菲阿里四价(期货)

菲阿里四价(期货)

分享
阅读 17446 更新 2021-04-19 13:36:04
  • 1. 原理
  • 2. 策略逻辑
  • 3. 策略代码
  • 4. 回测结果与稳健性分析

菲阿里四价

1. 原理

菲阿里四价同R Breaker一样，也是一种日内策略交易，适合短线投资者。

菲阿里四价指的是：昨日高点、昨日低点、昨天收盘、今天开盘四个价格。

菲阿里四价上下轨的计算非常简单。昨日高点为上轨，昨日低点为下轨。当价格突破上轨时，买入开仓；当价格突破下轨时，卖出开仓。

2. 策略逻辑

第一步：获取昨日最高价、最低价、收盘价、开盘价四个数据。
第二步：计算上轨和下轨。当价格上穿上轨时，买入开仓；当价格下穿下轨时，卖出开仓。
第三步：当日平仓。

回测标的：SHFE.rb2010
回测期：2020-02-07 至 2020-04-15
回测初始资金：200万
注意：若修改回测期，需要修改对应的回测标的。

3. 策略代码

  1. # coding=utf-8
  2. from __future__ import print_function, absolute_import
  3. from gm.api import *
  4. '''
  5. 上轨=昨日最高点；
  6. 下轨=昨日最低点；
  7. 止损=今日开盘价;
  8. 如果没有持仓，且现价大于了昨天最高价做多，小于昨天最低价做空。
  9. 如果有多头持仓，当价格跌破了开盘价止损。
  10. 如果有空头持仓，当价格上涨超过开盘价止损。
  11. 选取 进行了回测。
  12. 注意：
  13. 1：为回测方便，本策略使用了on_bar的一分钟来计算，实盘中可能需要使用on_tick。
  14. 2：实盘中，如果在收盘的那一根bar或tick触发交易信号，需要自行处理，实盘可能不会成交。
  15. '''
  16. def init(context):
  17. # 设置标的
  18. context.symbol = 'SHFE.rb2010'
  19. # 订阅一分钟线
  20. subscribe(symbols = context.symbol,frequency = '60s',count = 1)
  21. # 记录开仓次数，保证一天只开仓一次
  22. context.count = 0
  23. # 记录当前时间
  24. time = context.now.strftime('%H:%M:%S')
  25. # 如果当前时间点是交易时间段，则直接执行algo获取历史数据，以防直接进入on_bar()导致context.history_data未定义
  26. if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
  27. algo(context)
  28. # 如果是非交易时间段，等到上午9点或晚上21点再执行algo()
  29. schedule(schedule_func = algo, date_rule = '1d', time_rule = '09:00:00')
  30. schedule(schedule_func = algo, date_rule = '1d', time_rule = '21:00:00')
  31. def algo(context):
  32. # 获取历史的n条信息
  33. context.history_data = history_n(symbol=context.symbol, frequency = '1d', end_time = context.now,
  34. fields='symbol,open,high,low',count=2, df=True)
  35. def on_bar(context,bars):
  36. # 取出订阅的一分钟bar
  37. bar = bars[0]
  38. # 提取数据
  39. data = context.history_data
  40. # 现有持仓情况
  41. position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
  42. position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
  43. # 如果是回测模式
  44. if context.mode == 2:
  45. # 开盘价直接在data最后一个数据里取到,前一交易日的最高和最低价为history_data里面的倒数第二条中取到
  46. open = data.loc[1, 'open']
  47. high = data.loc[0, 'high']
  48. low = data.loc[0, 'low']
  49. # 如果是实时模式
  50. else:
  51. # 开盘价通过current取到
  52. open = current(context.symbol)[0]['open']
  53. # 实时模式不会返回当天的数据，所以history_data里面的最后一条数据是前一交易日的数据
  54. high = data.loc[-1, 'high']
  55. low = data.loc[-1, 'low']
  56. # 交易逻辑部分
  57. if position_long: # 多头持仓小于开盘价止损。
  58. if bar.close < open:
  59. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
  60. order_type=OrderType_Market, position_effect=PositionEffect_Close)
  61. print('以市价单平多仓')
  62. elif position_short: # 空头持仓大于开盘价止损。
  63. if bar.close > open:
  64. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
  65. order_type=OrderType_Market, position_effect=PositionEffect_Close)
  66. print('以市价单平空仓')
  67. else: # 没有持仓。
  68. if bar.close > high and not context.count: # 当前的最新价大于了前一天的最高价
  69. # 开多
  70. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
  71. order_type=OrderType_Market, position_effect=PositionEffect_Open)
  72. print('以市价单开多仓')
  73. context.count = 1
  74. elif bar.close < low and not context.count: # 当前最新价小于了前一天的最低价
  75. # 开空
  76. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
  77. order_type=OrderType_Market, position_effect=PositionEffect_Open)
  78. print('以市价单开空仓')
  79. context.count = 1
  80. # 每天收盘前一分钟平仓
  81. if context.now.hour == 14 and context.now.minute == 59:
  82. order_close_all()
  83. print('全部平仓')
  84. context.count = 0
  85. if __name__ == '__main__':
  86. '''
  87. strategy_id策略ID,由系统生成
  88. filename文件名,请与本文件名保持一致
  89. mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
  90. token绑定计算机的ID,可在系统设置-密钥管理中生成
  91. backtest_start_time回测开始时间
  92. backtest_end_time回测结束时间
  93. backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
  94. backtest_initial_cash回测初始资金
  95. backtest_commission_ratio回测佣金比例
  96. backtest_slippage_ratio回测滑点比例
  97. '''
  98. run(strategy_id='strategy_id',
  99. filename='main.py',
  100. mode=MODE_BACKTEST,
  101. token='token_id',
  102. backtest_start_time='2020-01-01 15:00:00',
  103. backtest_end_time='2020-09-01 16:00:00',
  104. backtest_adjust=ADJUST_PREV,
  105. backtest_initial_cash=100000,
  106. backtest_commission_ratio=0.0001,
  107. backtest_slippage_ratio=0.0001)

4. 回测结果与稳健性分析

设定初始资金10万，手续费率为0.01%，滑点比率为0.01%。回测结果如图所示：

回测期累计收益率为-4.05%，年化收益率为-6.03%。沪深300指数收益率为16.61%，整体跑输指数。最大回撤为4.34%，胜率为25.66%。

为了验证策略的稳健性，更改标的，回测结果如下：

标的 回测期 年化收益率 最大回撤
SHFE.rb2010 2020.02.07-2020.04.15 -6.03% 4.34%
SHFE.ag2010 2020.02.07-2020.04.15 38.03% 7.97%
SHFE.ni2010 2020.02.07-2020.04.15 -22.46% 22.85%
SHFE.zn2010 2020.02.07-2020.04.15 -15.93% 12.01%
SHFE.rb2010 2020.04.07-2020.06.15 -3.40% 1.37%
SHFE.rb2010 2020.06.07-2020.08.15 -13.96% 2.32%
SHFE.rb2010 2020.08.07-2020.10.15 -11.38% 2.18%

由上表可以看出，随着品种的变化，策略的收益变化差异较大。ag2010的收益率能达到38.03%，但ni2010的收益仅为-22.46%。对于rb2010，随着回测期的变化，年化收益率均为负值，收益较不稳定。

注：此策略只用于学习、交流、演示，不构成任何投资建议。

赞 (0)

相关推荐