克隆策略

择时策略——AR人气指标¶

版本 v1.0

目录¶

AR人气指标策略的交易规则¶

策略构建步骤¶

策略的实现¶

正文¶

一、AR人气指标策略的交易规则¶

AR = [N天所有（High-Open）的和/ N天所有（Open—Low）的和] * 100，其中：High＝当日最高价；Low＝当日最低价；Open＝当日开市价N为公式中的设定参数，一般设定为26日。
MA：在上升行情进入稳定期，短周期、中周期、长周期移动平均线从上而下依次顺序排列，向右上方移动。在下跌行情中，短周期、中周期、长周期移动平均线自下而上依次顺序排列，向右下方移动，称为空头排列，预示市价将大幅下跌。
如果AR值 > 110，当MA(5)>MA(10)>MA(30)，做多。
当MA(5)<MA(10)<MA(30)，做空，并且此条件下，如果AR值 < 75，代表这波下跌动能趋于耗尽，这时候平掉空头。
如果110 >= AR值 >= 90 ，代表市价走势比较平稳，不会出现剧烈波动，这时候保持空仓。

二、策略构建步骤¶

1、确定股票池和回测时间¶

通过证券代码列表输入回测的起止日期

2、确定买卖原则¶

AR值 > 120，MA(5)>MA(10)>MA(30)做多，当MA(5)<MA(10)<MA(30)做空，并且此条件下，AR值 < 75，平掉空头，110 >= AR值 >= 90，保持空仓。

3、回测¶

通过 trade 模块中的初始化函数定义交易手续费和滑点；
通过 trade 模块中的主函数(handle函数)查看每日的买卖交易信号，按照买卖原则执行相应的买入/卖出/调仓操作。

三、策略的实现¶

可视化策略实现如下：

In [199]:

# 本代码由可视化策略环境自动生成 2021年12月6日 09:56
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。


# 交易引擎：初始化函数，只执行一次
def m6_initialize_bigquant_run(context):
    context.all_data = context.options["data"].read()
    context.ar_upr=110
    context.ar_dwn=75
    

# 交易引擎：每个单位时间开盘前调用一次。
def m6_before_trading_start_bigquant_run(context, data):
    pass

# 交易引擎：tick数据处理函数，每个tick执行一次
def m6_handle_tick_bigquant_run(context, data):
    pass

# 交易引擎：bar数据处理函数，每个时间单位执行一次
def m6_handle_data_bigquant_run(context, data):
    today = data.current_dt.strftime('%Y-%m-%d') # 当前交易日期
    all_data = context.all_data[context.all_data.date == today]
    if len(all_data) == 0:#过滤没有指标的数据
        return
       
    ar_value = all_data['AR'].iloc[0]
    ma_short = all_data['mean_5'].iloc[0]
    ma_medium = all_data['mean_10'].iloc[0]
    ma_long = all_data['mean_30'].iloc[0]
    price = all_data['close'].iloc[0]
    
    instrument = context.future_symbol(context.instruments[0]) # 交易标的
    long_position = context.get_account_position(instrument, direction=Direction.LONG).avail_qty#多头持仓
    short_position = context.get_account_position(instrument, direction=Direction.SHORT).avail_qty#空头持仓
    curr_position = short_position + long_position#总持仓
    if (ar_value > context.ar_upr) and (ma_short > ma_medium > ma_long): # 开多
        if short_position > 0:
            print(short_position)
            context.buy_close(instrument, short_position, price, order_type=OrderType.MARKET)
            context.buy_open(instrument, 4, price, order_type=OrderType.MARKET)
            print(today,'先平空再开多')
        elif curr_position == 0:
            context.buy_open(instrument, 4, price, order_type=OrderType.MARKET)
            print(today,'开多')
    if ar_value < context.ar_dwn and ma_short < ma_medium < ma_long :# 开空
        if long_position > 0:
            context.sell_close(instrument, long_position, price, order_type=OrderType.MARKET)
            context.sell_open(instrument, 4, price, order_type=OrderType.MARKET)
            print(today,'先平多再开空',curr_position)
        elif curr_position == 0:
            context.sell_open(instrument, 4, price, order_type=OrderType.MARKET)
            print(today,'开空')
    if 100 >= ar_value >= 90 :
        if long_position > 0:
            context.sell_close(instrument, long_position, price, order_type=OrderType.MARKET)
            print(today,'AR在90~100之间平多仓')
        elif short_position > 0:
            context.buy_close(instrument, short_position, price, order_type=OrderType.MARKET)
            print(today,'AR在90~100之间平空仓')    
    
# 交易引擎：成交回报处理函数，每个成交发生时执行一次
def m6_handle_trade_bigquant_run(context, data):
    pass

# 交易引擎：委托回报处理函数，每个委托变化时执行一次
def m6_handle_order_bigquant_run(context, data):
    pass

# 交易引擎：盘后处理函数，每日盘后执行一次
def m6_after_trading_bigquant_run(context, data):
    pass


m1 = M.instruments.v2(
    start_date='2021-02-17',
    end_date='2021-11-26',
    market='CN_FUTURE',
    instrument_list='JM2201.DCE',
    max_count=0
)

m2 = M.input_features.v1(
    features="""# #号开始的表示注释，注释需单独一行
# 多个特征，每行一个，可以包含基础特征和衍生特征，特征须为本平台特征
AR = sum((high - open),26)/sum((open - low ),26)*100
mean_5 = mean(close,5)
mean_10 = mean(close,10)
mean_30 = mean(close,30)"""
)

m5 = M.use_datasource.v1(
    instruments=m1.data,
    features=m2.data,
    datasource_id='bar1d_CN_FUTURE',
    start_date='',
    end_date=''
)

m4 = M.derived_feature_extractor.v3(
    input_data=m5.data,
    features=m2.data,
    date_col='date',
    instrument_col='instrument',
    drop_na=False,
    remove_extra_columns=False,
    user_functions={}
)

m3 = M.dropnan.v2(
    input_data=m4.data
)

m6 = M.hftrade.v1(
    instruments=m1.data,
    options_data=m3.data,
    start_date='2021-02-14',
    end_date='2021-10-18',
    initialize=m6_initialize_bigquant_run,
    before_trading_start=m6_before_trading_start_bigquant_run,
    handle_tick=m6_handle_tick_bigquant_run,
    handle_data=m6_handle_data_bigquant_run,
    handle_trade=m6_handle_trade_bigquant_run,
    handle_order=m6_handle_order_bigquant_run,
    after_trading=m6_after_trading_bigquant_run,
    capital_base=1000000,
    frequency='daily',
    price_type='真实价格',
    product_type='期货',
    before_start_days='',
    benchmark='000300.HIX',
    plot_charts=True,
    disable_cache=False,
    show_debug_info=False,
    backtest_only=False
)

[2021-12-02 17:47:26.435106] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-12-02 17:47:26.444525] INFO: moduleinvoker: 命中缓存

[2021-12-02 17:47:26.457856] INFO: moduleinvoker: instruments.v2 运行完成[0.022738s].

[2021-12-02 17:47:26.474542] INFO: moduleinvoker: input_features.v1 开始运行..

[2021-12-02 17:47:26.488284] INFO: moduleinvoker: 命中缓存

[2021-12-02 17:47:26.491405] INFO: moduleinvoker: input_features.v1 运行完成[0.016895s].

[2021-12-02 17:47:26.501692] INFO: moduleinvoker: use_datasource.v1 开始运行..

[2021-12-02 17:47:26.514203] INFO: moduleinvoker: 命中缓存

[2021-12-02 17:47:26.516630] INFO: moduleinvoker: use_datasource.v1 运行完成[0.014951s].

[2021-12-02 17:47:26.556097] INFO: moduleinvoker: derived_feature_extractor.v3 开始运行..

[2021-12-02 17:47:26.570116] INFO: moduleinvoker: 命中缓存

[2021-12-02 17:47:26.573026] INFO: moduleinvoker: derived_feature_extractor.v3 运行完成[0.016923s].

[2021-12-02 17:47:26.595691] INFO: moduleinvoker: dropnan.v2 开始运行..

[2021-12-02 17:47:26.607471] INFO: moduleinvoker: 命中缓存

[2021-12-02 17:47:26.609579] INFO: moduleinvoker: dropnan.v2 运行完成[0.013912s].

[2021-12-02 17:47:26.643945] INFO: moduleinvoker: hfbacktest.v1 开始运行..

[2021-12-02 17:47:26.650642] INFO: hfbacktest: biglearning V1.3.2

[2021-12-02 17:47:26.652189] INFO: hfbacktest: bigtrader v1.7.9

[2021-12-02 17:47:26.779092] INFO: moduleinvoker: cached.v2 开始运行..

[2021-12-02 17:47:26.790765] INFO: moduleinvoker: 命中缓存

[2021-12-02 17:47:26.794108] INFO: moduleinvoker: cached.v2 运行完成[0.015026s].

[2021-12-02 17:47:26.938058] INFO: moduleinvoker: cached.v2 开始运行..

[2021-12-02 17:47:26.949764] INFO: moduleinvoker: 命中缓存

[2021-12-02 17:47:26.952487] INFO: moduleinvoker: cached.v2 运行完成[0.014448s].

[2021-12-02 17:47:35.700491] INFO: hfbacktest: backtest done, raw_perf_ds:DataSource(25775bdec3ba4f5f8abdd850754b13f8T)

[2021-12-02 17:47:36.915803] INFO: moduleinvoker: hfbacktest.v1 运行完成[10.271854s].

[2021-12-02 17:47:36.920510] INFO: moduleinvoker: hftrade.v1 运行完成[10.303894s].

2021-12-02 17:47:29.777193 run trading v1.7.9 
2021-12-02 17:47:29.777418 init history datas... 
2021-12-02 17:47:29.788830 init trading env... 
2021-04-06 开多
2021-05-20 AR在90~100之间平多仓
2021-06-28 开多
2021-07-08 AR在90~100之间平多仓
2021-07-21 开多
2021-07-23 AR在90~100之间平多仓
2021-07-26 开多

收益率44.94%
年化收益率78.76%
基准收益率-15.49%
阿尔法0.81
贝塔0.07
夏普比率2.66
胜率0.29
盈亏比1.55
收益波动率21.58%
最大回撤10.46%

bigcharts-data-start/{"__type":"tabs","__id":"bigchart-7f9245d1661f416ebaa3ae8f96ca6c11"}/bigcharts-data-end