金融量化CTA策略之VeighNa量化实战笔记

Posted 2023-01-28 Better Bench

量化投资实战笔记

1 基本概念

1、一手股票：100支股票
2、收盘比开盘上涨的百分比：（收盘-开盘）/开盘
3、开盘比前日收盘的百分比：（开盘-前日收盘）/前日收盘
4、从dataframe中取每个月的第一天
df.resample(‘M’).first()
5、从dataframe中取每个年的最后一天
df.resample(‘A’).last()
6、什么是均线
对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些移动平均值连接起来，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天、10天、60天、120天和240天的指标。

• 5天和10天的是短期操作的参考指标，称作日均指标
• 30天和60天的是中期均线指标，称作季均线指标
• 120天和240天的是长期均线指标，称作年均线指标

计算5日均线
df[‘close’].rolling(5).mean()
7、金叉日期和死叉日期
分析指标中的两根线，一根为短期内的指标线，另一根是较长时间的指标线
金叉：如果短时间的指标线方向拐头向上，并且穿过了较长的指标线，这种状态称为金叉。
死叉：如果短时间的指标线方向拐头向下，并且穿过了较长的指标线，这种状态称为死叉。
一般情况下，出现金叉后，操作趋向买入，死叉则趋向卖出。当然，金叉和死叉的只是分析指标之一，要和其他很多指标配合使用，才能增加操作的准确性。
计算死叉的日期

s1 = ma5<ma30
s2 = ma5>ma30


death_ex = s1& s2.shift(1)
df.loc[death_ex]
death_date = df.loc[death_ex].index

计算金叉的日期

s1 = ma5<ma30
s2 = ma5>ma30

gold_ex =-(s1& s2.shift(1))
df.loc[gold_ex]
gold_date = df.loc[gold_ex].index

8、根据金叉买入，死叉卖出

s1 = Series(data=1,index = gold_date)
s2 = Series(data=0,index = death_date)

s = s1.append(s2)
s = s.sort_index()


first_money = 100000 # 本金
money = first_money # 手头剩余的钱
hold = 0 # 持有股票数量
for i in range(0,len(s)):
    if s[i]==1:
        time = a.index[i]
        p = df.loc[time]['open']
        hand_count = money//(p*100)
        hold = hand_count*100
        money -=(hold*p)
    else:
        death_time = s.index[i]
        p_death = df.loc[death_time]['open']
        money +=(p_death*hold)
        hold = 0
# 剩余股票的价值
last_money =hold  = df['close'][-1]

---

9、计算金叉和死叉

def on_bar(self,bar:BarData):
    am = self.am
    am.update_bar(bar)
    if not am.inited:
        return
    # 计算技术指标
    fast_ma = am.sma(self.fast_window,array=True)
    fast_ma0 = fast_ma[-1]
    fast_ma1 = fast_ma[-2]
    
    slow_ma = am.sma(self.slow_window,array=True)
    slow_ma0 = slow_ma[-1]
    slow_ma1 = slow_ma[-2]
    
    # 判断均线交叉
    # 金叉
    cross_over = (self.fast_ma0 >=self.slow_ma0 and self.fast_ma1 <self.slow_ma1)
    cross_below = (slef.fast_ma0 >=self.slow_ma0 and self.slow_ma1 > sefl.fast_ma1)
    # 发生金叉
    if cross_over:
        price = bar.close_price + 10
        # 当前没有仓位
        if not self.pos:
            # 买1手
        self.buy(price,1)
        # 有空头仓位，需要平掉空头仓位,再买入
      elif self.pos<0:
            self.cover(price,1)
            self.buy(price,1)
    #  发生死叉
    elif cross_below:
        price = bar.close_price - 10
        # 当前没有仓位
        if not self.pos:
            # 做空1手
        self.short(price,1)
        # 有多头仓位，需要卖掉多头仓位,再做空
      elif self.pos>0:
            self.sell(price,1)
            self.short(price,1)    
    self.put_event()

10、Tick 数据和Bar数据的区别
Tick 是某种金融产品交易时的逐笔数据。为了高频的 tick 数据从中提取有价值的信息，并以合适的形式存储它们。这种数据储存形式叫做 bar。将右图的单元放大得到两种类型的 bar (绿色空心代表价格上升的 bar，红色实心代表价格下降的 bar)：

12、委托和成交的区别
委托中包括了撤单的和成交的。
13、VeighNa回测的K线图标中黄色上三角和蓝色下三角的意义
黄色表示买入做多的位置，蓝色表示卖出做空的位置。
14、VeighNa连接测试TCP
用户名：000300
密码：vnpy1234
经纪商代码：9999
交易服务器：180.168.146.187:10101
行情服务器：180.168.146.187:10101
产品代码：simnow_client_test
授权编码：0000000000000000
15、SimNow 是做什么的？
是上期所全资子公司上期技术公司专门为投资者打造的期货、期权模拟交易平台，为上期所投资者教育网认证的期货、期权模拟仿真系统。
SimNow可以仿真各期货交易所的交易、结算规则，目前已支持国内各期货交易所的商品期货、期权业务。
SimNow的优势：
（1）模拟实盘行情，将实盘价格信息引入仿真
（2）提供7 * 24小时仿真服务
（3）提供TradeNow手机APP，支持手机端操作
（4）便捷开户，直接通过网站注册即可开户，无须线下办理
（5）便捷入金，直接通过网站申请入金
（6）可以支持期货公司等举办仿真交易比赛
16、VeighNa开发一个新指标的过程
以阿隆指标为例。创建my_strategy_tool.py，继承创建NewArrayManager类，新增Aroon指标函数，调用talib的AROON函数，最后返回数组和最新值。

class NewArrayManager(ArrayManager):
    def __init__(self,size=100):
        super().__init__(size)
    def aroon(self,n,array=False):
        aroon_up,aroon_down = talib.AROON(self.high,self.low,n)
        if array:
            return aroon_up,aroon_down
        return aroon_up[-1],aroon_down[-1]

17、指标条件逻辑

am = self.am

am.update_bar(bar)
if not am.inited:
    return
fast_rsi = am.rsi(self.fast_window,array =True)
slow_rsi = am.rsi(self.slow_window,array =True)
fast_rsi_0 = fast_rsi[-1] 
fast_rsi_1 = fast_rsi[-2]
slow_rsi_0 = slow_rsi[-1] 
slow_rsi_1 = slow_rsi[-2]
if fast_rsi_0 >=70:
    print('over bought')
elif fast_rsi_0<=30:
    print('over sold')
# RSI 的金叉与死叉
rsi_crss_over = (fast_rsi_1<slow_rsi_1) and (fast_rsi_0 >=slow_rsi_0)
rsi_crss_below = (fast_rsi_1>slow_rsi_1) and (fast_rsi_0 <=slow_rsi_0)

if rsi_crss_over:
    print('we buy')
elif rsi_crss_below:
    print('we sell')

18、CTA策略的构成
分为信号、过滤和出场三部分。信号是指赌涨还是跌或者不玩。信号主要分为两类，第一类是信号跟踪类。

其中SMA是指算术平均、EMA是指指数平均、AMA是指自适应性平均。
第二类是趋势突破性信号

过滤是指是否应该下注，出场是指手气不顺要跑。
以RSI指标举例，RSI进入超买区，做多，RSI进入超买器做空

出场逻辑，是指什么时候平仓

价格百分比，移动止损
19、CTA策略中数据回放撮合流程

20、限价单的触发、提交、委托推送流程

21、什么叫市价单、限价单和停止单？
市价单：按市场价来执行的订单。优点是交易快和原理简单、缺点是存在Slippage(实际执行价与期待价格间的价差)
限价单：买入时的限价单是指，就是告诉券商，我要以多少钱买入，比这个价格高就不买，比这个价格低可以；卖出时的限价单是指，就是告诉券商，我要以多少钱卖出，比这个价格低就不卖，比这个价格高就卖，这样限制了成交的最差的价格。优点是避免了Slippage的价差，从而保证价格，缺点是单子可能不会被执行或者只执行了一部分。限价单适合波段交易或者长期投资，对时间不敏感的交易类型，在日交易中，会错过很多交易。
停止单：触发的价格
通常说的限价单是用来入场的，而停止单是用来出场的。

22、停止单撮合

停止单撮合规则一

停止单撮合规则二

23、Dual Trust 策略
做空做多设置一个上轨和下轨，这个轨的范围（Range）的设定，计算公式如下，从（bar中的最高价的最高价HH-收盘价的最高价HC）和（bar中的收盘价的最高价HC-最低价的最低价LL）中选择最大的作为轨的上下范围。
优点是：思路简单、参数不多
缺点是：日内策略，不持仓过夜
特点是：需要日线数据产生信号，分钟线数据进行回测

策略实现思路
（1）全撤委托：清空策略状态
（2）缓存K线：判断是否隔日
（3）计算入场价格：开盘价加减
（4）判断当前时间

• 若交易时间段
  • 停止单入场
• 若结束时间段
  • 超价平仓

24、通道突破策略
（1）Bollinger Band 布林带策略
布林带是一种多功能工具，结合移动平均线和标准差来检测市场波动的变化。布林带指标包含三个组成部分：

• 中轨 = N时间段的简单移动平均线（SMA）
• 上轨 = 中轨 + K × N时间段的标准差
• 下轨 = 中轨 − K × N时间段的标准差

一般情况下，设定N=20和K=2，这两个数值也是在布林带当中使用最多的。在日线图里，N=20其实就是“月均线”（MA20）。依照正态分布规则，约有95%的数值会分布在距离平均值有正负2个标准差的范围内。
交易规则:价格突破上轨（%b大于等于1），买入开仓，价格突破下轨（%b小于等于0），卖出开仓
python 实现

def boll(self,n,dev,array=False):
    mid = self.sma(n,array)
    std = self.std(n,array)
    up  = mid+std*dev
    down = mid- std*dev
    return up,down

（2）肯特纳通道策略（Keltner Channel）
肯特纳通道也是一个基于波动率的技术指标，由三条独立的线组成。Keltner Channels 不使用标准偏差，而是使用平均真实范围 (ATR)来设置通道距离。以下是三个组件：

• 中轨：N时间段的周期指数移动平均线 (EMA)
• 上轨：中轨 +K* 平均真实范围（ATR）
• 下轨：中轨 -K * 平均真实范围（ATR）

python 实现

def keltner(self,n,dev,array=False):
    mid = self.sma(n,array)
    atr = self.atr(n,array)
    up  = mid+atr*dev
    down = mid- atr*dev
    return up,down

（3）唐奇安通道策略
上线=Max（最高价，n），是指n天的最高价
下线=Min（最低价，n），是指n天的最低价
中线=（上线+下线）/2
python实现

def donchian(self,n,array = False):
    up = talib.MAX(self.high,n)
    down = talib.MIN(self.low,n)
    if array:
        return up,down
    return up[-1],down[-1]

3 参考资料

1. 『金融数据结构』「2. 从 Tick 到 Bar」
2. VNPY 实战进阶CTA策略网课：https://www.betterbench.top/#/24/detail