克隆策略

通道突破策略——ATR指标¶

版本 v1.0

目录¶

ATR通道突破策略的交易规则¶

策略构建步骤¶

策略的实现¶

正文¶

一、ATR通道突破策略的交易规则¶

指标计算：¶

中轨：收盘价的25日移动平均值
通道宽度：平均真实波幅*2
上轨：中轨+通道宽度 *下轨：中轨-通道宽度
交易规则：当价格突破上轨，进场买入，建多仓，当价格突破下轨，进场卖出，建空仓。

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¶

当价格突破上轨，进场买入，建多仓，当价格突破下轨，进场卖出，建空仓。 ### 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 [34]:

# 本代码由可视化策略环境自动生成 2021年12月3日 11:18
# 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()
    

# 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):
    import pandas as pd 
    today = data.current_dt.strftime('%Y-%m-%d') # 当前交易日期
    all_data = context.all_data[context.all_data.date == today]
    all_data = pd.DataFrame(all_data)
    if len(all_data) == 0:#过滤没有指标的数据
        return
    
    price = all_data['close'].iloc[0]
    high_line = all_data['high_line'].iloc[0]
    low_line = all_data['low_line'].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 short_position > 0:
        if price > high_line:
            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 long_position > 0:
        if price < low_line:
            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:
        if price > high_line:
            context.buy_open(instrument, 4, price, order_type=OrderType.MARKET)
            print('空仓开多')
        elif price<low_line:
            context.sell_open(instrument, 4, price, order_type=OrderType.MARKET)
            print('空仓开空')
# 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
ATR = ta_atr(high, low, close, timeperiod = 25)
MA25 = mean(close,25)
high_line = MA25 + 2 * ATR # 上轨
low_line = MA25 - 2 * ATR # 下轨"""
)

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
)

[2021-12-03 11:08:36.228204] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-12-03 11:08:36.237263] INFO: moduleinvoker: 命中缓存

[2021-12-03 11:08:36.239403] INFO: moduleinvoker: instruments.v2 运行完成[0.011209s].

[2021-12-03 11:08:36.254551] INFO: moduleinvoker: input_features.v1 开始运行..

[2021-12-03 11:08:36.265384] INFO: moduleinvoker: 命中缓存

[2021-12-03 11:08:36.267749] INFO: moduleinvoker: input_features.v1 运行完成[0.013178s].

[2021-12-03 11:08:36.274468] INFO: moduleinvoker: use_datasource.v1 开始运行..

[2021-12-03 11:08:36.281686] INFO: moduleinvoker: 命中缓存

[2021-12-03 11:08:36.284030] INFO: moduleinvoker: use_datasource.v1 运行完成[0.009548s].

[2021-12-03 11:08:36.293774] INFO: moduleinvoker: derived_feature_extractor.v3 开始运行..

[2021-12-03 11:08:36.310180] INFO: moduleinvoker: 命中缓存

[2021-12-03 11:08:36.312211] INFO: moduleinvoker: derived_feature_extractor.v3 运行完成[0.018439s].

[2021-12-03 11:08:36.322519] INFO: moduleinvoker: dropnan.v2 开始运行..

[2021-12-03 11:08:36.331547] INFO: moduleinvoker: 命中缓存

[2021-12-03 11:08:36.333394] INFO: moduleinvoker: dropnan.v2 运行完成[0.01088s].

[2021-12-03 11:08:36.364753] INFO: moduleinvoker: hfbacktest.v1 开始运行..

[2021-12-03 11:08:36.381358] INFO: moduleinvoker: 命中缓存

[2021-12-03 11:08:36.977940] INFO: moduleinvoker: hfbacktest.v1 运行完成[0.613215s].

[2021-12-03 11:08:36.979408] INFO: moduleinvoker: hftrade.v1 运行完成[0.639133s].

收益率81.84%
年化收益率154.96%
基准收益率-15.49%
阿尔法1.76
贝塔0.13
夏普比率2.56
胜率0.17
盈亏比0.26
收益波动率38.21%
最大回撤17.34%

bigcharts-data-start/{"__type":"tabs","__id":"bigchart-70cd168def4e4b60bf557dc1713da5be"}/bigcharts-data-end