多股票策略和双均线策略结合

Posted 2023-02-18 杨东冀@pku

1 确定策略内容
前文中，我们写的单股票的均线策略的策略内容是这样的：

若昨日收盘价高出过去20日平均价今天开盘买入股票
若昨日收盘价低于过去20日平均价今天开盘卖出股票
现在，我们想利用计算机强大的数据处理能力，同时监视市场上多只股票，如果满足条件就进行相应交易。简言之，对多个股票分别实行原本的单股票策略，策略内容应该是这样的：

若多只股票某只昨日收盘价高出过去20日平均价今天开盘买入该股票
若多只股票某只昨日收盘价低于过去20日平均价今天开盘卖出该股票
那怎么用代码说给计算机听呢？老办法，先想清楚人要做的话要怎么做，再一点点翻译成代码。

多股票究竟是都是哪些？即要确定股票的范围。
（计算姬：让我帮你暗中监视可以，总要告诉我都监视谁吧！）
每天看看每一只股票昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。
（计算姬：哪个股票有动作，我就带着小钱钱们杀过去~）
接下来就按之前讲得基本框架的套路出牌就好了，即初始化加周期循环。
（计算姬：想要学习好，套路不能少~）

2 用list数据类型初始化股票列表
我们要确定股票的选择范围，此处举例就简单点只选两个了，比如 兔宝宝（002043） 和 好想你（002582）。代码如下：

def initialize(context):
    g.security = ['002043.XSHE','002582.XSHE']# 存入兔宝宝、好想你 的股票代码
对比下，单股票策略中初始化代码是这样的：

def initialize(context):
    g.security = '002043.XSHE'# 存入兔宝宝 的股票代码

可以看到，多个股票代码之间用逗号隔开了，并且两侧被中括号包在了一起。这种被中括号包在一起的数据的类型叫做list。形如：

[x1,x2,x3,…,xn]
当多个股票代码被包在一起成为一个list后就是一个整体，我们就可以给他们一起命名（例如此处命名是g.security），就好像我们把多个股票代码包在一个盒子里，在盒子外面写上名字，如此以后你想让计算机把那些股票代码拿到哪里去计算，或是怎么样的时候，只要跟她讲g.security，她就知道是那个盒子了，而不必一一地把每个股票名字再交代一遍。

答疑与延伸：

关于list的详细介绍？：请看 Python入门（2）- 数据类型之列表
初始化完成，开始周期循环的部分。

3 for语句
之前我们已经发现了，所谓的多股票策略，就是对多个股票逐个地实行单股票策略，所以对于所选股票只有两个的时候，只要把原本单股票策略对每个股票再写一遍就好了，比如这样:

def initialize(context):
    g.security1 = '002043.XSHE'
    g.security2 = '002582.XSHE'

def handle_data(context, data):
    last_price = data[g.security1].close
    average_price = data[g.security1].mavg(20, 'close')
    cash = context.portfolio.cash
    if last_price > average_price:
        order_value(g.security1, cash)
    elif last_price < average_price:
        order_target(g.security1, 0)

    last_price = data[g.security2].close
    average_price = data[g.security2].mavg(20, 'close')
    cash = context.portfolio.cash
    if last_price > average_price:
        order_value(g.security2, cash)
    elif last_price < average_price:
        order_target(g.security2, 0)

基本上就是原来的单股票代码写两遍，两只股票写两遍，上千只股票的话还不写死。。。

所以我们要用到for，来告诉计算机，对多只股票都逐个进行相同的一系列的操作。
for的用法如下：

# 把x中的数据依次取出暂时放入i中
for i in x：
    描述操作的代码

#其中x的数据类型需要是list。

这段代码的含义可以理解成面试：
（x像一队的等待的面试者，i就是面试的房间，操作就是面试的过程）
取出x中的第一个数据放到i中，进行操作。
（排在最前面的人进去面试然后出来）
然后从x中再取出第二个数据覆盖掉i中原本的数据，进行操作。
（第二个人进去面试然后出来）
如此继续，直到x中最后一个数据取到并进行操作。
（直到最后一个人面试完）

答疑与延伸：

从x中取出的次序？：x的数据类型是list，list类型里面的数据是有次序的，所以从x中取出的次序就是x里自带的次序。如for i in [2,7,3]的取出次序就是，如所见到的从左到右2,7,3的次序。（[2,7,3]是个list）
for应用在我们的多股票策略中后，我们的策略就是这样的：

def initialize(context):
    # 存入兔宝宝、好想你 的股票代码
    g.security = ['002043.XSHE','002582.XSHE']

def handle_data(context, data):
    # 把g.security中的股票代码依次取出，逐个进行单股票均线策略
    for i in g.security:
        # 获取取得最近日收盘价，命名为last_price
        last_price = data[i].close
        # 获取近二十日股票收盘价的平均价，命名为average_price
        average_price = data[i].mavg(20, 'close')
        # 获取当前现金数量，命名为cash
        cash = context.portfolio.cash
        # 如果昨日收盘价高出二十日平均价, 则买入，否则卖出。
        if last_price > average_price:
            order_value(i, cash)# 用per_cash的资金量买入股票i
        elif last_price < average_price:
            order_target(i, 0)# 将股票仓位调整到0，即全卖出

至此，已经是一个完整的可运行的策略了。

但是，我们应用原本单股票策略的买入卖出方法到多股票后，逻辑上会出现这样一种情况，只要多只股票中一只股票满足买入条件了，就用所有资金买入了，从而没有资金买别的股票了，即便余下的股票也有满足条件的，即策略一直最多持有一只股票。

当然，这种买入卖出逻辑并没什么错，但一般来说，多股票策略相比单股票的策略的优势，除了可以更大范围内的寻找机会外，能同时持有多只股票能帮助我们分散风险。

故，我们有必要继续研究下每次花多少钱去买股票，使策略可同时持有多只股票。

4 各个股票买多少？
每次交易信号发生，不全额买卖，该买卖多少额度呢？这是个复杂的问题，每个人对于每个策略都可能有不同的看法，并无定法。此处只做简单的处理，即将资金按股票数量分配预留，哪只股票发出信号，就将该股票的那份资金全额交易。

详细表述与代码如下：

将资金平分成两份（”兔宝宝”一份，”好想你”一份），每份资金量为per_cash.

# cash除以g.security中的股票数，得到per_cash
per_cash = cash/len(g.security)

答疑与延伸：
len(g.security)什么意思？：len()是用来求list长度，即list中包含多少个东西。本例中len(g.security)就是求g.security中的股票数，结果为2.
如果五日平均价高出十日平均价, 则用per_cash的资金量买入的该股票；
否则卖出全部该股票。

翻译成代码：

if last_price > average_price:
order_value(i, per_cash)# 用per_cash的资金量买入股票i
elif last_price < average_price:
order_target(i, 0)# 将股票i持有量调整到0，即全卖出
5 策略代码写完，进行回测
把买入卖出的代码写好，策略就写完了，如下

def initialize(context):
     #存入股票代码
     g.security = ['600177.XSHG','601006.XSHG','601000.XSHG','000651.XSHE']

def handle_data(context, data):
    for i in g.security:
        average_price5 = data[i].mavg(5,'close')
        average_price10 = data[i].mavg(10,'close')
        #获取当前的现金数量
        cash = context.portfolio.cash
        #cash除以股票数量
        per_cash = cash/len(g.security)
        if average_price5 > average_price10:
            order_value(i,per_cash) #用对应资金买入股票
        elif average_price5 < average_price10:
            order_target(i,0)

现在，点击运行回测，如果你代码没有问题，就会顺利的进行回测，回测结果如下图：
简单多股票.jpg

至此，你就完成了一个简单策略的回测了。