什么是量化交易？
量化交易也称为算法交易，是严格按照计算机算法程序给出的买卖决策进行交易。大家容易把量化交易与技术分析混淆，实际上量化交易的内容丰富的多。许多量化交易系统在进行建模和运算的时候会用到基本面数据和交易所的量实时数据。
在区块链市场中，有几个比较经典的量化交易策略：
趋势跟踪:
接触过投资的朋友都知道，主观投资往往是预测未来行情如何，然后进行交易决策。
跨品种统计套利：
可以选择区块链市场上不同交易所盘口深度较好的币种。在价差明显小于或者大于历史水平的时候买入，然后耐心等待价差恢复到正常水平。
币圈套利:
币圈期货套利策略中常见的要数期限套利了。主要是赚取的瞬间价差。这种投资方式比较适合资金比较丰富的投资者。
#coding=utf-8
from future import print_function,absolute_import,unicode_literals
import numpy as np
import pandas as pd
try:
import talib
except:
print(‘请安装TA-Lib库’)
from gm.api import*
‘’’
本策略通过计算CZCE.FG801和SHFE.rb1801的ATR.唐奇安通道和MA线,并:
上穿唐奇安通道且短MA在长MA上方则开多仓,下穿唐奇安通道且短MA在长MA下方则开空仓
若有多/空仓位则分别:
价格跌/涨破唐奇安平仓通道上/下轨则全平仓位,否则
根据跌/涨破持仓均价-/+x(x=0.5,1,1.5,2)倍ATR把仓位
回测数据为:CZCE.FG801和SHFE.rb1801的1min数据
回测时间为:2017-09-15 09:15:00到2017-10-01 15:00:00
‘’’
def init(context):
#context.parameter分别为唐奇安开仓通道.唐奇安平仓通道.短ma.长ma.ATR的参数
context.parameter=[55,20,10,60,20]
context.tar=context.parameter[4]
#context.goods交易的品种
context.goods=[‘CZCE.FG801’,‘SHFE.rb1801’]
#context.ratio交易最大资金比率
context.ratio=0.8
#订阅context.goods里面的品种,bar频率为1min
subscribe(symbols=context.goods,frequency=‘60s’,count=101)
#止损的比例区间
def on_bar(context,bars):
bar=bars[0]
symbol=bar[‘symbol’]
recent_data=context.data(symbol=symbol,frequency=‘60s’,count=101,fields=‘close,high,low’)
close=recent_data[‘close’].values[-1]
#计算ATR
atr=talib.ATR(recent_data[‘high’].values,recent_data[‘low’].values,recent_data[‘close’].values,
timeperiod=context.tar)[-1]
#计算唐奇安开仓和平仓通道
context.don_open=context.parameter[0]+1
upper_band=talib.MAX(recent_data[‘close’].values[:-1],timeperiod=context.don_open)[-1]
context.don_close=context.parameter[1]+1
lower_band=talib.MIN(recent_data[‘close’].values[:-1],timeperiod=context.don_close)[-1]
#计算开仓的资金比例
percent=context.ratio/float(len(context.goods))
#若没有仓位则开仓
position_long=context.account().position(symbol=symbol,side=PositionSide_Long)
position_short=context.account().position(symbol=symbol,side=PositionSide_Short)
if not position_long and not position_short:
#计算长短ma线.DIF
ma_short=talib.MA(recent_data[‘close’].values,timeperiod=(context.parameter[2]+1))[-1]
ma_long=talib.MA(recent_data[‘close’].values,timeperiod=(context.parameter[3]+1))[-1]
dif=ma_short-ma_long
#获取当前价格
#上穿唐奇安通道且短ma在长ma上方则开多仓
if close>upper_band and(dif>0):
order_target_percent(symbol=symbol,percent=percent,order_type=OrderType_Market,
position_side=PositionSide_Long)
print(symbol,‘市价单开多仓到比例:’,percent)
#下穿唐奇安通道且短ma在长ma下方则开空仓
if close<lower_band and(dif<0):
order_target_percent(symbol=symbol,percent=percent,order_type=OrderType_Market,
position_side=PositionSide_Short)
print(symbol,‘市价单开空仓到比例:’,percent)
elif position_long:
#价格跌破唐奇安平仓通道全平仓位止损
if close<lower_band:
order_close_all()
print(symbol,‘市价单全平仓位’)
else:
#获取持仓均价
vwap=position_long[‘vwap’]
#获取持仓的资金
money=position_long[‘cost’]
#获取平仓的区间
band=vwap-np.array([200,2,1.5,1,0.5,-100])*atr
grid_percent=float(pd.cut([close],band,labels=[0,0.25,0.5,0.75,1])[0])*percent
#选择现有百分比和区间百分比中较小的值(避免开仓)
target_percent=np.minimum(money/context.account().cash[‘nav’],grid_percent)
if target_percent!=1.0:
print(symbol,‘市价单平多仓到比例:’,target_percent)
order_target_percent(symbol=symbol,percent=target_percent,order_type=OrderType_Market,
position_side=PositionSide_Long)
elif position_short:
#价格涨破唐奇安平仓通道或价格涨破持仓均价加两倍ATR平空仓
if close>upper_band:
order_close_all()
print(symbol,‘市价单全平仓位’)
else:
#获取持仓均价
vwap=position_short[‘vwap’]
#获取持仓的资金
money=position_short[‘cost’]
#获取平仓的区间
band=vwap+np.array([-100,0.5,1,1.5,2,200])*atr
grid_percent=float(pd.cut([close],band,labels=[1,0.75,0.5,0.25,0])[0])*percent
#选择现有百分比和区间百分比中较小的值(避免开仓)
target_percent=np.minimum(money/context.account().cash[‘nav’],grid_percent)
if target_percent!=1.0:
order_target_percent(symbol=symbol,percent=target_percent,order_type=OrderType_Market,
position_side=PositionSide_Short)
print(symbol,‘市价单平空仓到比例:’,target_percent)
if name==‘main’:
‘’’
strategy_id策略ID,由系统生成
filename文件名,请与本文件名保持一致
mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
token绑定计算机的ID,可在系统设置-密钥管理中生成
backtest_start_time回测开始时间
backtest_end_time回测结束时间
backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
backtest_initial_cash回测初始资金
backtest_commission_ratio回测佣金比例
backtest_slippage_ratio回测滑点比例
‘’’
run(strategy_id=‘strategy_id’,
filename=‘main.py’,
mode=MODE_BACKTEST,
token=‘token_id’,
backtest_start_time=‘2017-09-15 09:15:00’,
backtest_end_time=‘2017-10-01 15:00:00’,
backtest_adjust=ADJUST_PREV,
backtest_initial_cash=10000000,
backtest_commission_ratio=0.0001,
backtest_slippage_ratio=0.0001)