克隆策略

海龟模板策略¶

版本 v1.0

目录¶

策略交易规则¶

策略构建步骤¶

正文¶

一、海龟模板策略的交易规则¶

当今天的收盘价大于过去20个交易日中的最高价时，以开盘价买入。买入后，当收盘价小于过去10个交易日中的最低价时，以开盘价卖出。

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要回测的两只股票，以及回测的起止日期。

2、确定买卖原则¶

当今天的收盘价大于过去20个交易日中的最高价时，买入；买入后，收盘价小于过去10个交易日中的最低价时，卖出。

3、模拟回测¶

通过 trade 模块中的初始化函数定义交易手续费。
通过 trade 模块中的主函数(handle函数)实现交易规则，并打印交易日志。

In [123]:

# 本代码由可视化策略环境自动生成 2021年11月25日 17:47
# 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。


# 回测引擎：初始化函数，只执行一次
def m5_initialize_bigquant_run(context):
    # 加载外部数据
    context.ranker_prediction = context.options['data'].read_df()
    # 系统已经设置了默认的交易手续费和滑点，要修改手续费可使用如下函数
    context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
   
# 回测引擎：每日数据处理函数，每天执行一次
def m5_handle_data_bigquant_run(context, data):
    # 按日期过滤得到今日的预测数据
    option_data = context.ranker_prediction[
        context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')]

    sid = context.symbol(context.instruments[0])
    price = data.current(sid, 'price') # 最新价
    high_point = option_data['high_20'].values # 20日高点 
    low_point = option_data['low_10'].values  # 10日低点    
    cur_position = context.portfolio.positions[sid].amount   # 持仓
    
    # 交易逻辑
    #  最新价大于等于20日高点，并且处于空仓状态，并且该股票当日可以交易
    if price >= high_point and cur_position == 0 and data.can_trade(sid):  
        context.order_target_percent(sid, 1) 
        print('{}全仓买入{}股票'.format(data.current_dt.strftime('%Y-%m-%d'),sid.symbol))
    elif price <= low_point  and cur_position > 0 and data.can_trade(sid): 
        context.order_target_percent(sid, 0) 
        print('{}卖出全部{}股票'.format(data.current_dt.strftime('%Y-%m-%d'),sid.symbol))
# 回测引擎：准备数据，只执行一次
def m5_prepare_bigquant_run(context):
    pass

# 回测引擎：每个单位时间开始前调用一次，即每日开盘前调用一次。
def m5_before_trading_start_bigquant_run(context, data):
    pass


m1 = M.instruments.v2(
    start_date='2018-07-17',
    end_date='2021-11-18',
    market='CN_STOCK_A',
    instrument_list='600519.SHA',
    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
high_20=ts_max(high_1,20)
low_10=ts_min(low_1,10)
 """
)

m3 = M.general_feature_extractor.v7(
    instruments=m1.data,
    features=m2.data,
    start_date='',
    end_date='',
    before_start_days=90
)

m4 = M.derived_feature_extractor.v3(
    input_data=m3.data,
    features=m2.data,
    date_col='date',
    instrument_col='instrument',
    drop_na=True,
    remove_extra_columns=False,
    user_functions={}
)

m5 = M.trade.v4(
    instruments=m1.data,
    options_data=m4.data,
    start_date='',
    end_date='',
    initialize=m5_initialize_bigquant_run,
    handle_data=m5_handle_data_bigquant_run,
    prepare=m5_prepare_bigquant_run,
    before_trading_start=m5_before_trading_start_bigquant_run,
    volume_limit=0.025,
    order_price_field_buy='open',
    order_price_field_sell='open',
    capital_base=1000000,
    auto_cancel_non_tradable_orders=True,
    data_frequency='daily',
    price_type='后复权',
    product_type='股票',
    plot_charts=True,
    backtest_only=False,
    benchmark=''
)

[2021-11-25 17:07:11.484475] INFO: moduleinvoker: instruments.v2 开始运行..

[2021-11-25 17:07:11.501240] INFO: moduleinvoker: 命中缓存

[2021-11-25 17:07:11.503042] INFO: moduleinvoker: instruments.v2 运行完成[0.01858s].

[2021-11-25 17:07:11.507199] INFO: moduleinvoker: input_features.v1 开始运行..

[2021-11-25 17:07:11.523457] INFO: moduleinvoker: 命中缓存

[2021-11-25 17:07:11.525854] INFO: moduleinvoker: input_features.v1 运行完成[0.018654s].

[2021-11-25 17:07:11.550898] INFO: moduleinvoker: general_feature_extractor.v7 开始运行..

[2021-11-25 17:07:11.567881] INFO: moduleinvoker: 命中缓存

[2021-11-25 17:07:11.569706] INFO: moduleinvoker: general_feature_extractor.v7 运行完成[0.018819s].

[2021-11-25 17:07:11.577378] INFO: moduleinvoker: derived_feature_extractor.v3 开始运行..

[2021-11-25 17:07:11.592652] INFO: moduleinvoker: 命中缓存

[2021-11-25 17:07:11.594691] INFO: moduleinvoker: derived_feature_extractor.v3 运行完成[0.017307s].

[2021-11-25 17:07:11.713295] INFO: moduleinvoker: backtest.v8 开始运行..

[2021-11-25 17:07:11.722093] INFO: backtest: biglearning backtest:V8.5.1

[2021-11-25 17:07:11.723882] INFO: backtest: product_type:stock by specified

[2021-11-25 17:07:11.951491] INFO: moduleinvoker: cached.v2 开始运行..

[2021-11-25 17:07:11.965811] INFO: moduleinvoker: 命中缓存

[2021-11-25 17:07:11.967695] INFO: moduleinvoker: cached.v2 运行完成[0.01622s].

[2021-11-25 17:07:12.461275] INFO: algo: TradingAlgorithm V1.8.5

[2021-11-25 17:07:13.353121] INFO: algo: trading transform...

[2021-11-25 17:07:15.704581] INFO: Performance: Simulated 812 trading days out of 812.

[2021-11-25 17:07:15.706447] INFO: Performance: first open: 2018-07-17 09:30:00+00:00

[2021-11-25 17:07:15.707568] INFO: Performance: last close: 2021-11-18 15:00:00+00:00

[2021-11-25 17:07:18.271281] INFO: moduleinvoker: backtest.v8 运行完成[6.557981s].

[2021-11-25 17:07:18.272816] INFO: moduleinvoker: trade.v4 运行完成[6.668824s].

2018-09-21全仓买入600519.SHA股票
2018-10-11卖出全部600519.SHA股票
2018-12-03全仓买入600519.SHA股票
2018-12-21卖出全部600519.SHA股票
2019-01-09全仓买入600519.SHA股票
2019-05-06卖出全部600519.SHA股票
2019-06-20全仓买入600519.SHA股票
2019-07-18卖出全部600519.SHA股票
2019-08-12全仓买入600519.SHA股票
2019-09-11卖出全部600519.SHA股票
2019-09-20全仓买入600519.SHA股票
2019-11-25卖出全部600519.SHA股票
2019-12-30全仓买入600519.SHA股票
2020-01-03卖出全部600519.SHA股票
2020-03-04全仓买入600519.SHA股票
2020-03-17卖出全部600519.SHA股票
2020-04-14全仓买入600519.SHA股票
2020-09-17卖出全部600519.SHA股票
2020-11-23全仓买入600519.SHA股票
2021-02-25卖出全部600519.SHA股票
2021-04-02全仓买入600519.SHA股票
2021-05-06卖出全部600519.SHA股票
2021-05-25全仓买入600519.SHA股票
2021-06-18卖出全部600519.SHA股票
2021-09-27全仓买入600519.SHA股票
2021-11-10卖出全部600519.SHA股票

收益率50.79%
年化收益率13.6%
基准收益率39.33%
阿尔法0.08
贝塔0.5
夏普比率0.54
胜率0.38
盈亏比2.82
收益波动率23.02%
信息比率0.01
最大回撤34.51%

bigcharts-data-start/{"__type":"tabs","__id":"bigchart-a8455226040744e198a84947f26ab04a"}/bigcharts-data-end