期货策略-基于协整的跨期套利¶

交易规则¶

使用9月、10月螺纹钢合约价格的价差，取时间窗口为30天，得到价差的移动平均值和标准差，定义：
上轨 = 价差移动平均值 + 标准差
下轨 = 价差移动平均值 - 标准差
指标 = （价差 - 价差移动平均值）/价差标准差

策略构建步骤¶

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

确定买卖原则¶

指标小于等于-1时，价差突破下轨，买入RB1809，卖出RB1810
指标大于等于1时，价差突破上轨，卖出RB1809，买入RB1810

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。

策略详情¶

In [1]:

# 本代码由可视化策略环境自动生成 2021年12月10日 15:17
# 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。


# Python 代码入口函数，input_1/2/3 对应三个输入端，data_1/2/3 对应三个输出端
def m8_run_bigquant_run(input_1, input_2, input_3):
    # 示例代码如下。在这里编写您的代码
    df_C2201 = input_1.read()
    df_C2205 = input_2.read()
    df_C2201=df_C2201.set_index(df_C2201['date'])
    df_C2205=df_C2205.set_index(df_C2205['date'])
    df_sp = df_C2201['close'] - df_C2205['close']
    a=df_C2201[['close','open']]
    a.rename(columns={'close':'C2201_close'}, inplace = True)
    b=df_C2205[['close','open']]
    b.rename(columns={'close':'C2205_close'}, inplace = True)
    data=pd.concat([a,b],axis=1)
    data = data[['C2201_close','C2205_close']]
    data['p'] = df_sp
    data['mean_20'] = data['p'].rolling(20).mean()
    data.dropna(inplace=True)
    data['std'] = np.std(data['p'])
    data['sig'] = (data['p'] - data['mean_20'])/data['std']
    data['up_line'] = data['mean_20'] + data['std']
    data['low_line'] = data['mean_20'] - data['std']
    data['date'] = data.index
    data_1 = DataSource.write_df(data)
    return Outputs(data_1=data_1, data_2=None, data_3=None)

# 后处理函数，可选。输入是主函数的输出，可以在这里对数据做处理，或者返回更友好的outputs数据格式。此函数输出不会被缓存。
def m8_post_run_bigquant_run(outputs):
    return outputs

# 交易引擎：初始化函数，只执行一次
def m3_initialize_bigquant_run(context):
    # 加载预测数据
    context.all_data = context.options["data"].read()
    context.order_num = 1
    context.set_slippage_value(volume_limit=1)

# 交易引擎：每个单位时间开盘前调用一次。
def m3_before_trading_start_bigquant_run(context, data):
    #订阅合约
    context.subscribe([context.instruments[0],context.instruments[1]])
    context.set_slippage_value(volume_limit=1)
# 交易引擎：tick数据处理函数，每个tick执行一次
def m3_handle_tick_bigquant_run(context, data):
    pass

#平仓
def close_orders(context,data):
    #获取当前时间
    cur_date = data.current_dt.strftime('%Y-%m-%d')

    for ins in context.instruments:
        # 分别获取多头持仓和空头持仓
        position_long = context.get_position(ins, Direction.LONG)
        position_short = context.get_position(ins, Direction.SHORT)
        price = data.current(ins,"close")
        if(position_long.current_qty != 0):
            context.sell_close(ins, position_long.avail_qty, price, order_type=OrderType.MARKET)

        if(position_short.current_qty != 0):
            context.buy_close(ins, position_short.avail_qty, price, order_type=OrderType.MARKET)
             
# 交易引擎：bar数据处理函数，每个时间单位执行一次
def m3_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
    up_line = all_data['up_line'].iloc[0]
    low_line = all_data['low_line'].iloc[0]
    sig = all_data['sig'].iloc[0]
    sp = all_data['p'].iloc[0]
    instrument_2201 = context.future_symbol(context.instruments[0]) # 交易标的
    instrument_2205 = context.future_symbol(context.instruments[1]) # 交易标的
    
    #正向开仓    
    if sig >= 1 and sp > up_line:
        #先平掉所有持仓
        close_orders(context,data)
        #做多
        price = data.current(context.instruments[0],"close")
        context.buy_open(context.instruments[0], context.order_num, price, order_type=OrderType.MARKET)
        #做空
        price = data.current(context.instruments[1],"close")
        context.sell_open(context.instruments[1], context.order_num, price, order_type=OrderType.MARKET)
        
    #反向开仓    
    elif sig <= -1 and sp < low_line:
        #先平掉所有持仓
        close_orders(context,data)
        #做多
        price = data.current(context.instruments[1],"close")
        context.buy_open(context.instruments[1], context.order_num, price, order_type=OrderType.MARKET)
        #做空
        price = data.current(context.instruments[0],"close")
        context.sell_open(context.instruments[0], context.order_num, price, order_type=OrderType.MARKET)
            
# 交易引擎：成交回报处理函数，每个成交发生时执行一次
def m3_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 m3_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 m3_after_trading_bigquant_run(context, data):
    pass


m1 = M.instruments.v2(
    start_date='2021-06-01',
    end_date='2021-12-1',
    market='CN_FUTURE',
    instrument_list='C2205.DCE',
    max_count=0
)

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

m6 = M.instruments.v2(
    start_date='2021-06-01',
    end_date='2021-12-1',
    market='CN_FUTURE',
    instrument_list="""C2201.DCE
""",
    max_count=0
)

m7 = M.use_datasource.v1(
    instruments=m6.data,
    datasource_id='bar1d_CN_FUTURE',
    start_date='',
    end_date=''
)

m8 = M.cached.v3(
    input_1=m7.data,
    input_2=m2.data,
    run=m8_run_bigquant_run,
    post_run=m8_post_run_bigquant_run,
    input_ports='',
    params='{}',
    output_ports=''
)

m5 = M.instruments.v2(
    start_date='2021-06-01',
    end_date='2021-12-1',
    market='CN_FUTURE',
    instrument_list="""C2201.DCE
C2205.DCE
""",
    max_count=0
)

m3 = M.hftrade.v2(
    instruments=m5.data,
    options_data=m8.data_1,
    start_date='2021-06-01',
    end_date='2021-12-1',
    initialize=m3_initialize_bigquant_run,
    before_trading_start=m3_before_trading_start_bigquant_run,
    handle_tick=m3_handle_tick_bigquant_run,
    handle_data=m3_handle_data_bigquant_run,
    handle_trade=m3_handle_trade_bigquant_run,
    handle_order=m3_handle_order_bigquant_run,
    after_trading=m3_after_trading_bigquant_run,
    capital_base=8000,
    frequency='daily',
    price_type='真实价格',
    product_type='期货',
    before_start_days='0',
    benchmark='000300.HIX',
    plot_charts=True,
    disable_cache=False,
    show_debug_info=False,
    backtest_only=False
)

[2021-12-10 15:08:57.982032] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-12-10 15:08:58.030849] INFO: moduleinvoker: instruments.v2 运行完成[0.048833s].

[2021-12-10 15:08:58.048469] INFO: moduleinvoker: use_datasource.v1 开始运行..

[2021-12-10 15:08:58.201424] INFO: moduleinvoker: use_datasource.v1 运行完成[0.152975s].

[2021-12-10 15:08:58.210867] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-12-10 15:08:58.594040] INFO: moduleinvoker: instruments.v2 运行完成[0.383171s].

[2021-12-10 15:08:58.600622] INFO: moduleinvoker: use_datasource.v1 开始运行..

[2021-12-10 15:08:58.857347] INFO: moduleinvoker: use_datasource.v1 运行完成[0.25675s].

[2021-12-10 15:08:58.877051] INFO: moduleinvoker: cached.v3 开始运行..

[2021-12-10 15:08:59.122008] INFO: moduleinvoker: cached.v3 运行完成[0.244966s].

[2021-12-10 15:08:59.127548] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-12-10 15:08:59.284549] INFO: moduleinvoker: instruments.v2 运行完成[0.156987s].

[2021-12-10 15:08:59.355535] INFO: moduleinvoker: hfbacktest.v1 开始运行..

[2021-12-10 15:08:59.360765] INFO: hfbacktest: biglearning V1.3.8

[2021-12-10 15:08:59.362662] INFO: hfbacktest: bigtrader v1.8.0 2021-12-06

[2021-12-10 15:08:59.416230] INFO: moduleinvoker: cached.v2 开始运行..

[2021-12-10 15:08:59.715305] INFO: moduleinvoker: cached.v2 运行完成[0.29909s].

[2021-12-10 15:08:59.779059] INFO: moduleinvoker: cached.v2 开始运行..

[2021-12-10 15:09:00.076465] INFO: moduleinvoker: cached.v2 运行完成[0.297419s].

[2021-12-10 15:09:05.696678] INFO: hfbacktest: backtest done, raw_perf_ds:DataSource(a17dbf5f9af747cfaf3e2995b6d9cb81T)

[2021-12-10 15:09:06.413317] INFO: moduleinvoker: hfbacktest.v1 运行完成[7.057795s].

[2021-12-10 15:09:06.416849] INFO: moduleinvoker: hftrade.v2 运行完成[7.111281s].

收益率0.27%
年化收益率0.54%
基准收益率-9.32%
阿尔法-0.03
贝塔-0.05
夏普比率-0.13
胜率0.27
盈亏比1.09
收益波动率12.38%
最大回撤5.22%

bigcharts-data-start/{"__type":"tabs","__id":"bigchart-c37fcde2fd9a4e9fa6a107fa9967a4bf"}/bigcharts-data-end

In [ ]: