一直有朋友询问我关于量化交易的问题,虽然之前也介绍了一些量化交易框架(backtrader)的使用,但是依然有很多人还是比较困惑,为什么呢?因为成熟的框架是经过高度封装的,很多具体的原理我们没办法理解透彻,除非我们有非凡的毅力去啃他的源代码,但是我相信大部分人都没有这个毅力和能力,而且也没必要,我们使用量化框架的目的是为了提高我们交易的效率和成绩,而不是成为编程专家。
之所以很多人想要对回测框架的理解更深入一些,是因为他们想要尝试将自己的策略量化,但是他们又不知道在backtrader中如何把自己的策略写成代码,所以这就是一道不可逾越的知行合一的鸿沟。
今天我就把这道鸿沟填平,我将带着大家,一点点地从零开始写出一个策略,而在写代码之前,要先学会思考和梳理流程。
量化回测的流程如下:
流程大致如上图所示,具体操作过程和代码框架如下
获取数据并存入本地硬盘
量化的基础就是获取股票的历史数据,你可以使用各种开源框架获取股票的历史数据,我一般是把各个周期(5分钟,15分钟,30分钟,日,周,月)的数据全部下载下来。
加载数据到策略中
通常我们需要把csv格式的股票数据加载到python中,这样才方便我们处理,所以我们需要写一个数据加载函数。
def load_ohlc_from_local():
df=pd.read_csv(r'D:/python_stock/stock_data/{}_d.csv'.format(stk_code),parse_dates=['date'],index_col='date')
df=df[['open','high','low','close','volume']]
return df[pd.to_datetime(bt_start_date):]
计算指标
当把数据加载到python中以后,我们可以进一步对其进行各种指标的计算。
比如最简单的就是计算某周期的均线,我们这里计算20日均线
ma20=df.close.rolling(20).mean()
当然你也可以计算更多的指标,这主要取决于你的策略需要使用到哪些指标。
设计策略规则
计算完各种技术指标(当然真正的量化因子不只有技术指标,但是最基础最好获取的就是技术指标)之后,我们就可以设计我们的买卖策略了。
就以最简单的20日均线作为标准设计一个策略:
如果价格大于20日均线的1.02倍,则买入。
如果价格小于20日均线的0,98倍,则卖出。
韭菜AI量化
这就是一个最简单的单均线策略。
判断买入信号
原始价格数据有了,用于生成交易信号的指标也有了,接下来我们就可以扫描整个回测周期内的数据,用于生成买入信号。
这里我们需要先写一个for循环用来遍历整个股票历史数据。
for data in df:
pass
紧接着我们需要用价格和均线数据进行比较。
if close>ma20*1.02:
pass
判断是否有持仓
由于我们是从零开始,所以不宜把策略搞得过于复杂,所以我们这里只做单一股票的操作,规则就是每次都是全仓进出,所以在策略的执行过程中,首先需要去判断是否存在交易信号,然后我们要判断是否有持仓,如果有持仓,那么我们就不能继续买入,如果没有持仓我们才会继续买入。
下面是判断是否有持仓的伪代码:
if 当前订单==0:
buy()
买入函数
如果策略判断当前还没有持仓,则我们可以买入股票。
我们需要定义买入函数。
如果是实盘交易,我们的买入函数会将交易指令发送到券商。
而虚拟盘则不需要,但是包含的信息是一致的。
这其实和你手动交易没什么区别,只是我们将买入的动作程序化了而已。
买入函数定义如下:
def buy(股票代码,买入价格,买入股数,买入日期):
pass
持仓监控
买入持仓后,程序会继续按日期循环数据,寻找卖出信号。
判断卖出信号
与买入类似,这里不再赘述。
if close<ma20*0.98:
pass
卖出函数
同样这一段我们也需要先检查持仓,我们必须要有持仓才能做卖出操作,与买入检查持仓逻辑一致,这里就不再赘述了。
卖出函数如下:
def sell(股票代码,卖出价格,卖出股数,卖出日期):
pass
统计总体收益
在一个回测周期内,通常会进行若干次买卖,最终我们需要统计总体收益,从而判断这个策略是否值得我们拿真金白银去投入。
统计总体收益函数如下:
def calc_total_pnl():
total_pnl=0
for order in history_orders.values():
total_pnl+=order['pnl']
return total_pnl
总结
通过量化交易流程图和一些文字描述,相信你对量化交易的具体实施有了一个更深入的了解,如果你有一定的编程基础,相信按照这个流程应该可以自己写出一个完整的量化交易策略。
感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典