[量化学堂-策略开发]借助talib使用技术分析指标来炒股

talib
技术分析
标签: #<Tag:0x00007f5c00b88a40> #<Tag:0x00007f5c00b88770>

(iQuant) #1

什么是技术分析

所谓股票的技术分析,是相对于基本面分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析,以此来研究股票的价值,衡量股价的高低。而技术分析则是透过图表或技术指标的记录,研究市场过去及现在的行为反应,以推测未来价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而得的,技术分析只关心证券市场本身的变化,而不考虑会对其产生某种影响的经济方面、政治方面的等各种外部的因素。

什么是talib

talib的简称是Technical Analysis Library,主要功能是计算股价的技术分析指标。先简单看看talib都给我们提供了那些计算技术指标的函数,按技术指标的类型示例如下:

函数名:CDL2CROWS
名称:Two Crows 两只乌鸦
简介:三日K线模式,第一天长阳,第二天高开收阴,第三天再次高开继续收阴,收盘比前一日收盘价低,预示股价下跌。
例子:integer = CDL2CROWS(open, high, low, close)

函数名:CDL3STARSINSOUTH
名称:Three Stars In The South 南方三星
简介:三日K线模式,与大敌当前相反,三日K线皆阴,第一日有长下影线,第二日与第一日类似,K线整体小于第一日,第三日无下影线实体信号,成交价格都在第一日振幅之内,预示下跌趋势反转,股价上升。
例子:integer = CDL3STARSINSOUTH(open, high, low, close)

函数名 : MA
名称:Moving average 移动平均值
简介:移动平均值是在一定范围内的价格平均值
例子:ma = MA(close, timeperiod=30, matype=0)

函数名:ADX
名称:Average Directional Movement Index 平均趋向指数
简介:ADX指数是反映趋向变动的程度,而不是方向的本身。
例子:adx = ADX(high, low, close, timeperiod=14)

函数名:ATR
名称:Average True Range 平均真实波幅
简介:主要用来衡量价格的波动。因此,这一技术指标并不能直接反映价格走向及其趋势稳定性,而只是表明价格波动的程度。
例子:atr = ATR(high, low, close, timeperiod=14)

函数名:OBV
名称:On Balance Volume 能量潮
简介:通过统计成交量变动的趋势推测股价趋势
计算公式:以某日为基期,逐日累计每日上市股票总成交量,若隔日指数或股票上涨,则基期OBV加上本日成交量为本日OBV。隔日指数或股票下跌,则基期OBV减去本日成交量为本日OBV
例子:obv = OBV(close, volume)

由于篇幅有限,技术分析指标不能在此充分介绍,可以参考talib官方文档

如何使用:MA实例

  • 已知MA这个函数的调用方式为:ma = MA(close, timeperiod=30, matype=0)

  • close表示收盘价序列,timeperiod指定义好均线的计算长度即几日均线,不输入的话,默认为30日, matype可以默认不用输入,然后就可以得到均线的值

  • 因此简单来讲,只取获取收盘价,就可以轻松计算移动平均值

下面以平安银行(000001.SZA)为例进行说明:

# 获取数据
df = D.history_data(['000001.SZA'],'2015-12-01','2016-02-20',
                    fields=['date','close']).set_index('date')
# 通过rolling_mean函数计算移动平均值(方法1)
df['MA10_rolling'] = pd.rolling_mean(df['close'],10)
# 将价格数据转化成float类型
close = [float(x) for x in df['close']]
# 通过talib计算移动平均值(方法2)
df['MA10_talib'] = talib.MA(np.array(close), timeperiod=10) 
# 检查两种方法计算结果是否一致
df.tail(12)

计算结果如下所示:

我们就这样跟方便的计算出了移动平均线的值,接下来我们计算下稍微复杂一点的EMA和MACD

# 调用talib计算6日指数移动平均线的值
df['EMA12'] = talib.EMA(np.array(close), timeperiod=6)  
df['EMA26'] = talib.EMA(np.array(close), timeperiod=12)   
 # 调用talib计算MACD指标
df['MACD'],df['MACDsignal'],df['MACDhist'] = talib.MACD(np.array(close),
                            fastperiod=6, slowperiod=12, signalperiod=9)   
df.tail(12)

补充说明一下,close是收盘价,timeperiod指的是指数移动平均线EMA的长度,fastperiod指更短时段的EMA的长度,slowperiod指更长时段的EMA的长度,signalperiod指DEA长度

可以看到,talib模块可以很方便地帮助我们计算技术分析指标。

4.策略实战:MACD策略

  • 当macd下穿signal时,卖出股票

  • 当macd上穿signal时,买入股票

完整的策略我贴在下面,小伙伴们赶紧 克隆下面的策略练手吧:slight_smile:

克隆策略

技术分析指标策略: 基于MACD指标

1. 策略参数

In [1]:
import talib
instruments = ['000651.SZA'] #以格力电器为例
start_date = '2010-09-16'# 起始时间    
end_date = '2017-11-08' # 结束时间

2. 策略主体

In [2]:
def initialize(context):
   
    context.set_commission(PerDollar(0.0015)) # 手续费设置
    # 需要设置计算MACD的相关参数参数
    context.short = 12
    context.long = 26
    context.smoothperiod = 9
    context.observation = 100
    
    
def handle_data(context, data):
    
 
    if context.trading_day_index < 100: # 在100个交易日以后才开始真正运行 
        return
    
    sid = context.symbol(instruments[0])
    # 获取价格数据
    prices = data.history(sid, 'price', context.observation, '1d')
    # 用Talib计算MACD取值,得到三个时间序列数组,分别为macd, signal 和 hist
    macd, signal, hist = talib.MACD(np.array(prices), context.short,
                                    context.long, context.smoothperiod)
 
    # 计算现在portfolio中股票的仓位
    cur_position = context.portfolio.positions[sid].amount
    
    # 策略逻辑
    # 卖出逻辑 macd下穿signal
    if macd[-1] - signal[-1] < 0 and macd[-2] - signal[-2] > 0:
        # 进行清仓
        if cur_position > 0 and data.can_trade(sid):
            context.order_target_value(sid, 0)

    # 买入逻辑  macd上穿signal
    if macd[-1] - signal[-1] > 0 and macd[-2] - signal[-2] < 0:
        # 买入股票
        if cur_position == 0 and data.can_trade(sid):
            context.order_target_percent(sid, 1)

3. 回测接口

In [3]:
m=M.trade.v3( 
    instruments=instruments,
    start_date=start_date,
    end_date=end_date,
    initialize=initialize,
    handle_data=handle_data,
    order_price_field_buy='open',
    order_price_field_sell='open',
    capital_base=float("1.0e6"),
    benchmark='000300.INDX',
)
[2017-11-09 12:45:28.828775] INFO: bigquant: backtest.v7 开始运行..
[2017-11-09 12:45:28.833329] INFO: bigquant: 命中缓存
  • 收益率91.68%
  • 年化收益率9.92%
  • 基准收益率38.95%
  • 阿尔法0.05
  • 贝塔0.33
  • 夏普比率0.24
  • 收益波动率23.34%
  • 信息比率0.19
  • 最大回撤35.74%
[2017-11-09 12:45:30.826215] INFO: bigquant: backtest.v7 运行完成[1.997442s].

请教LLV和HHV如何编写
社区干货与精选整理(持续更新中...)
拿macd的模板改成KD之后没有收益率?
(abrahamren) #2

非常有用,3Q


(QuanterLi) #3

很好用的模板!!