[[404053]]

一、簡介

大家好，我是Snowball。今天給大家分享的內(nèi)容是基于Python編程，實現(xiàn)股票交易相關(guān)功能開發(fā)，如果讀者對股票或金融衍生物交易不太了解，又比較感興趣的話可自行查詢相關(guān)資料。

接下來筆者會給大家介紹股票交易中的常見幾種交易策略實現(xiàn)思路和源碼編寫過程，如果大家聽說過量化交易這個詞語的話，對其中的交易策略或許了解過，大概意思就是在股票、加密貨幣或者金融衍生物在價格的波動過程中根據(jù)其交易策略進(jìn)行不斷的買入和賣出，不斷的套利，降低持倉陳本，來達(dá)到收益最大化。

常見的交易策略有很多種，例如趨勢型，網(wǎng)格型，剝頭皮，概率法則，高頻交易等，今天主要給大家介紹2種低頻的交易策略，高拋低吸網(wǎng)格交易策略、日內(nèi)做T策略。其他的交易策略較復(fù)雜，讀者可自行百度了解，筆者這里推薦一個量化交易網(wǎng)站，僅供參考，米筐量化：

https://www.ricequant.com/doc/quant/

二、需求分析&實現(xiàn)思路

每個交易日的股票都會上漲或者下跌，在這個過程中筆者們偶爾會想針對部分股票進(jìn)行股價的漲跌幅進(jìn)行監(jiān)控，或者自動進(jìn)行交易，在這個需求前提下，現(xiàn)有券商、股票分析軟件都會帶有機器人自動交易策略功能，大部分都需要收費或者部分策略不能滿足自己的需求，筆者這邊提供2種實現(xiàn)思路：

1、借助現(xiàn)有量化平臺編寫策略和回測分析，然后在券商軟件層面進(jìn)行策略執(zhí)行。

2、自己編寫功能代碼來監(jiān)控估價，對股價波動進(jìn)行特殊處理滿足特殊需求。

第一種實現(xiàn)成本較低，但功能受限于平臺;第二種實現(xiàn)成本毋庸置疑相對較高，但是邏輯可以自己控制。

三、借助現(xiàn)有量化平臺編寫策略和回測分析

這里利用米筐量化實現(xiàn)和分析自己的交易策略，需要先注冊個賬號，然后進(jìn)入到平臺-筆者的策略中進(jìn)行策略編寫，平臺的功能使用可以參考平臺文檔。

筆者這里貼出筆者自己寫的2種策略代碼，這個平臺只支持使用Python腳本編寫。

1)價差交易策略

平臺截圖：

部分代碼如下，詳細(xì)代碼可以自己手?jǐn)]實現(xiàn)，也可以在文末進(jìn)行獲?。?/p>

# 你選擇的證券的數(shù)據(jù)更新將會觸發(fā)此段邏輯，例如日或分鐘歷史數(shù)據(jù)切片或者是實時數(shù)據(jù)切片更新 
def handle_bar(context, bar_dict): 
... 
    if newPrice >= context.nextSellPrice: 
        logger.info("執(zhí)行高拋交易,對應(yīng)價格:{}".format(newPrice)) 
        amount = context.portfolio.positions[context.s1].quantity 
        if amount >= context.tradeNumber: 
            logger.info("執(zhí)行高拋交易,對應(yīng)數(shù)量:{}".format(context.tradeNumber)) 
            order_shares(context.s1, -context.tradeNumber) 
            plot("S", newPrice) 
        elif amount >= 100: 
            logger.info("執(zhí)行高拋交易,對應(yīng)數(shù)量:{}".format(amount)) 
            order_shares(context.s1, -amount) 
            plot("S", newPrice)  
         
        calc_next_trade_price(context,newPrice) 
        obj = { 
            "nextSellPrice":context.nextSellPrice, 
            "nextBuyPrice":context.nextBuyPrice, 
            "curTradePrice":context.curTradePrice 
        } 
        context.buyTradeList.append(obj) 
 
    if newPrice <= context.nextBuyPrice: 
        logger.info("執(zhí)行低吸交易,對應(yīng)價格:{}".format(newPrice)) 
        amount = int(context.portfolio.cash / newPrice / 100.0)  * 100 
        if amount >= context.tradeNumber: 
            logger.info("執(zhí)行低吸交易,對應(yīng)數(shù)量:{}".format(context.tradeNumber)) 
            order_shares(context.s1, context.tradeNumber) 
            plot("B", newPrice) 
 
        calc_next_trade_price(context,newPrice) 
        
        obj = { 
            "nextSellPrice":context.nextSellPrice, 
            "nextBuyPrice":context.nextBuyPrice, 
            "curTradePrice":context.curTradePrice 
        } 
        context.sellTradeList.append(obj)  

選擇回測時間段，點擊右側(cè)平臺右側(cè)按鈕運行回測，結(jié)果頁面如下

從結(jié)果中可以看到，對招商銀行[600036]這只股票進(jìn)行價差網(wǎng)格交易，其參數(shù)設(shè)置在上漲8%的時候賣出，下跌8%的時候買入，最大連續(xù)下跌買入次數(shù)為3次。

回測收益：13.628%

回測年化收益：17.096%

比基準(zhǔn)年化收益-6%高出非常之大，這是在股價波動的過程中可以進(jìn)行執(zhí)行該策略來不斷的降低持倉成本。從交易詳情面板來看，這個策略可以通過參數(shù)調(diào)節(jié)交易頻率，在上漲下跌比率較大的情況下，其交易次數(shù)是能控制的相對較少，結(jié)果圖如下：

2)日內(nèi)做T策略

同樣的，只貼部分代碼

# 你選擇的證券的數(shù)據(jù)更新將會觸發(fā)此段邏輯，例如日或分鐘歷史數(shù)據(jù)切片或者是實時數(shù)據(jù)切片更新 
def handle_bar(context, bar_dict): 
... 
    newPrice = bar_dict[context.s1].last 
    if newPrice >= context.nextSellPrice: 
        context.lastTradeType = 1 
        logger.info("執(zhí)行高拋交易,對應(yīng)價格:{}".format(newPrice)) 
        amount = context.portfolio.positions[context.s1].quantity 
        #if amount - context.tradeNumber >= context.lockStockNumber: 
        if amount - context.tradeNumber >= 0: 
            logger.info("執(zhí)行高拋交易,對應(yīng)數(shù)量:{}".format(context.tradeNumber)) 
            order_shares(context.s1, -context.tradeNumber) 
            plot("S", newPrice) 
        else: 
            logger.info("股票數(shù)量不足，無法執(zhí)行高拋交易,對應(yīng)數(shù)量:{}".format(amount)) 
            return     
         
        calc_next_trade_price(context,newPrice) 
 
        obj = { 
            "nextSellPrice":context.nextSellPrice, 
            "nextBuyPrice":context.nextBuyPrice, 
            "curTradePrice":context.curTradePrice 
        } 
        context.buyTradeList.append(obj) 
 
    if newPrice <= context.nextBuyPrice: 
        context.lastTradeType = 0 
        logger.info("執(zhí)行低吸交易,對應(yīng)價格:{}".format(newPrice)) 
        amount = int(context.portfolio.cash / newPrice / 100.0)  * 100 
        if amount >= context.tradeNumber: 
            logger.info("執(zhí)行低吸交易,對應(yīng)數(shù)量:{}".format(context.tradeNumber)) 
            order_shares(context.s1, context.tradeNumber) 
            plot("B", newPrice) 
        else: 
            logger.info("現(xiàn)金不足，無法執(zhí)行低吸交易,對應(yīng)數(shù)量:{}".format(amount)) 
            return     
 
        calc_next_trade_price(context,newPrice) 
        
        obj = { 
            "nextSellPrice":context.nextSellPrice, 
            "nextBuyPrice":context.nextBuyPrice, 
            "curTradePrice":context.curTradePrice 
        } 
        context.sellTradeList.append(obj) 

總體來說，代碼邏輯還是比較簡單，就是對價格的漲跌進(jìn)行處理，其參數(shù)設(shè)置在日內(nèi)上漲2%的時候賣出，下跌2%的時候買入，初始買入資金比例7成，鎖定最低倉位5成。然后運行回測，其結(jié)果如下

回測收益：5.501%

回測年化收益：6.839%

基準(zhǔn)收益：19.26%

可以看到日內(nèi)做T這種高頻交易，在長期來看收益可能并不高，適合在短期價格內(nèi)運行。

四、總結(jié)

我是Snowball。這個量化平臺在筆者的熟悉情況下，它可以很方便的回測你的交易策略，但是在股價盯盤上，或者自定義邏輯上支持的不是很完善，很多功能也是需要收費才能使用。本文基于Python，借助現(xiàn)有量化平臺編寫策略和回測分析，希望對大家的學(xué)習(xí)有所幫助。