量化策略分享之首板低开

该文章已生成可运行项目,

这个量化策略的核心是选择在低位、首次涨停后次日低开的股票,开盘时买入,上午有盈利就卖出,没有就拿到尾盘在卖出;策略优点在于选择的股票在低位,风险较低,并且刚启动首板,有大资金介入,第二天能快速跑路。

回测数据如下:

*回测数据只作测试用,不代表未来实际收益

1、策略初始化配置

上午开盘买入,上午有盈利就卖出,尾盘全部卖出

run_daily(buy, '09:30')  # 开盘买入
run_daily(sell, '11:28') # 上午止盈
run_daily(sell, '14:50') # 下午止损
2、买入逻辑

买入过滤条件有三个,一是排除10天内连续涨停的股票,二是股票在60天内要在相对低位,三是要低开3%-4%

(1)基础过滤股票池,过滤科创北交、上市不超过250、停牌、ST股票
def prepare_stock_list(date): 
    initial_list = get_all_securities('stock', date).index.tolist()
    initial_list = filter_kcbj_stock(initial_list)
    initial_list = filter_new_stock(initial_list, date)
    initial_list = filter_st_stock(initial_list, date)
    initial_list = filter_paused_stock(initial_list, date)
    return initial_list
(2)排除10天
本文章已经生成可运行项目
<think>嗯,用户问怎么写一套可实现的量化策略先,我需要明确策略的定义。通常指股票上市后或长期停牌后的第一个涨停,可能代表资金关注或趋势启动。用户可能是刚始接触量化交易,需要从基础始指导。 接下来,我得考虑策略的核心要素。选股条件、买入时机、风险控制和回测优化都是关键。用户可能对每个步骤的具体实现不太清楚,需要详细解释。比如,如何识别?可能需要用涨停价和成交量等数据。 然后是数据获取,可能需要使用聚宽、Tushare等平台。用户可能对数据源不太熟悉,需要推荐可靠的工具。然后,策略逻辑部分,要分步骤说明条件判断、买入信号、仓位管理和止损止盈。用户可能需要具体的代码示例,比如用Python和聚宽框架。 风险控制部分,用户可能容易忽略,需要强调止损止盈的重要性。回测和优化方面,要解释参数优化和过拟合的问题,用户可能不知道如何平衡参数。最后,注意事项里要提醒市场环境变化和流动性风险,用户可能没考虑到这些因素。 用户可能的深层需求是希望有一个实际可操作的策略,而不仅仅是理论。所以需要提供具体的实现步骤和代码片段,帮助他们快速上手。同时,要提醒他们量化交易的风险,避免盲目跟随策略。 需要确保回答结构清晰,分点说明,让用户逐步理解每个环节。代码部分要简洁明了,注释清楚,方便用户修改和测试。还要强调回测的重要性,确保策略在历史数据上有效,再考虑实盘。</think>好的,我将分步骤为您讲解量化策略的构建方法。策略主要捕捉股票次涨停后的动量效应,以下是可落地的实现框架: 一、策略核心逻辑 1. 选股条件 - 非ST股、非科创(根据风险偏好调整) - 上市时间>60日(排除次新股波动干扰) - 当日次涨停:$$Close = UpperLimit \quad \&\quad UpperLimitCount == 1$$ - 成交量突破:$$Volume > MA(Volume,5)*2$$ 2. 买入信号 - 集合竞价阶段量价验证: $$OpenPrice \in [Close_{prev}*1.00, Close_{prev}*1.03]$$ $$AuctionVolume > MA(Volume,20)*0.3$$ 3. 仓位管理 - 单票仓位≤5% - 全市场≤3只时暂停仓 二、数据准备(以聚宽平台为例) ```python # 获取涨停数据 def is_first_limit(stock): # 获取最近20日涨停状态 limit_status = get_price(stock, count=20, fields='high_limit') # 判断当日涨停且前19日无涨停 return limit_status[-1] and not any(limit_status[:-1]) ``` 三、风险控制模块 1. 止损规则: - 日内回撤≥3%时触发止损 - 跌破当日盘价2%立即离场 2. 止盈规则: - 阶梯式止盈: $$ \begin{cases} 5\% \leq Profit < 7\% & 保本单跟踪 \\ Profit \geq 7\% & 动态回撤止盈 \end{cases} $$ 四、回测参数优化 1. 关键参数敏感度测试: | 参数 | 测试范围 | 最优区间 | |------------|-------------|---------| | 成交量倍数 | [1.5, 3] | 2.2-2.6 | | 持有周期 | [1,5]日 | 2-3日 | | 仓阈值 | [2%,4%] | 3% | 五、注意事项 1. 市场环境适应性: - 当沪深300波动率($\sigma$) > 25%时暂停策略 - 涨停封单金额中位数<500万时降仓位 2. 订单执行优化: - 采用TWAP算法拆分大单 - 设置价格容忍度:$$\Delta P \leq 0.3\%$$ 六、策略示例代码框架 ```python # 策略核心逻辑 def handle_data(context): # 获取当日股票池 first_limit_pool = [s for s in context.universe if is_first_limit(s)] # 量价过滤 filtered = filter(lambda s: s.volume > s.mavg(5)*2.2, first_limit_pool) # 盘价验证 for stock in filtered: if check_auction(stock): order_target_percent(stock, 0.05) # 风控执行 run_risk_management(context.portfolio.positions) ``` 建议先使用2018-2023年数据进行多周期回测,特别注意2020年注册制改革前后的市场结构变化。实盘前需测试订单路由延迟,建议使用CTP直连通道。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值