美股量化交易 - 策略的构成

量化交易 · 2019年02月28日 · 251 次阅读
本帖已被设为精华帖!

主要根据老虎量化API, 实现一些量化的实例以及一些运行代码的结果分析。利用回归测试, 根据历史的下单记录计算回测的收益曲线,以及风险收益指标, 从而验证自己的投资习惯; 如果你对量化交易感兴趣 可以加微信: xiaobei060537 一起交流

策略的构成

需要实现策略对象的两个方法:initialize 和 handle_data.

initialize 主要用于设置初始化回测的一些设置,如滑点、基准等。

handle_data 用于实现策略的逻辑。

导读

本代码运行 老虎证券pc 端 量化交易环境, 运行前 可以点链接注册老虎证券 使用模拟账号 进行运行量化代码, 同时可以享受美股佣金8折永久优惠!港股手续费0佣金。

实例代码

import pandas as pd 
# 策略初始化方法, 只在开始执行回测时运行一次
def initialize(context):
    # 使用 标普500 ETF 作为策略基准
    set_benchmark(symbol('spy'))

def handle_data(context, data):
    # 获取历史五日收盘价
    history = data.history(symbol('amzn'), 'close', 5,'1d')
    # 计算五日均线
    ma5 = history.mean()
    # 判断收盘价大于五日均线,买入
    if history.iloc[-1]>ma5:
        order_target_value(symbol('amzn'), 1000000)
    else:
        order_target_value(symbol('amzn'),0)

回测的主要逻辑

  • 需要在 handle_data 方法中实现回测的交易逻辑
  • 在回测区间的每个交易日或每分钟, 都会执行一次 handle_data 方法。
  • 在 handle_data 方法中, 可以通过 data 对象的方法获取行情数据。
  • 基于上面的数据形成下单逻辑, 并调用订单相关 API 进行下单。
  • 在回测结束后, 我们会根据历史的下单记录计算回测的收益曲线,以及风险收益指标

运行结果

美股量化

美股量化

如果您对美股 或者 港股也感兴趣, 或者想要了解如何开户, 可以加我wechat: xiaobei006006, 同时也可以拉您进美股交流群哦。
最后的最后 祝大家都有一个美好的投资生活哦。

大家也可以关注【美股指南】公众号, 即可获得《小白投资美股指南(雪球「岛」系列)》电子书

写在最后

友情提示 转载请注明出处: https://investguider.com/topics/1541
共收到 0 条回复
andy 将本帖设为了精华贴 02月28日 13:39
andy 取消了精华贴 02月28日 13:39
andy 将本帖设为了精华贴 02月28日 13:39
需要 登录 后方可回复, 如果你还没有账号请点击这里 注册