分享一个pyton均线略

版权声明：无情不似多情苦，一寸还成千万缕。天涯地角有穷时，只有相思无尽处。 https://blog.csdn.net/u011078141/article/details/89453306

原 分享一个python均线策略

来源：掘金量化社区 myquant.cn  ,转载请注明出处，谢谢.

简单的基于ta-lib的均线策略示例

策略简介，主要是基于分时线的close线跟MA之间的关系出信号，同时对信号有个简单的过滤逻辑，同时展示了怎么调用gmsdk来做仓位管理。订单管理并没有在代码中体现， 如果需要对委托订单的状态进行跟踪，还需要增加on_order_status函数，用来跟踪订单的执行状态。

策略逻辑： 用分时bar线的收盘价跟ma线之间的交叉关系发出信号，并根据配置做一个简单的信号过滤。 用一个数列配置下单量，在出信号后，根据已有持仓状态确定是否开仓，或者是继续加仓，或者是回调加仓，还是加仓次数达上限后主动平仓出场。

在代码中添加了一些注释，希望有助于阅读。

注: 代码仅为示例，各参数设置和逻辑都不够严谨，切勿直接用于实盘交易。

  
  
#!/usr/bin/env python
# encoding: utf-8


import time
from talib.abstract import SMA
import numpy as np
from collections import deque
from gmsdk import *

# 算法用到的一些常量，阀值，主要用于信号过滤
eps = 1e- 6
threshold = 0. 235
tick_size = 0. 2
half_tick_size = tick_size / 2
significant_diff = tick_size * 2.6

class MA(StrategyBase):

"" " strategy example1: MA decision price cross long MA, then place a order, temporary reverse trends place more orders " ""

def __init__(self, *args, **kwargs):
#import pdb; pdb.set_trace()
super(MA, self).__init_ _(*args, **kwargs)
# 策略初始化工作在这里写，从外部读取静态数据，读取策略配置参数等工作，只在策略启动初始化时执行一次。

# 从配置文件中读取配置参数
self.exchange = self.config.get( "para", "trade_exchange")
self.sec_id = self.config.get( "para", "trade_symbol")
self.symbol = ".".join([ self.exchange, self.sec_id])
self.last_price = 0. 0
self.trade_unit = [ 1.0, 2.0, 4.0, 8.0, 5.0, 3.0, 2.0, 1.0, 1.0, 0. 0] ## [8.0, 4.0, 2.0, 1.0]
self.trade_count = 0
self.trade_limit = len( self.trade_unit)
self.window_size = self.config.getint( "para", "window_size") or 60
self.timeperiod = self.config.getint( "para", "timeperiod")
self.bar_type = self.config.getint( "para", "bar_type")
self.close_buffer = deque(maxlen= self.window_size)
self.significant_diff = self.config.getfloat( "para", "significant_diff") or significant_diff

# prepare historical bars for MA calculating
# 从数据服务中准备一段历史数据，使得收到第一个bar后就可以按需要计算ma
last_closes = [bar.close for bar in self.get_last_n_bars( self.symbol, self.bar_type, self.window_size)]
last_closes.reverse() #因为查询出来的时间是倒序排列，需要倒一下顺序
self.close_buffer.extend(last_closes)

# 响应bar数据到达事件
def on_bar(self, bar):
# 确认下bar数据是订阅的分时
if bar.bar_type == self. bar_type:
# 把数据加入缓存
self.close_buffer.append(bar.close)
# 调用策略计算
self.algo_action()

# 响应tick数据到达事件
def on_tick(self, tick):
# 更新市场最新成交价
self.last_price = tick.last_price

def on_execution(self, execution):
#打印订单成交回报信息
print "received execution: %s" % execution.exec_type

#策略的算法函数，策略的交易逻辑实现部分
def algo_action(self):
#数据转换，方便调用ta-lib函数进行技术指标的计算，这里用SMA指标
close = np.asarray( self.close_buffer)
ma = SMA({ "close" :close}, timeperiod= self.timeperiod)
delta = round(close[- 1] - ma[- 1], 4) # 最新数据点，bar的收盘价跟ma的差
last_ma = round(ma[- 1], 4) # 均线ma的最新值
momentum = round( self.last_price - last_ma, 4) # 当前最新价格跟ma之间的差，成交价相对ma偏离
#print "close: ", close
print( "close ma delta: {0}, last_ma: {1}, momentum: {2}".format(delta, last_ma, momentum))

a_p = self.get_position( self.exchange, self.sec_id, OrderSide_Ask) #查询策略所持有的空仓
b_p = self.get_position( self.exchange, self.sec_id, OrderSide_Bid) #查询策略所持有的多仓
# 打印持仓信息
print ( "pos long: {0} vwap: {1}, pos short: {2}, vwap: {3}".format(b_p.volume if b_p else 0. 0,
round(b_p.vwap, 2) if b_p else 0. 0,
a_p.volume if a_p else 0. 0,
round(a_p.vwap, 2) if a_p else 0. 0))
if delta > threshold and momentum >= significant_diff: ## 收盘价上穿均线，且当前价格偏离满足门限过滤条件，多信号
# 没有空仓，且没有超出下单次数限制
if (a_p is None or a_p.volume < eps) and self.trade_count < self. trade_limit:
# 依次获取下单的交易量，下单量是配置的一个整数数列，用于仓位管理，可用配置文件中设置
vol = self.trade_unit[ self.trade_count]
# 如果本次下单量大于0, 发出买入委托交易指令
if vol > eps:
self.open_long( self.exchange, self.sec_id, self.last_price, vol)
self.trade_count += 1 #增加计数
else:
# 如果有空仓，且达到本次信号的交易次数上限
if a_p and a_p.volume > eps and self.trade_count == self. trade_limit:
self.close_short( self.exchange, self.sec_id, self.last_price, a_p.volume) # 平掉所有空仓
self.trade_count = 0
else:
# 有空仓时，且上次交易信号后没达到交易次数限制，继续加空
vol = self.trade_unit[ self.trade_count] if self.trade_count < self.trade_limit else 0. 0
self.trade_count += 1
if vol > eps:
self.open_short( self.exchange, self.sec_id, self.last_price, vol)
elif delta < -threshold and momentum <= - significant_diff: ## bar 收盘价下穿ma均线，且偏离满足信号过滤条件
# 没有多仓时，开空
if (b_p is None or b_p.volume < eps) and self.trade_count < self. trade_limit:
vol = self.trade_unit[ self.trade_count]
self.trade_count += 1
if vol > eps:
self.open_short( self.exchange, self.sec_id, self.last_price, vol)
else:
# 已有多仓，且达到了交易次数限制，平掉多仓
if b_p and b_p.volume > eps and self.trade_count == self. trade_limit:
self.close_long( self.exchange, self.sec_id, self.last_price, b_p.volume)
self.trade_count = 0
else:
# 已有多仓，且没有达到交易次数限制，继续加多
vol = self.trade_unit[ self.trade_count] if self.trade_count < self.trade_limit else 0. 0
self.trade_count += 1
if vol > eps:
self.open_long( self.exchange, self.sec_id, self.last_price, vol)
else: ## 其他情况，忽略不处理
## get positions and close if any
#self.trade_count = 0 ## reset trade count
pass

# 策略启动入口
if __name_ _ == "__main__":
# 初始化策略
ma = MA(config_file= "strategy_ma.ini")
#import pdb; pdb.set_trace() # python调试开关
print "strategy ready, waiting for market data ......"
# 策略进入运行，等待数据事件
ret = ma.run()
# 打印策略退出状态
print "MA :", ma.get_strerror(ret)
  
  

以下是它用的配置文件示例

  
  
[ strategy]
;md_addr= 120.24 .228 .187: 8000
td_addr=localhost: 8001
[email protected]
password= 123456
mode= 2
strategy_id=stategy_4
subscribe_symbols=SHFE.ag1512.tick,SHFE.ag1512.bar .60
;start_time= 2014 -05 -26 09: 00: 00
;end_time= 2014 -05 -26 16: 00: 00

[ para]
trade_exchange=SHFE
trade_symbol=ag1512
window_size= 20
bar_type= 15
tick_size= 1
significant_diff= 21
timeperiod= 20


##############################################################
# logger settings
##############################################################
[ loggers]
keys=root

[ logger_root]
level=DEBUG
handlers=console,file

[ handlers]
keys=console,file

[ handler_file]
class=handlers.RotatingFileHandler
args=( "strategy_dual_ma.log", "a", "maxBytes=10000", "backupCount=5")
formatter=simple

[ handler_console]
class=StreamHandler
args = (sys.stdout,)
formatter=simple

[ formatters]
keys = simple

[ formatter_simple]
format=%(asctime)s - %(name)s - %(levelname)s - %(message)s
datefmt=
  
  

------------------------------------------------------------------------------------------------------------------------------------------------

推荐文章阅读：

1	网格交易策略（附策略源码与收益图）	https://www.myquant.cn/community/topic/548/2
2	指数增强策略	https://www.myquant.cn/community/topic/527
3	日内回转交易策略	https://www.myquant.cn/community/topic/526
4	跨期套利策略	https://www.myquant.cn/community/topic/525
5	跨品种价差套利策略	https://www.myquant.cn/community/topic/524
6	集合竞价选股	https://www.myquant.cn/community/topic/523
7	基于EV/EBITDA倍数估值法的Alpha对冲策略	https://www.myquant.cn/community/topic/522
8	行业轮动策略	https://www.myquant.cn/community/topic/521
9	海龟交易法则	https://www.myquant.cn/community/topic/520

---

《算法导论 第三版英文版》_高清中文版

《深度学习入门：基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程：从入门到实践》_高清中文版

《Python科学计算》_高清中文版

《深度学习入门：基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程：从入门到实践》_高清中文版

---