菲阿里四价
1. 原理
菲阿里四价同R Breaker一样，也是一种日内策略交易，适合短线投资者。
菲阿里四价指的是：昨日高点、昨日低点、昨天收盘、今天开盘四个价格。
菲阿里四价上下轨的计算非常简单。昨日高点为上轨，昨日低点为下轨。当价格突破上轨时，买入开仓；当价格突破下轨时，卖出开仓。
2. 策略逻辑
第一步：获取昨日最高价、最低价、收盘价、开盘价四个数据。
第二步：计算上轨和下轨。当价格上穿上轨时，买入开仓；当价格下穿下轨时，卖出开仓。
第三步：当日平仓。
回测标的：SHFE.rb2010
回测期：2020-02-07 至 2020-04-15
回测初始资金：200万
注意：若修改回测期，需要修改对应的回测标的。
3. 策略代码
# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *
"""
上轨=昨日最高点；
下轨=昨日最低点；
止损=今日开盘价;
如果没有持仓，且现价大于了昨天最高价做多，小于昨天最低价做空。
如果有多头持仓，当价格跌破了开盘价止损。
如果有空头持仓，当价格上涨超过开盘价止损。
选取 进行了回测。
注意：
1：为回测方便，本策略使用了on_bar的一分钟来计算，实盘中可能需要使用on_tick。
2：实盘中，如果在收盘的那一根bar或tick触发交易信号，需要自行处理，实盘可能不会成交。
"""
def init(context):
# 设置标的
context.symbol = 'SHFE.rb2010'
# 订阅一分钟线
subscribe(symbols = context.symbol,frequency = '60s',count = 1)
# 记录开仓次数，保证一天只开仓一次
context.count = 0
# 记录当前时间
time = context.now.strftime('%H:%M:%S')
# 如果当前时间点是交易时间段，则直接执行algo获取历史数据，以防直接进入on_bar()导致context.history_data未定义
if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
algo(context)
# 如果是非交易时间段，等到上午9点或晚上21点再执行algo()
schedule(schedule_func = algo, date_rule = '1d', time_rule = '09:00:00')
schedule(schedule_func = algo, date_rule = '1d', time_rule = '21:00:00')
def algo(context):
# 获取历史的n条信息
context.history_data = history_n(symbol=context.symbol, frequency = '1d', end_time = context.now,
fields='symbol,open,high,low',count=2, df=True)
def on_bar(context,bars):
# 取出订阅的一分钟bar
bar = bars[0]
# 提取数据
data = context.history_data
# 现有持仓情况
position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
# 如果是回测模式
if context.mode == 2:
# 开盘价直接在data最后一个数据里取到,前一交易日的最高和最低价为history_data里面的倒数第二条中取到
open = data.loc[1, 'open']
high = data.loc[0, 'high']
low = data.loc[0, 'low']
# 如果是实时模式
else:
# 开盘价通过current取到
open = current(context.symbol)[0]['open']
# 实时模式不会返回当天的数据，所以history_data里面的最后一条数据是前一交易日的数据
high = data.loc[-1, 'high']
low = data.loc[-1, 'low']
# 交易逻辑部分
if position_long: # 多头持仓小于开盘价止损。
if bar.close < open:
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
order_type=OrderType_Market, position_effect=PositionEffect_Close)
print('以市价单平多仓')
elif position_short: # 空头持仓大于开盘价止损。
if bar.close > open:
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
order_type=OrderType_Market, position_effect=PositionEffect_Close)
print('以市价单平空仓')
else: # 没有持仓。
if bar.close > high and not context.count: # 当前的最新价大于了前一天的最高价
# 开多
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
print('以市价单开多仓')
context.count = 1
elif bar.close < low and not context.count: # 当前最新价小于了前一天的最低价
# 开空
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
print('以市价单开空仓')
context.count = 1
# 每天收盘前一分钟平仓
if context.now.hour == 14 and context.now.minute == 59:
order_close_all()
print('全部平仓')
context.count = 0
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='2020-01-01 15:00:00',
backtest_end_time='2020-09-01 16:00:00',
backtest_adjust=ADJUST_PREV,
backtest_initial_cash=100000,
backtest_commission_ratio=0.0001,
backtest_slippage_ratio=0.0001)4. 回测结果与稳健性分析
设定初始资金10万，手续费率为0.01%，滑点比率为0.01%。回测结果如图所示：
回测期累计收益率为-4.05%，年化收益率为-6.03%。沪深300指数收益率为16.61%，整体跑输指数。最大回撤为4.34%，胜率为25.66%。
为了验证策略的稳健性，更改标的，回测结果如下：
由上表可以看出，随着品种的变化，策略的收益变化差异较大。ag2010的收益率能达到38.03%，但ni2010的收益仅为-22.46%。对于rb2010，随着回测期的变化，年化收益率均为负值，收益较不稳定。
评论 (0)