PyBroker技术指南：如何编写高效股票交易指标-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00427/article/details/148862486

PyBroker技术指南：如何编写高效股票交易指标

pybroker Algorithmic Trading in Python with Machine Learning 项目地址: https://gitcode.com/gh_mirrors/py/pybroker

前言

在量化交易领域，技术指标是构建交易策略的核心组成部分。PyBroker作为一个功能强大的Python量化交易框架，提供了灵活且高效的指标编写机制。本文将深入讲解如何在PyBroker中创建自定义技术指标，并将其整合到交易策略中。

技术指标基础

技术指标是通过数学公式对市场价格、成交量等原始数据进行加工处理得到的衍生数据。在PyBroker中，我们主要使用两种强大的Python库来构建指标：

NumPy：用于高效的数值计算
Numba：通过即时编译(JIT)将Python代码转换为高效的机器码

import numpy as np
from numba import njit

构建CMMA指标实例

让我们以实现一个"收盘价减去移动平均线"(CMMA)指标为例，这是一个常用于均值回归策略的指标：

def cmma(bar_data, lookback):
    @njit  # 启用Numba JIT编译
    def vec_cmma(values):
        n = len(values)
        out = np.array([np.nan for _ in range(n)])
        
        for i in range(lookback, n):
            ma = 0
            for j in range(i - lookback, i):
                ma += values[j]
            ma /= lookback
            out[i] = values[i] - ma
        return out
    
    return vec_cmma(bar_data.close)

代码解析

函数结构：外层cmma函数接收bar_data(包含OHLCV数据)和lookback(回溯期)参数
Numba优化：内层vec_cmma函数使用@njit装饰器进行加速
向量化计算：一次性计算所有历史数据的指标值，显著提高回测速度
NaN处理：初始lookback期填充为NaN，因为此时无法计算有效移动平均

指标注册与使用

创建指标后，需要在PyBroker中注册才能使用：

import pybroker
cmma_20 = pybroker.indicator('cmma_20', cmma, lookback=20)

注册后会返回一个Indicator实例，可以直接调用计算指标值：

# 获取示例数据
from pybroker import YFinance
yfinance = YFinance()
df = yfinance.query('PG', '4/1/2020', '4/1/2022')

# 计算指标
cmma_values = cmma_20(df)

指标分析方法

PyBroker的Indicator类提供了多种分析指标信息量的方法：

四分位距(IQR)：衡量指标值的离散程度

cmma_20.iqr(df)  # 返回4.655

相对熵：衡量指标值分布的随机性

cmma_20.relative_entropy(df)  # 返回0.749

这些统计量可以帮助评估指标的预测能力和稳定性。

整合指标到交易策略

构建指标后，下一步是将其整合到交易策略中。以下是一个简单的均值回归策略示例：

def buy_cmma_cross(ctx):
    if ctx.long_pos():  # 已有持仓则不操作
        return
    # 当20日CMMA小于0时买入(价格低于均线)
    if ctx.indicator('cmma_20')[-1] < 0:
        ctx.buy_shares = ctx.calc_target_shares(1)  # 分配1%资金
        ctx.hold_bars = 3  # 持有3根K线

策略执行

创建并执行策略：

from pybroker import Strategy

strategy = Strategy(yfinance, '4/1/2020', '4/1/2022')
strategy.add_execution(buy_cmma_cross, 'PG', indicators=cmma_20)

# 启用指标缓存加速回测
pybroker.enable_indicator_cache('my_indicators')

# 执行回测(需要20根K线预热)
result = strategy.backtest(warmup=20)