学习《深入浅出python量化交易交易实战》第二章（笔记3）

上一篇学习《深入浅出python量化交易交易实战》第二章（笔记2）实现了第二章移动平均策略和双移动平均策略的代码实现。

1.学习《深入浅出python量化交易交易实战》第二章（笔记3）

记录学习过程中的代码、疑问和心得

3 海龟策略

在股价超过过去N个交易日股价最高点时买入，在股价低于过去N个交易日的股价最低点时卖出。
上述的若干个最高点和最低点会组成一个通道—‘唐奇安通道’

使用过去N天的股价最高点和过去N天的股价最低点生成唐奇安通道。
一般N=20 （书中获取数据时间区间小N取了5天）

海龟策略代码实现：

def turtle_strategy(symbol, start_date, end_date):
    # 创建一个turtle的数据表，使用原始数据的日期序列号
    stock_data = gen_stock_data_table(symbol, start_date, end_date)
    stock_002419 = stock_data['stock']
    print("-------------stock_002419_turtle--------------------")
    print(stock_002419)

    turtle = pd.DataFrame(index=stock_002419.index)
    print("-------------turtle--------------------")

    # 通道上界=过去20日内的最高价
    # 通道下界=过去20日内的最低价
    # 中轨道=0.5*（通道上界+通道下界）
    # 为什么要用shift(1)要向下移1？
    turtle['high'] = stock_002419['close'].shift(1).rolling(20).max()
    turtle['low'] = stock_002419['close'].shift(1).rolling(20).min()
    turtle['mid'] = (turtle['high'] + stock_002419['low']) / 2

    turtle['price'] = stock_002419['close']
    # 当股价突破下沿时卖出，发出卖出信号，反之买入
    # 代码实现是简化的买入卖出策略，并不是实际的海龟策略算法的买入卖出时机。
    turtle['buy'] = stock_002419['close'] > turtle['high']
    turtle['sell'] = stock_002419['close'] < turtle['low']
    print(turtle)

    # 订单初始状态为0
    turtle['order'] = 0
    # 前一天的仓位
    turtle['preposition'] = 0
    # 当前仓位
    turtle['position'] = 0

    # 初始仓位为0
    position = 0

    # 设置循环，便利turtle数据表
    for k in range(len(turtle)):
        # 当买入信号为true时，且仓位为0时，下单买入一手
        if turtle.buy[k] and position == 0:
            turtle.preposition.values[k] = position  # 保存前一天仓位
            turtle.order.values[k] = 1
            position = 1
            turtle.position.values[k] = position  # 修改当前仓位

        elif turtle.sell[k] and position > 0:
            turtle.preposition.values[k] = position  # 保存前一天仓位
            turtle.order.values[k] = -1
            position = 0
            turtle.position.values[k] = position  # 修改当前仓位

    return turtle

执行海龟策略得到的结果

回测

import pandas as pd
from matplotlib import pyplot as plt
from chapter_2_3_sea_turtle import turtle_strategy

stock_turtle = turtle_strategy('002419', '20210101', '20221231')
print('-------------stock_turtle-------------')
print(stock_turtle)
initial_cash = 20000
positions = pd.DataFrame(index=stock_turtle.index).fillna(0.0)
# 每次交易为1手，即100股，仓位即买单和卖单的累加和
positions['stock'] = 100 * stock_turtle['order'].cumsum()
# 持仓价格
portfolio = positions.multiply(stock_turtle['price'], axis=0)
# 持仓市值 持仓数*价格
portfolio['holding_values'] = (positions.multiply(stock_turtle['price'], axis=0))

# 计算仓位变化
pos_diff = positions.diff()
# 剩余的现金 = 初始资金 - 仓位变化pos_diff*价格的累加和
portfolio['cash'] = initial_cash - (pos_diff.multiply(stock_turtle['price'], axis=0)).cumsum()
# 总资产即持仓股票市值加剩余现金
portfolio['total'] = portfolio['cash'] + portfolio['holding_values']
# stock_turtle.to_excel('dahua_002419_stock_turtle.xls')

# 可视化
plt.figure(figsize=(10, 5))
plt.plot(portfolio['total'])  # 总资产
plt.plot(portfolio['holding_values'], '--')  # 持仓市值
plt.grid()
plt.legend()
plt.show()

回测结果

资产和持仓情况曲线