python股票_十分钟学会用Python交易股票

  • Post author:
  • Post category:python


该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

本文通过讲述 [单股票均线策略] 在 Ricequant 量化平台的实现,熟悉平台并快速入门、创建自己的量化策略代码 。难易度:入门级.从一下几点说起;

1 确定框架:

[单股票均线策略] 的主要策略框架: 5 日均线高于 30 天均线,则全仓买入股票 5 日均线低于 30 天均线,则卖出所持股票

从我们日常交易的角度,一般交易者的行为可以拆分以下两部分:

1 选择标的(初始化):

在交易之前,我们通常会先选定要交易的股票池或者单个股票

2 交易(每天盯盘)

我们会观察该股票的五日均线和 30 日均线,并进行比较如果该股票的五日均线在 30 天均线以上,则全仓买入股票如果该股票的五日均线在 30 天均线以下,则全仓卖出(空仓)

那么程序中,我们是怎么做的呢?

先看看 Ricequant 平台中对应的代码框架会是怎么样的吧:

def init(context):#程序的初始化,预设股票池、设置参数和变量。 只运行一次def handle(context, bar_dict):#从回测的开始日期至结束日期,根据选择的频率(日、分钟)循环运行

对照策略思路 及 Ricequant 代码框架,你会发现我们可以很轻松地把 两者结合起来

以上框架也是 Ricequant 平台的最基本也最主要的框架,也就是

初始化

循环 – 根据选择的频率(日、分钟)循环运行

2 初始化:

选择标的:本策略的交易股票设定为 300059 ”东方财富“。

def init(context): context.stock = “300059.XSHE” # 存入目标股票 [东方财富 ]

延伸阅读:

1 在 init 中实现程序的初始化,例如存入目标股票池,设置滑点、基准等参数以及设置其它变量。 context 是一个全局的容器,你可以通过它设置任何全局变量并初始化:如 context.stock 将会在后面代码所被调用到。

2 代码中 # 代表注释,作为代码说明,执行时会被跳过而不为程序所运行。

3 如何填写股票代码:你会发现策略代码中 股票代码后带有后缀,那么它们分别代表什么呢?

后缀为

XSHE 代表在深交所上市交易的股票

XSHG 在上交所上市交易的股票

3 获取均价:

我们分别获取该股票 5 日和 30 日的均价

# 用法:变量 = bar_dict[股票代码].mavg(天数, frequency=’day’)# 获取近五日股票收盘价均价,命名为 fast fast = bar_dict[context.stock].mavg(5, frequency=’day’)# 同上,获取近二十日的收盘价均价,命名为 slow : slow = bar_dict[context.stock].mavg(30, frequency=’day’)4 判断买卖条件:

获得均价数据之后,我们就可以进行一个判断决定是否买卖了:

if fast>slow: # 若快线在慢线之上则用所有现金买入该股票 #买入操作 elif fast

在判断之前,我们还漏了一步,那是什么呢?就是要知道我们有多少现金,那么在程序中是如何获得现金的呢?我们使用以下代码

# 用法:变量 = context.portfolio.cashcash = context.portfolio.cash #取得当前的现金量,命名为 cash

延伸阅读: portfolio 中 包含所有的投资组合的信息,请参考文档 – Portfolio 对象

5 买入 /卖出:

在判定买卖的条件成立之后,我们会对股票进行买入或者卖出的操作:

#用法 order_value(股票代码,买卖金额) 金额为正则为买入,负数则为卖出#将所有现金买入 300059 东方财富order_value(context.stock, cash) #用法: order_target_value(股票代码,目标持仓比例) 比例在 1 与 0 之间#此处将持仓比例调整为 0 ,则等同于全部卖出order_target_percent(context.stock, 0)

6 策略回测

以上,我们用几行代码就把策略的框架完整地搭建起来了,最终的完整代码为:

def init(context): #初始化 context.stock = “300059.XSHE” #存入要交易的股票代码def handle_bar(context, bar_dict): #每日循环运行 #获取 30 日均线 slow = bar_dict[context.stock].mavg(30, frequency=’day’) #获取 5 日均线 fast = bar_dict[context.stock].mavg(5, frequency=’day’) cash = context.portfolio.cash #获取持有现金金额 if fast>slow: #判定买入条件 order_value(context.stock, cash) #买入目标股票 elif fast

写完了策略,那么我们接下去做什么呢? 先对我们的策略进行一次历史回测,看看它的历史表现是如何吧。

在策略编辑页面右上方,选择从 2015 年 1 月 4 日至 2016 年 10 月 4 日,用资金 100 万元进行日回测吧,请点击 运行回测。

python简单易学,使用python研究股票更是得心应手。