用Python编程借助现有量化平台编写股票交易策略和回测分析.docxVIP

用Python编程借助现有量化平台编写股票买卖策略和回测分析 大家好，我是Snowball。今日给大家共享的内容是基于Python编程，实现股票买卖相关功能开发，假如读者对股票或金融衍生物买卖不太了解，又比较感爱好的话可自行查询相关材料。 接下来笔者会给大家引见股票买卖中的常见几种买卖策略实现思路和源码编写过程，假如大家听说过量化买卖这个词语的话，对其中的买卖策略或许了解过，或许意思就是在股票、加密货币或者金融衍生物在价格的波动过程中依据其买卖策略进行不断的买入和卖出，不断的套利，降低持仓陈本，来达到收益最大化。 常见的买卖策略有很多种，例如趋势型，网格型，剥头皮，概率法则，高频买卖等，今日次要给大家引见2种低频的买卖策略，高抛低吸网格买卖策略、日内做T策略。其他的买卖策略较简单，读者可自行百度了解，笔者这里推举一个量化买卖网站，仅供参考，米筐量化： /doc/quant/ 二、需求分析实现思路 每个买卖日的股票都会上涨或者下跌，在这个过程中笔者们间或会想针对部分股票进行股价的涨跌幅进行监控，或者自动进行买卖，在这个需求前提下，现有券商、股票分析软件都会带有机器人自动买卖策略功能，大部分都需要收费或者部分策略不能满足本人的需求，笔者这边供应2种实现思路： 1、借助现有量化平台编写策略和回测分析，然后在券商软件层面进行策略执行。 2、本人编写功能代码来监控估价，对股价波动进行特殊处理满足特殊需求。 第一种实现成本较低，但功能受限于平台；其次种实现成本毋庸置疑相对较高，但是规律可以本人把握。 三、借助现有量化平台编写策略和回测分析 这里利用米筐量化实现和分析本人的买卖策略，需要先注册个账号，然后进入到平台-笔者的策略中进行策略编写，平台的功能使用可以参考平台文档。 笔者这里贴出笔者本人写的2种策略代码，这个平台只支持使用Python脚本编写。 1）价差买卖策略 平台截图： 部分代码如下，具体代码可以本人手撸实现，也可以在文末进行猎取： # 你选择的证券的数据更新将会触发此段规律，例如日或分钟历史数据切片或者是实时数据切片更新 def handle_bar(context, bar_dict): ... if newPrice = context.nextSellPrice: (执行高抛买卖,对应价格:{}.format(newPrice)) amount = context.portfolio.positions[context.s1].quantity if amount = context.tradeNumber: (执行高抛买卖,对应数量:{}.format(context.tradeNumber)) order_shares(context.s1, -context.tradeNumber) plot(S, newPrice) elif amount = 100: (执行高抛买卖,对应数量:{}.format(amount)) order_shares(context.s1, -amount) plot(S, newPrice) calc_next_trade_price(context,newPrice) obj = { nextSellPrice:context.nextSellPrice, nextBuyPrice:context.nextBuyPrice, curTradePrice:context.curTradePrice } context.buyTradeList.append(obj) if newPrice = context.nextBuyPrice: (执行低吸买卖,对应价格:{}.format(newPrice)) amount = int(context.portfolio.cash / newPrice / 100.0) * 100 if amount = context.tradeNumber: (执行低吸买卖,对应数量:{}.format(context.tradeNumber)) order_shares(context.s1, context.tradeNumber) plot(B, newP