基于python的螺纹钢28分钟策略
由polll创建，最终由polll 被浏览 16 用户
自己的一个小团队， 用python从头到尾搭了一个交易平台， 从数据到回测，到模拟仿真到实盘交易， 折腾了大半年， 基本该填的坑都填上了。 小团队做自动化交易，不容易，跟大家分享一下:
- 先别想着策略， 先把平台搭好。 最好的平台，还是自己搭的平台。为啥？你自己得对里面的所有细节有把握， 自己做一遍最清楚。 同时未来想扩展， 自己可以改。 人家做的好系统， 一方面是不会给你用的， 另一方面或多或少很多地方是跟你的要求不相符合的。
- 先可以试试用掘金量化的平台， 有免费版， 不能交易， 可以实盘模拟。 平台做的不错， 能想到的，人家都想到了。 我们玩儿熟了， 然后做了自己的python平台， 很多地方参考了掘金
- 找一个开源的项目， zipline， algotrader什么的， 作为开发的基础。 原则是， 第一这个项目一定要active， 有人一直在维护， 里面的功能设计要全面， 同时可扩展性强。有一天你要增加新的功能的时候， 就会发现当初选用一个很难扩展的框架是多痛苦。 第二就是性能， 你要用这个系统来做回测， 一定要快快快!!! 一个策略， 从想法诞生， 到测试买入卖出点的合理性， 到你开始样本外的移动测试， 蒙特卡洛模拟， 单就一个策略idea， 你起码测试10-100K次。 如果你要把这个idea不断演化， 回测测试起码再乘上个n倍吧。 如果一次回测超过半分钟， 你自己算算测一个策略要多久吧 。 结果是， 我们自己做了3个回测系统： 初级回测系统基于vectorized的方法， 忽略一些复杂交易要素，极大提高运算速度。回测速度在秒级（针对>100K数据点）。 中级回测系统考虑了所有交易要素， 模拟精准度很高， 回测速度在分钟级， 主要用于筛选过后的策略。 最后高级回测系统其实就是交易系统， 可以用历史数据回测， 或者直接切换到实盘。 这个主要用于模拟实盘交易跟踪策略。 我们的策略可以用简易的脚本构建 ，可以在3个回测系统里面自如的切换
- 实盘交易系统： 这个其实没有必要说太多， 前面的回测系统做好了， 才是第一步。 基于世面上有的CTP接口， 就可以搭一个实盘交易系统。 问题是， 一定要确保几件事儿。 1. 你的回测系统跟交易系统的误差要小， 要极小。 抛开下单成交问题， 两个系统所有的单据， 统计， 买卖点触发时间， 等等这些地方， 一定要一致。 这些可以缩减的误差一定要去除。 2. 成交， 模拟环境不可能达到实际交易情况， 如果你用限价单，止损单的话， 在模拟情况下成交，在真实情况为未必成交。 我们的回测系统要尽可能贴近交易系统。
- 数据： 是个大坑。 1分钟bar历史数据， 大家可以去交易开拓者上下载， 免费而且质量很好。 实时数据我们一直自己在下载着， tick数据生成bar数据， 里面的小坑无数。 不过细心解决不是大问题。我们自己实时生成的1分钟bar数据跟开拓者的一致，。
- 交易回测系统的基础打好了， 问题没有了。 我们才能慢慢开始做策略系统， 做风控系统。
- 给大家上一个我最近做的螺纹钢策略吧： 基于28分钟bar， 历史回测结果很好。 移动窗口优化分析结果比全样本内优化还好，为啥呢？因为这个策略几乎没有参数。 策略基本概念是基于区间突破， 当前close突破n天前的均值+m倍的标准差，就long或short。加了一个过滤器，CCI >0。 然后利用移动止损， n天前的ATR。 策略的概念其实很简单， 核心是回望窗口n天。 n不是固定值， 是实时根据当前市场的状态（波动性等等）计算的。 为啥用28分钟，不用30分钟， 或者20分钟？ 我们发现螺纹钢到30分钟，1小时的时候波动很大， 应该有不少专门针对自动化交易（通常在30分钟，1小时出触发买卖交易）的特性， 拉动市场造成自动化交易止损，然后价格马上平复（我们过去吃了不少亏， 几个策略都是在这些时候被止损了）。
只交易一手螺纹钢， 最大回撤2602块。 如果按照一手最大手续费3000， 加上2倍最大回撤5200， 本金需要大约8500块。 从2009到2016一共7.5年， 净收益75531， 900%收益。 交易次数不算频繁， 平均3天一次交易， 一次交易2天左右。 所以手续费不算大。
当然， 如果考虑到Position sizing， 这个策略收益可以放大很多， 当然风险也就很高了。大家都懂的。
策略2017年1月开始实盘交易（做了一手， 留出1万元本金），到3月2日， 净收益1590元， 以1万元本金记， 15.9%的收益（一共5周， 12次交易， 8次盈利）。 未来会陆续定期贴出该策略的实盘表现。
