黃萬銘

（綿陽中學(xué)實驗學(xué)校，綿陽621900）

0 引言

量化交易是指投資者利用計算機技術(shù)、金融工程建模等手段，將金融操作的策略加以定義和描述，并且嚴(yán)格按照所設(shè)定的規(guī)則去執(zhí)行交易策略（買賣、價格、數(shù)量等）的自動交易方式，以協(xié)助投資決策。量化平臺基本采用“初始化函數(shù)→從平臺數(shù)據(jù)庫取出數(shù)據(jù)→每個周期執(zhí)行調(diào)倉函數(shù)→回測完成→計算統(tǒng)計量→繪制曲線”的邏輯過程。

目前市面上比較流行的量化平臺有優(yōu)礦、聚寬和米筐等；米筐支持Python3 和Java，而優(yōu)礦和聚寬使用Python2；米筐和聚寬支持股票和金融期貨數(shù)據(jù)，優(yōu)礦平臺提供股票、基金、衍生品等數(shù)據(jù)。

本策略設(shè)計采用百度公司投資的量化平臺——聚寬(JoinQuant)，語言編程Python，設(shè)定一億元交易規(guī)模，最大持倉數(shù)100 只股票，模擬周期為2005～2018 年的中國股票市場。

1 需求分析

擬以多頭趨勢回踩策略為主決策依據(jù)，實現(xiàn)一個全自動化量化交易系統(tǒng)，并進行關(guān)鍵參數(shù)優(yōu)化；其思路是根據(jù)若干條均線呈現(xiàn)出的形態(tài)，判斷一支股票是否處于多頭強勢狀態(tài)，并抓住回調(diào)的時機低位買入；再進一步分析市場狀態(tài)、均線周期、買入均線和止損觸發(fā)條件等關(guān)鍵參數(shù)對量化策略的貢獻效果。

2 概要設(shè)計

系統(tǒng)主要功能框架如圖1 所示，主要包含策略模型、牛熊判斷、參數(shù)設(shè)置、買入判斷、賣出判斷、計算統(tǒng)計、繪制曲線和平臺數(shù)據(jù)庫等8 個部分組成。

系統(tǒng)主要功能框架、流程圖和參數(shù)結(jié)構(gòu)如圖1所示。

圖1 功能框架設(shè)計

圖2 系統(tǒng)主要流程圖

圖3 主要參數(shù)結(jié)構(gòu)設(shè)計

3 主策略算法模型

（1）選定股票池，并選定一系列參數(shù)；

（2）一組均線天數(shù)[N1,N2,N3,…,Nk]：總數(shù)量k 限制，按照從小到大排列。當(dāng)相應(yīng)天數(shù)的移動均線是從大到小排列時，為多頭排列格局；

（3）趨勢天數(shù)T：當(dāng)上面指定的移動均線在T 天內(nèi)都處于多頭排列時，判斷價格處于多頭趨勢；

（4）回撤均線M：當(dāng)前一天的最收盤價低于M 日均線時時判斷為回撤；

（5）持有股票上限num_stocks：同時最多持倉num_stocks 支股票。

（6）止損比例D 和止盈比例U：當(dāng)股票價格高出買入價的U 倍，或低于買入價的D 倍時，賣出股票。

部分程序核心代碼如下：for security in in_trend_stocks:

#獲取歷史收盤價

past_prices=attribute_history(security,g.test_ma_length,'1d','close',skip_paused=True)

#計算均線

test_ma=sum(past_prices).iloc[0]/g.test_ma_length

#獲取站住均線數(shù)據(jù)

past_prices_2=attribute_history(security,g.stand_ma_length,'1d','close',skip_paused=True)

#計算均線

stand_ma=sum(past_prices_2).iloc[0]/g.stand_ma_length

#計算bias 基準(zhǔn)線

past_prices_3=attribute_history(security,g.bias_ma_length,'1d','close',skip_paused=True)

bias_ma=sum(past_prices_3).iloc[0]/g.bias_ma_length

#獲取昨日信息

previous_history=attribute_history(security,1,'1d',['close','low'])

#昨日收盤價

current_price=previous_history['close'].iloc[0]

#昨日最低價

previous_low=previous_history['low'].iloc[0]

4 關(guān)鍵影響因素優(yōu)化

經(jīng)過不同單項的海量測試，以及分析前10 大持倉、前5 大回撤區(qū)間、行業(yè)配比、Sharpe、持倉比例分析和風(fēng)險控制等，發(fā)現(xiàn)買入均線、止損條件和均線周期影響作用較大；最佳參數(shù)設(shè)定：回撤線20 日線；止損點設(shè)定0.5%；止盈點按回撤盈利的5%；另外，因牛熊市不同市場狀態(tài)差異較大，在熊市以采用BIAS 乖離率策略輔助為佳。部分策略指標(biāo)分析如圖4 所示。

圖4 策略表現(xiàn)指標(biāo)-持倉結(jié)構(gòu)分析

圖5 策略表現(xiàn)指標(biāo)-風(fēng)險分析

經(jīng)過2005 年～2018 年多輪牛熊轉(zhuǎn)換交替的回撤模擬，總體收益率達到1652%，平均年化收益率25%，最大回撤僅為29%，相較指數(shù)有穩(wěn)定盈利。如圖6 所示。

圖6 優(yōu)化后的策略效果-總體概覽

圖7 優(yōu)化后的策略效果-收益分解

5 結(jié)語

本自動交易系統(tǒng)基于Python 語言在聚寬量化平臺上開發(fā)，經(jīng)過對市場狀態(tài)、均線周期、止損條件和選股買入均線等關(guān)鍵參數(shù)的優(yōu)化，并進一步通過在牛熊市采用差異化交易策略，較單獨采用多頭策略模式，獲得了更佳的市場收益。