热门标签
热门文章
- 1iFlytekSpark_iflytekspark-13b
- 2javascript高级程序设计 -- 读书笔记（二） _classa red classb blue文字是什么颜色
- 3ChatGPT 深度解析：技术驱动的智能对话
- 4亚马逊云科技AWS免费大热AI应用开发证书和AI大语言模型开发代码案例
- 5python PyQt5中文教程☞【第五节】PyQt5事件（Event）和信号（信号槽 Signals & slots）_【第五节】pyqt5事件和信号-pyqt5中文教程
- 6校园物业报修小程序开发笔记一_校园维修小程序功能性需求
- 7Spring Boot常见面试题_springboot常见面试
- 8Gradio从入门到精通（8）---基础组件介绍2
- 9绝对的好文，有点长，耐心点，说不定你的人生因此改变
- 10iOS 开发者的 Flutter 入门课
当前位置: article > 正文
【python量化交易】—— 双均线择时策略 - Qteasy自定义交易策略【附源码】_均线量化策略源码
作者：笔触狂放9 | 2024-07-16 01:47:49
赞
踩
均线量化策略源码
使用qteasy自定义并回测一个双均线择时策略
我们今天使用qteasy来回测一个双均线择时交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。
为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。
建议您先按照前面教程的内容了解qteasy的使用方法，然后再参考这里的例子创建自己的交易策略。
策略思想
本策略根据交易目标的其日K线数据建立简单移动平均线的双均线交易模型，
交易策略如下：
策略包含两个参数：短周期天数S、长周期天数L
分别以两个不同的周期计算交易标的日K线收盘价的移动平均线，得到两根移动均线，以S为周期计算的均线为快均线，以L为周期计算的均线为慢均线，根据快慢均线的交叉情况产生交易信号：
- 当快均线由下向上穿越慢均线时全仓买入交易标的
- 当快均线由上向下穿越短均线时平仓
模拟回测交易：
- 回测数据为:沪深300指数（000300.SH)
- 回测周期为2011年1月1日到2020年12月31日
- 生成交易结果图表
策略参数优化：
- 同样使用HS300指数，在2011年至2020年共十年的历史区间上搜索最佳策略参数
- 并在2020年至2022年的数据上进行验证
- 输出30组最佳参数的测试结果
导入qteasy模块
import qteasy as qt
- 1
创建一个新的策略
使用qt.RuleIterator策略基类，可以创建规则迭代策略，
这种策略可以把相同的规则迭代应用到投资组合中的所有股票上，适合在一个投资组合
中的所有股票上应用同一种择时规则。
from qteasy import RuleIterator # 创建双均线交易策略类 class Cross_SMA_PS(RuleIterator): """自定义双均线择时策略策略，产生的信号类型为交易信号 这个均线择时策略有两个参数： - FMA 快均线周期 - SMA 慢均线周期 策略跟踪上述两个周期产生的简单移动平均线，当两根均线发生交叉时 直接产生交易信号。 """ def __init__(self): """ 初始化交易策略的参数信息和基本信息 """ super().__init__( pars=(30, 60), # 策略默认参数是快均线周期30， 慢均线周期60 par_count=2, # 策略只有长短周期两个参数 par_types=['int', 'int'], # 策略两个参数的数据类型均为整型变量 par_range=[(10, 100), (10, 200)], # 两个策略参数的取值范围 name='CROSSLINE', # 策略的名称 description='快慢双均线择时策略', # 策略的描述 data_types='close', # 策略基于收盘价计算均线，因此数据类型为'close' window_length=200, # 历史数据窗口长度为200，每一次交易信号都是由它之前前200天的历史数据决定的 ) # 策略的具体实现代码写在策略的realize()函数中 # 这个函数接受多个参数： h代表历史数据， r为参考数据， t为交易数据，pars代表策略参数 # 请参阅doc_string或qteasy文档获取更多信息 def realize(self, h, r=None, t=None, pars=None): """策略的具体实现代码： - f: fast, 短均线计算日期； - s: slow: 长均线计算日期; """ from qteasy.tafuncs import sma # 获取传入的策略参数 f, s= pars # 计算长短均线的当前值和昨天的值 # 由于h是一个M行N列的ndarray，包含多种历史数据类型 # 使用h[:, N]获取第N种数据类型的全部窗口历史数据 # 由于策略的历史数据类型为‘close’（收盘价）， # 因此h[:, 0]可以获取股票在窗口内的所有收盘价 close = h[:, 0] # 使用qt.sma计算简单移动平均价 s_ma = sma(close, s) f_ma = sma(close, f) # 为了考察两条均线的交叉, 计算两根均线昨日和今日的值，以便判断 s_today, s_last = s_ma[-1], s_ma[-2] f_today, f_last = f_ma[-1], f_ma[-2] # 根据观望模式在不同的点位产生交易信号 # 在PS信号类型下，1表示全仓买入，-1表示卖出全部持有股份 # 关于不同模式下不同信号的含义和表示方式，请查阅 # qteasy的文档。 # 当快均线自下而上穿过上边界，发出全仓买入信号 if (f_last < s_last) and (f_today > s_today): return 1 # 当快均线自上而下穿过上边界，发出全部卖出信号 elif (f_last > s_last) and (f_today < s_today): return -1 else: # 其余情况不产生任何信号 return 0
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
回测交易策略，查看结果
使用历史数据回测交易策略，使用历史数据生成交易信号后进行模拟交易，记录并分析交易结果
# 定义好策略后，定一个交易员对象，引用刚刚创建的策略，根据策略的规则 # 设定交易员的信号模式为PS # PS表示比例交易信号，此模式下信号在-1到1之间，1表示全仓买入，-1表示 # 全部卖出，0表示不操作。 op = qt.Operator([Cross_SMA_PS()], signal_type='PS') # 设置op的策略参数 op.set_parameter(0, pars= (20, 60) # 设置快慢均线周期分别为10天、166天 ) # 设置基本回测参数，开始运行模拟交易回测 res = qt.run(op, mode=1, # 运行模式为回测模式 asset_pool='000300.SH', # 投资标的为000300.SH即沪深300指数 invest_start='20110101', # 回测开始日期 visual=True # 生成交易回测结果分析图 )
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
交易结果如下；
==================================== | | | BACK TESTING RESULT | | | ==================================== qteasy running mode: 1 - History back testing time consumption for operate signal creation: 36.2ms time consumption for operation back looping: 718.5ms investment starts on 2011-01-04 00:00:00 ends on 2021-02-01 00:00:00 Total looped periods: 10.1 years. -------------operation summary:------------ Sell Cnt Buy Cnt Total Long pct Short pct Empty pct 000300.SH 24 25 49 52.8% 0.0% 47.2% Total operation fee: ¥ 861.65 total investment amount: ¥ 100,000.00 final value: ¥ 117,205.20 Total return: 17.21% Avg Yearly return: 1.59% Skewness: -1.11 Kurtosis: 13.19 Benchmark return: 69.85% Benchmark Yearly return: 5.39% ------strategy loop_results indicators------ alpha: -0.044 Beta: 1.001 Sharp ratio: -0.029 Info ratio: -0.020 250 day volatility: 0.153 Max drawdown: 47.88% peak / valley: 2015-06-08 / 2017-06-16 recovered on: Not recovered! ===========END OF REPORT=============
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
从上面的交易结果可以看到，十年间买入25次卖出24次，持仓时间为52%，最终收益率只有17.2%。
下面是交易结果的可视化图表展示
交叉线交易策略的长短周期选择很重要，可以使用qteasy来搜索最优的策略参数：
# 策略参数的优化
#
# 设置op的策略参数
op.set_parameter(0,
opt_tag=1 # 将op中的策略设置为可优化，如果不这样设置，将无法优化策略参数
)
res = qt.run(op, mode=2,
opti_start='20110101', # 优化区间开始日期
opti_end='20200101', # 优化区间结束日期
test_start='20200101', # 独立测试开始日期
test_end='20220101', # 独立测试结束日期
opti_sample_count=1000 # 一共进行1000次搜索
)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
策略优化可能会花很长时间，qt会显示一个进度条：
[########################################]1000/1000-100.0% best performance: 226061.246
Optimization completed, total time consumption: 28"964
[########################################]30/30-100.0% best performance: 226061.246
- 1
- 2
- 3
优化完成，显示最好的30组参数及其相关信息：
==================================== | | | OPTIMIZATION RESULT | | | ==================================== qteasy running mode: 2 - Strategy Parameter Optimization investment starts on 2011-01-04 00:00:00 ends on 2021-12-31 00:00:00 Total looped periods: 11.0 years. total investment amount: ¥ 100,000.00 Reference index type is 000300.SH at IDX Total Benchmark rtn: 54.89% Average Yearly Benchmark rtn rate: 4.06% statistical analysis of optimal strategy messages indicators: total return: 98.11% ± 8.85% annual return: 6.41% ± 0.42% alpha: -inf ± nan Beta: -inf ± nan Sharp ratio: -inf ± nan Info ratio: 0.004 ± 0.002 250 day volatility: 0.150 ± 0.005 other messages indicators are listed in below table Strategy items Sell-outs Buy-ins ttl-fee FV ROI Benchmark rtn MDD 0 (13, 153) 14.0 14.0 687.05 190,792.39 90.8% 54.9% 32.8% 1 (22, 173) 8.0 8.0 395.88 190,814.17 90.8% 54.9% 31.6% 2 (39, 153) 9.0 9.0 472.15 192,264.81 92.3% 54.9% 32.4% 3 (40, 161) 11.0 11.0 560.40 191,355.89 91.4% 54.9% 31.6% 4 (25, 117) 12.0 13.0 628.58 192,098.97 92.1% 54.9% 31.6% 5 (28, 177) 7.0 7.0 330.99 192,535.14 92.5% 54.9% 31.6% 6 (19, 183) 8.0 8.0 393.19 191,723.19 91.7% 54.9% 31.6% 7 (19, 185) 7.0 7.0 321.65 192,112.23 92.1% 54.9% 31.6% 8 (16, 165) 8.0 8.0 367.36 192,663.11 92.7% 54.9% 31.6% 9 (37, 170) 8.0 8.0 406.04 192,756.35 92.8% 54.9% 31.6% 10 (24, 167) 9.0 9.0 434.69 193,170.89 93.2% 54.9% 31.6% 11 (33, 173) 6.0 6.0 296.75 194,352.40 94.4% 54.9% 31.6% 12 (35, 172) 6.0 6.0 296.42 194,090.45 94.1% 54.9% 31.6% 13 (81, 82) 66.0 67.0 4,074.64 193,209.43 93.2% 54.9% 43.3% 14 (18, 192) 8.0 8.0 375.54 194,179.11 94.2% 54.9% 32.0% 15 (39, 149) 7.0 7.0 330.31 194,549.12 94.5% 54.9% 31.6% 16 (17, 21) 90.0 91.0 5,375.15 195,955.66 96.0% 54.9% 27.9% 17 (27, 168) 8.0 8.0 356.07 194,993.23 95.0% 54.9% 31.6% 18 (59, 70) 27.0 28.0 1,517.79 196,081.66 96.1% 54.9% 41.0% 19 (20, 181) 7.0 7.0 324.45 196,273.52 96.3% 54.9% 31.6% 20 (11, 175) 9.0 9.0 441.25 196,223.57 96.2% 54.9% 31.6% 21 (10, 178) 12.0 12.0 592.85 198,623.15 98.6% 54.9% 31.6% 22 (28, 104) 13.0 14.0 766.09 200,232.97 100.2% 54.9% 31.8% 23 (23, 170) 8.0 8.0 412.78 203,044.62 103.0% 54.9% 31.6% 24 (11, 160) 17.0 17.0 859.76 204,142.24 104.1% 54.9% 31.6% 25 (80, 85) 33.0 34.0 2,102.59 210,103.70 110.1% 54.9% 43.4% 26 (25, 166) 9.0 9.0 450.67 205,575.49 105.6% 54.9% 31.6% 27 (10, 162) 17.0 17.0 1,002.46 214,217.37 114.2% 54.9% 31.6% 28 (61, 66) 42.0 43.0 2,630.56 219,235.18 119.2% 54.9% 36.9% 29 (19, 24) 77.0 78.0 4,899.88 226,061.25 126.1% 54.9% 25.0% ===========END OF REPORT=============
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
这三十组参数会被用于独立测试，以检验它们是否过拟合：
[########################################]30/30-100.0% best performance: 133297.532 ==================================== | | | OPTIMIZATION RESULT | | | ==================================== qteasy running mode: 2 - Strategy Parameter Optimization investment starts on 2020-01-02 00:00:00 ends on 2021-12-31 00:00:00 Total looped periods: 2.0 years. total investment amount: ¥ 100,000.00 Reference index type is 000300.SH at IDX Total Benchmark rtn: 18.98% Average Yearly Benchmark rtn rate: 9.09% statistical analysis of optimal strategy messages indicators: total return: 22.91% ± 9.01% annual return: 10.80% ± 4.25% alpha: -0.015 ± 0.041 Beta: 1.000 ± 0.000 Sharp ratio: 0.857 ± 0.200 Info ratio: 0.022 ± 0.021 250 day volatility: 0.178 ± 0.007 other messages indicators are listed in below table Strategy items Sell-outs Buy-ins ttl-fee FV ROI Benchmark rtn MDD 0 (13, 153) 4.0 4.0 182.60 124,409.92 24.4% 19.0% 15.9% 1 (40, 161) 3.0 3.0 138.74 118,359.00 18.4% 19.0% 17.0% 2 (22, 173) 2.0 2.0 93.49 126,071.63 26.1% 19.0% 15.2% 3 (19, 183) 2.0 2.0 93.90 129,292.01 29.3% 19.0% 15.2% 4 (25, 117) 1.0 2.0 81.75 129,142.22 29.1% 19.0% 15.2% 5 (39, 153) 3.0 3.0 143.88 128,106.78 28.1% 19.0% 15.2% 6 (19, 185) 1.0 1.0 42.70 126,797.97 26.8% 19.0% 15.2% 7 (28, 177) 1.0 1.0 42.66 126,448.59 26.4% 19.0% 15.2% 8 (16, 165) 1.0 1.0 42.64 126,241.62 26.2% 19.0% 15.2% 9 (81, 82) 16.0 17.0 621.41 91,210.11 -8.8% 19.0% 20.3% 10 (37, 170) 2.0 2.0 93.28 126,103.26 26.1% 19.0% 15.2% 11 (24, 167) 2.0 2.0 92.94 123,720.72 23.7% 19.0% 15.2% 12 (35, 172) 1.0 1.0 42.86 128,377.96 28.4% 19.0% 15.2% 13 (18, 192) 2.0 2.0 84.91 133,297.53 33.3% 19.0% 15.2% 14 (33, 173) 1.0 1.0 42.97 129,519.55 29.5% 19.0% 15.2% 15 (39, 149) 1.0 1.0 42.53 125,231.92 25.2% 19.0% 15.2% 16 (27, 168) 1.0 1.0 42.78 127,628.65 27.6% 19.0% 15.2% 17 (17, 21) 19.0 20.0 886.06 110,117.03 10.1% 19.0% 16.4% 18 (59, 70) 5.0 6.0 276.46 128,273.29 28.3% 19.0% 20.1% 19 (20, 181) 1.0 1.0 42.78 127,628.65 27.6% 19.0% 15.2% 20 (11, 175) 2.0 2.0 82.10 125,706.51 25.7% 19.0% 15.2% 21 (28, 104) 2.0 3.0 131.99 125,189.61 25.2% 19.0% 15.2% 22 (10, 178) 3.0 3.0 132.35 127,100.60 27.1% 19.0% 15.2% 23 (23, 170) 2.0 2.0 93.52 126,385.21 26.4% 19.0% 15.2% 24 (11, 160) 4.0 4.0 179.66 124,113.04 24.1% 19.0% 15.4% 25 (25, 166) 2.0 2.0 93.23 126,539.86 26.5% 19.0% 15.2% 26 (80, 85) 8.0 9.0 342.77 100,764.28 0.8% 19.0% 18.9% 27 (10, 162) 7.0 7.0 291.80 113,699.46 13.7% 19.0% 16.2% 28 (61, 66) 9.0 10.0 428.25 117,497.81 17.5% 19.0% 22.6% 29 (19, 24) 17.0 18.0 774.83 114,216.87 14.2% 19.0% 15.6% ===========END OF REPORT=============
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
参数优化结果以及各个指标的可视化图表展示：
优化之后我们可以检验一下找到的最佳参数：
# 从优化结果中取出一组参数试验一下：
op.set_parameter(0,
pars= (25, 166) # 修改策略参数，改为短周期25天，长周期166天
)
# 重复一次测试，除策略参数意外，其他设置不变
res = qt.run(op,
mode=1,
asset_pool='000300.SH',
invest_start='20110101',
visual=True
)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
==================================== | | | BACK TESTING RESULT | | | ==================================== qteasy running mode: 1 - History back testing time consumption for operate signal creation: 30.7ms time consumption for operation back looping: 721.6ms investment starts on 2011-01-04 00:00:00 ends on 2021-02-01 00:00:00 Total looped periods: 10.1 years. -------------operation summary:------------ Sell Cnt Buy Cnt Total Long pct Short pct Empty pct 000300.SH 7 8 15 50.7% 0.0% 49.3% Total operation fee: ¥ 348.02 total investment amount: ¥ 100,000.00 final value: ¥ 217,727.40 Total return: 117.73% Avg Yearly return: 8.02% Skewness: -0.98 Kurtosis: 14.70 Benchmark return: 69.85% Benchmark Yearly return: 5.39% ------strategy loop_results indicators------ alpha: -inf Beta: -inf Sharp ratio: -inf Info ratio: 0.005 250 day volatility: 0.143 Max drawdown: 31.58% peak / valley: 2015-06-08 / 2015-07-08 recovered on: 2018-01-22 ===========END OF REPORT=============
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
优化后总回报率达到了117%，比优化前的参数好很多。
优化后的结果可视化图表如下：
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/笔触狂放9/article/detail/831769
推荐阅读
相关标签
