 0 # 反转买入价
Bsetup = 0 # 观察买入价
Sbreak = 0 # 突破卖出价
# 昨日开高低收
day_high = 0
day_open = 0
day_close = 0
day_low = 0
exit_time = time(hour=14, minute=55)
# 添加参数和变量名到对应的列表
parameters = ["setup_coef", "break_coef", "enter_coef1", "enter_coef2", "fixed_size"]
variables = ["Bbreak", "Ssetup", "Senter", "Benter", "Bsetup", "Sbreak"]
2、策略执行逻辑
同之前的策略一样，R-breaker也需要加载历史数据对六个价位变量进行初始化。
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
""""""
super(DualThrustStrategy, self).__init__(
cta_engine, strategy_name, vt_symbol, setting
)
self.bg = BarGenerator(self.on_bar)
self.bars = []
self.am = ArrayManager()
def on_init(self):
"""
Callback when strategy is inited.
"""
self.write_log("策略初始化")
self.load_bar(10)
R-breaker策略的交易逻辑也是写在了on_bar()函数中。一开始取消上一Bar数据中没有交易成功的订单，然后将新的bar数据添加到bars中，目的是为了比较当前bar数据与上一个bar数据之间的日期与时间。
def on_bar(self, bar: BarData):
"""
Callback of new bar data update.
"""
self.cancel_all()
am = self.am
am.update_bar(bar)
if not am.inited:
return
self.bars.append(bar)
if len(self.bars) <= 2:
return
else:
self.bars.pop(0)
last_bar = self.bars[-2]
下面这段的逻辑就是通过上面获取的上一个bar数据与当前bar数据进行日期比较，从而获取昨日的开高低收价格，从而根据这四个价格来计算用于今日交易的六个价位。如果历史数据加载的还不够，六个价位数据还未计算出，那么就直接return。
if last_bar.datetime.date() != bar.datetime.date(): # 如果是第二天的bar数据
if self.day_open:
self.Bsetup = self.day_low - self.setup_coef*(self.day_high - self.day_close)
self.Ssetup = self.day_high + self.setup_coef*(self.day_close - self.day_low)
self.Benter = (self.enter_coef1/2)*(self.day_high + self.day_low) - self.enter_coef2*self.day_high
self.Senter = (self.enter_coef1/2)*(self.day_high + self.day_low) - self.enter_coef2*self.day_low
self.Bbreak = self.Ssetup + self.break_coef*(self.Ssetup - self.Bsetup)
self.Sbreak = self.Bsetup + self.break_coef*(self.Ssetup - self.Bsetup)
self.day_open = bar.open_price
self.day_high = bar.high_price
self.day_close = bar.close_price
self.day_low = bar.low_price
else: # 如果是当天的数据
self.day_high = max(self.day_high, bar.high_price)
self.day_low = min(self.day_low, bar.low_price)
# 如果还未计算六个价格
if not self.Ssetup:
return
下面的部分就是根据当前bar数据在六个价位组成的区域来决定发出什么样的订单。因为R-breaker策略是在盘中触发的，所以我们这里发出的订单都是停止单，目的也是为了更好地在价格达到指定条件时触发交易。
1、如果当前bar最高价格超过观察卖出价，并且收盘价也超过了观察卖出价，那么就以突破买入价发出一笔停止单做多。
2、如果当前bar的最高价超过了观察卖出价，并且收盘价回落到了观察卖出价之下，那么就以反转卖出价发出一笔停止单做空。
3、如果当前bar的最低价跌破观察卖出价，并且收盘价也在观察卖出价之下，那么就以突破卖出价发出一笔停止单做空。
4、如果当前bar的最低价跌破观察卖出价，并且收盘价在观察卖出价之上，那么就以反转买入价发出一笔停止单做多。
在每日交易结束之前平仓。
# 如果在交易时间内
if bar.datetime.time() < self.exit_time:
if self.pos == 0:
if bar.high_price > self.Ssetup and bar.close_price > self.Ssetup:
self.buy(self.Bbreak, self.fixed_size, stop=True)
elif bar.high_price > self.Ssetup and bar.close_price < self.Ssetup:
self.short(self.Senter, self.fixed_size, stop=True)
elif bar.low_price < self.Bsetup and bar.close_price < self.Bsetup:
self.short(self.Sbreak, self.fixed_size, stop=True)
elif bar.low_price < self.Bsetup and bar.close_price > self.Bsetup:
self.buy(self.Benter, self.fixed_size, stop=True)
else:
if self.pos > 0:
self.sell(bar.close_price * 0.99, abs(self.pos))
elif self.pos < 0:
self.cover(bar.close_price * 1.01, abs(self.pos))
self.put_event()
3、完整源码
from datetime import time
from vnpy.app.cta_strategy import (
CtaTemplate,
StopOrder,
TickData,
BarData,
TradeData,
OrderData,
BarGenerator,
ArrayManager,
)
class RBreakStrategy(CtaTemplate):
"""R break策略"""
# 策略作者
author = "Frankie"
# 定义参数
setup_coef = 0.35
break_coef = 0.25
enter_coef1 = 1.07
enter_coef2 = 0.07
fixed_size = 1
# 定义变量
Bbreak = 0 # 突破买入价
Ssetup = 0 # 观察卖出价
Senter = 0 # 反转卖出价
Benter = 0 # 反转买入价
Bsetup = 0 # 观察买入价
Sbreak = 0 # 突破卖出价
# 昨日开高低收
day_high = 0
day_open = 0
day_close = 0
day_low = 0
exit_time = time(hour=14, minute=55)
# 添加参数和变量名到对应的列表
parameters = ["setup_coef", "break_coef", "enter_coef1", "enter_coef2", "fixed_size"]
variables = ["Bbreak", "Ssetup", "Senter", "Benter", "Bsetup", "Sbreak"]
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
""""""
super().__init__(cta_engine, strategy_name, vt_symbol, setting)
self.bg = BarGenerator(self.on_bar)
self.am = ArrayManager()
self.bars = []
def on_init(self):
self.write_log("策略初始化")
self.load_bar(10)
def on_start(self):
self.write_log("策略启动")
self.put_event()
def on_stop(self):
self.write_log("策略停止")
self.put_event()
def on_tick(self, tick: TickData):
self.bg.update_tick(tick)
def on_bar(self, bar: BarData):
self.cancel_all()
am = self.am
am.update_bar(bar)
if not am.inited:
return
self.bars.append(bar)
if len(self.bars) <= 2:
return
else:
self.bars.pop(0)
last_bar = self.bars[-2] # 上一个bar数据
# ------------ 计算前一天的开高低收 ----------------
if last_bar.datetime.date() != bar.datetime.date(): # 如果是第二天的bar数据
if self.day_open:
self.Bsetup = self.day_low - self.setup_coef*(self.day_high - self.day_close)
self.Ssetup = self.day_high + self.setup_coef*(self.day_close - self.day_low)
self.Benter = (self.enter_coef1/2)*(self.day_high + self.day_low) - self.enter_coef2*self.day_high
self.Senter = (self.enter_coef1/2)*(self.day_high + self.day_low) - self.enter_coef2*self.day_low
self.Bbreak = self.Ssetup + self.break_coef*(self.Ssetup - self.Bsetup)
self.Sbreak = self.Bsetup + self.break_coef*(self.Ssetup - self.Bsetup)
self.day_open = bar.open_price
self.day_high = bar.high_price
self.day_close = bar.close_price
self.day_low = bar.low_price
else: # 如果是当天的数据
self.day_high = max(self.day_high, bar.high_price)
self.day_low = min(self.day_low, bar.low_price)
# 如果还未计算六个价格
if not self.Ssetup:
return
# 如果在交易时间内
if bar.datetime.time() < self.exit_time:
if self.pos == 0:
if bar.high_price > self.Ssetup and bar.close_price > self.Ssetup:
self.buy(self.Bbreak, self.fixed_size, stop=True)
elif bar.high_price > self.Ssetup and bar.close_price < self.Ssetup:
self.short(self.Senter, self.fixed_size, stop=True)
elif bar.low_price < self.Bsetup and bar.close_price < self.Bsetup:
self.short(self.Sbreak, self.fixed_size, stop=True)
elif bar.low_price < self.Bsetup and bar.close_price > self.Bsetup:
self.buy(self.Benter, self.fixed_size, stop=True)
else:
if self.pos > 0:
self.sell(bar.close_price * 0.99, abs(self.pos))
elif self.pos < 0:
self.cover(bar.close_price * 1.01, abs(self.pos))
self.put_event()
def on_order(self, order: OrderData):
"""
通过该函数收到委托状态更新推送。
"""
pass
def on_trade(self, trade: TradeData):
"""
通过该函数收到成交推送。
"""
# 成交后策略逻辑仓位发生变化，需要通知界面更新。
self.put_event()
def on_stop_order(self, stop_order: StopOrder):
"""
通过该函数收到本地停止单推送。
"""
pass
历史回测与参数优化
下面以这个代码为例，将其在vntrader中进行历史回测。因为本地数据库中有rb1705的1分钟数据，所以就以这些数据进行回测以及参数优化。
以下面的参数配置进行回测：
经过默认参数得到的回测结果如下：
下面对参数进行优化：
经过优化后，曲线果然变得好看多了：
需要注意的是，上面实现的R-breaker策略逻辑中没有加入止盈和止损以及过滤条件，也没有加入反手做多做空的动作，所以上面代码的代码还有很大的改进空间。