第二章 量化入门

安装工作环境

本文的开发都是用python实现,首先是因为它简单易懂,其次是有丰富的开源库,最关键的还是因为它有pandas和pytdx这两个重要的第三方库。

为了简化安装环境,这里直接通过conda来进行python以及第三方库的安装。


Conda 是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。 Conda 是为 Python 程序创建的,适用于 Linux,OS X 和Windows,也可以打包和分发其他软件。

1)安装conda

conda分为anaconda和miniconda。anaconda是包含一些常用包的版本,miniconda则是精简版,这里直接安装miniconda就行。

conda官网:https://conda.io/en/latest/miniconda.html   

根据你自己操作系统选择合适的版本,本文的开发环境为python3.6,目前项目里没有使用太多的第三方库,基本上3.5-3.7的版本应该都可以使用。

具体安装方式请参考官方文档:

https://conda.io/projects/conda/en/latest/user-guide/install/index.html


1. 安装常用第三方库

       项目中用到的第三方库包括但不限于:pymongo、APScheduler、scipy、gevent、pyecharts、tushare、pandas、pytdx、talib

       对于windows系统,talib的安装可能会有点问题,其他的库都可以直接通过 pip install  的方式进行安装成功

       talib的安装:https://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib这是一个直接编译好的库,找到和你python版本对应的安装就可以了。

先下载到本地,然后用pip install  可以安装成功

2. 获取历史数据

      本项目中的行情数据源都通过pytdx来抓取,由于pytdx拥有简单友好的文档,这里不再对相关接口做进一步文档说明。pytdx 文档:https://rainx.gitbooks.io/pytdx/content/

简单以股票盘口数据抓取为例:

返回值说明:bid1:买一价

                      ask1:卖一价

                      bid1_vol1:买一挂单量

                      ask1_vol1:卖一挂单量

下面是指数历史数据的抓取和返回:


 

3. 均线策略举例

 接下来开始进入正题。

首先是下载代码(默认你已经安装了git):      

 git  clone  https://github.com/xuhshen/lianghuajiaoyi.git


下载之后打开文件夹会得到下面一个目录结构:


接下来是在strategy目录下新建一个策略文件:sjx.py

然后再sjx.py里实现策略代码

本文所有的策略都会采用统一的策略框架,下图是基本的策略代码结构:




策略训练代码:


扫参结果:

比较好的几组参数:


比较差的几组参数:


从上面的扫参结果可以发现,当两个均线跨度比值在一定区间内,收益比较好,

结果比较差的是几根半年线左右的均线。上面是最近1000个交易日的结果,下面我们根据好的参数,对更多的样本外数据进行测试。


参数:5,40净值曲线(最近2000个交易日) :


累计收益5.38倍,交易次数94次


参数:15,25净值曲线(最近2000个交易日) :


累计收益6.38倍,交易次数54次


从上面测试结果看,最近10年只要我们严格按照这两组参数的信号对000001进行交易,最终是可以实现5-6倍的收益

如果一直持有00001,在样本测试区间的收益图如下,实际收益差不多在3.5倍左,但是其回撤会远远大于我们的双均线模型


测试代码:



传送门:这里是本书的开源项目地址,附带简单能用的回测框架和举例策略代码

你可能感兴趣的:(第二章 量化入门)