WeQuant交易策略—EMA指标
策略名称:EMA指标策略
关键词:指数移动平均、双均线、动态止损。
方法:
1)用快慢两条指数移动平均线的交叉作为买入卖出信号;
2)快线自下而上穿过慢线,买入;自上而下穿过慢线,卖出;
3)持仓期间计算净值的回撤,当回撤大于预设值时,全仓卖出止损,等待下一次入场信号
# !/usr/bin/env python
# -*- coding: utf-8 -*-
# 策略代码总共分为三大部分,1)PARAMS变量 2)initialize函数 3)handle_data函数
# 请根据指示阅读。或者直接点击运行回测按钮,进行测试,查看策略效果。
# 策略名称:EMA指标策略
# 关键词:指数移动平均、双均线、动态止损。
# 方法:
# 1)用快慢两条指数移动平均线的交叉作为买入卖出信号;
# 2)快线自下而上穿过慢线,买入;自上而下穿过慢线,卖出;
# 3)持仓期间计算净值的回撤,当回撤大于预设值时,全仓卖出止损,等待下一次入场信号
import talib
# 阅读1,首次阅读可跳过:
# PARAMS用于设定程序参数,回测的起始时间、结束时间、滑点误差、初始资金和持仓。
# 可以仿照格式修改,基本都能运行。如果想了解详情请参考新手学堂的API文档。
PARAMS = {
"start_time": "2017-02-01 00:00:00",
"end_time": "2017-08-01 00:00:00",
"slippage": 0.003, # 此处“slippage"包含佣金(千二)+交易滑点(千一)
"account_initial": {"huobi_cny_cash": 100000,
"huobi_cny_btc": 0},
}
# 阅读2,遇到不明白的变量可以跳过,需要的时候回来查阅:
# initialize函数是两大核心函数之一(另一个是handle_data),用于初始化策略变量。
# 策略变量包含:必填变量,以及非必填(用户自己方便使用)的变量
def initialize(context):
# 设置回测频率, 可选:'1m', '5m', '15m', '30m', '60m', '1d', '1w', '1M', '1y'
context.frequency = "15m"
# 设置回测基准, 比特币:'huobi_cny_btc', 莱特币:'huobi_cny_ltc', 以太坊:'huobi_cny_eth'
context.benchmark = "huobi_cny_btc"
# 设置回测标的, 比特币:'huobi_cny_btc', 莱特币:'huobi_cny_ltc', 以太坊:'huobi_cny_eth'
context.security = "huobi_cny_btc"
# EMA快线回看时间
context.user_data.ema_fast_window = 5
# EMA慢线回看时间
context.user_data.ema_slow_window = 20
# 设置回撤止损线 (%)。 如设置为5,则当回撤大于等于5%时,止损退出
context.user_data.stop_loss_line = 10
# 记录净值的最大值,用于计算持仓的回撤,判断是否应该止损。每次止损或者全仓卖出后,会被设置为None,重新计算
context.user_data.max_net = None
# 阅读3,策略核心逻辑:
# handle_data函数定义了策略的执行逻辑,按照frequency生成的bar依次读取并执行策略逻辑,直至程序结束。
# handle_data和bar的详细说明,请参考新手学堂的解释文档。
def handle_data(context):
# 买入信号
long_signal_triggered = False
# 卖出信号
short_signal_triggered = False
# 止损信号
stop_loss_signal_triggered = False
# 更新净值最大值
if context.user_data.max_net is None:
context.user_data.max_net = context.account.huobi_cny_net
else:
if context.user_data.max_net < context.account.huobi_cny_net:
context.user_data.max_net = context.account.huobi_cny_net
# 计算当前回撤
current_draw_down = (1 - context.account.huobi_cny_net / context.user_data.max_net) * 100
context.log.info("当前回撤为 %.2f%%, 止损线为 %.2f%%" % (current_draw_down, context.user_data.stop_loss_line))
# 当前回撤大于止损线,则产生卖出止损信号
if current_draw_down > context.user_data.stop_loss_line:
context.log.info("已经触发止损线,全仓卖出止损,等待下一次买入信号")
stop_loss_signal_triggered = True
# 获取历史数据
hist = context.data.get_price(context.security, count=context.user_data.ema_slow_window+1, frequency=context.frequency)
if len(hist.index) < context.user_data.ema_slow_window:
context.log.warn("bar的数量不足, 等待下一根bar...")
return
# 收盘价
close_prices = hist["close"].values
# 计算EMA值
ema_fast = talib.EMA(close_prices, context.user_data.ema_fast_window)
ema_slow = talib.EMA(close_prices, context.user_data.ema_slow_window)
# 当前快线EMA
current_ema_fast = ema_fast[-1]
# 当前慢线EMA
current_ema_slow = ema_slow[-1]
# 前一个bar的快线EMA
pre_ema_fast = ema_fast[-2]
# 前一个bar的慢线EMA
pre_ema_slow = ema_slow[-2]
context.log.info("当前EMA 快线 = %.2f, 慢线 = %.2f; 前一个bar EMA 快线 = %.2f, 慢线 = %.2f" % (current_ema_fast, current_ema_slow, pre_ema_fast, pre_ema_slow))
# EMA快线从下向上穿过EMA慢线时,产生买入信号
if pre_ema_fast <= pre_ema_slow and current_ema_fast > current_ema_slow:
context.log.info("EMA快线从下向上穿过EMA慢线时,产生买入信号")
long_signal_triggered = True
# EMA快线从上向下穿过EMA慢线时,产生卖出信号
elif pre_ema_fast >= pre_ema_slow and current_ema_fast < current_ema_slow:
context.log.info("EMA快线从上向下穿过EMA慢线时,产生卖出信号")
short_signal_triggered = True
# 有卖出信号,且持有仓位,则市价单全仓卖出
if short_signal_triggered or stop_loss_signal_triggered:
if context.account.huobi_cny_btc >= HUOBI_CNY_BTC_MIN_ORDER_QUANTITY:
context.user_data.max_net = None
# 卖出信号,且不是空仓,则市价单全仓清空
context.log.info("正在卖出 %s" % context.security)
context.log.info("卖出数量为 %s" % context.account.huobi_cny_btc)
context.order.sell(context.security, quantity=str(context.account.huobi_cny_btc))
else:
context.log.info("仓位不足,无法卖出")
# 有买入信号,且持有现金,则市价单全仓买入
elif long_signal_triggered:
if context.account.huobi_cny_cash >= HUOBI_CNY_BTC_MIN_ORDER_CASH_AMOUNT:
# 买入信号,且持有现金,则市价单全仓买入
context.log.info("正在买入 %s" % context.security)
context.log.info("下单金额为 %s 元" % context.account.huobi_cny_cash)
context.order.buy(context.security, cash_amount=str(context.account.huobi_cny_cash))
else:
context.log.info("现金不足,无法下单")
else:
context.log.info("无交易信号,进入下一根bar")
15m

30m

60m
exception?
4h

1d

WeQuant交易策略—EMA指标的更多相关文章
- WeQuant交易策略—网格交易
网格交易策略(Grid Trading) 策略介绍 网格策略本质上是一种低吸高抛的策略.标的物价格越低,吸纳的头寸越多:标的物价格越高,卖出的头寸越多.网格策略巧妙地借鉴了日常生活中渔翁撒网扑鱼的思路 ...
- WeQuant交易策略—KDJ
KDJ随机指标策略策略介绍KDJ指标又叫随机指标,是一种相当新颖.实用的技术分析指标,它起先用于期货市场的分析,后被广泛用于股市的中短期趋势分析,是期货和股票市场上最常用的技术分析工具.随机指标KDJ ...
- WeQuant交易策略—MACD
MACD(指数平滑异同平均线)策略简介MACD指标应该是大家最常见的技术指标,在很多股票.比特币的软件中都是默认显示的.MACD是从双指数移动平均线发展而来的.意义和双移动平均线基本相同,即由快.慢均 ...
- WeQuant交易策略—EMV
EMV指标策略 简介 EMV(Ease of Movement Value, 简易波动指标),它是由RichardW.ArmJr.根据等量图和压缩图的原理设计而成, 目的是将价格与成交量的变化结合成一 ...
- WeQuant交易策略—ATR
ATR(真实波幅均值)策略 策略介绍 ATR(average true range,真实波幅均值),是用来衡量一段时间内价格的真实的平均波动范围,ATR不是一个领先指标,但是它测量最重要的市场参数之一 ...
- WeQuant交易策略—RSI
RSI指标策略 策略介绍 RSI(相对强弱指标),是通过一段时期内的平均收盘上涨和下跌数,计算价格上涨所产生的波动占整个波动的百分比,来分析市场买卖盘的意向和实力. 计算公式(以日为单位举例) RSI ...
- WeQuant交易策略—BOLL
BOLL(布林线指标)策略 简介 BOLL(布林线)指标是技术分析的常用工具之一,由美国股市分析家约翰•布林根据统计学中的标准差原理设计出来的一种非常简单实用的技术分析指标.一般而言,价格的运动总是围 ...
- WeQuant交易策略—Chaikin A/D
策略名称:AD指标策略 多空双方力量浮标- AD(Chaikin A/D线)策略关键词:ChaikinA/D线.多空对比.AD指标是一种非常流行的平横交易量指标, 用于估定一段时间内该证券累积的资金流 ...
- WeQuant交易策略—NATR
策略名称:NATR策略关键词:规范真实波幅.价格突破. NATR,是对ATR指标进行了标准化.主要应用于了解价格的震荡幅度和节奏,在窄幅整理行情中用于寻找突破时机.本策略在当前价格高于之前价格一定倍数 ...
随机推荐
- 关于github 0.6.2版本的使用方法
貌似做为一名前端开发人员,没听过使用过github,node,vue就像落伍一样,本人也是在前端自摸自爬的路上越走越远了,经常在群里听大神们讨论vue,github,node,好生羡慕,没人教,没人带 ...
- 怎么调试nodejs restful API 以及API的Authorization
最近Nodejs,python越来越火了,同时也越来越多的人在用node写服务,可是怎么去调试服务呢?以及当你一个服务发布出去,怎么保证其安全性呢? 环境:linux unbuntu 语言:nodej ...
- Win7 JBOSS的下载安装、环境变量配置以及部署
1. 下载安装 http://jbossas.jboss.org/downloads/ 我下载的是:JBoss AS7.1.1.Final 2. 解压安装包 D:\Java\jboss-as-7.1 ...
- 在Docker Hub上查找可用的Image映像
任何人都可以创建Docker Image映像,你可以浏览Docker Hub来查找这些Image映像. 定位Whalesay 映像 打开你的浏览器,浏览Docker Hub: Docker Hub包含 ...
- nyoj_6:喷水装置(一)
要让总的使用到的装置数尽可能少,则可以贪心每次选取未使用的半径最大的装置 题目链接: http://acm.nyist.net/JudgeOnline/problem.php?pid=6 #inclu ...
- (转)PLSQL Developer导入Excel数据
场景:近来在做加班记录的统计,主要是统计Excel表格中的时间,因为我对于Excel表格的操作不是很熟悉,所以就想到把表格中的数据导入到数据库中,通过脚本语言来统计,就很方便了!但是目前来看,我还没有 ...
- (转)Centos搭建FTP服务器
场景:ftp服务器对于在Linux服务器上进行文件操作太方便,在安装软件时候,大的软件也可以先上传再进行安装! 1 搭建FTP服务器 1.1 检查vsftpd 查看是否已经安装vsftpd rpm - ...
- HTML5 开发APP(打开相册以及图片上传)
我们开发app,常常会遇到让用户上传文件的功能.比如让用户上传头像.我公司的业务要求是让用户上传支付宝收款二维码,来实现用户提现的功能.想要调用相册要靠HTML Plus来实现.先上效果图 基本功能是 ...
- webpack2 项目
webpack2 项目 实例gif图: 目录截图: 目录介绍: dist目录(最后生成的目录,里面文件为配置webpack自动生成的): c/:css文件夹; i/:img文件夹; j/:js文件 ...
- [补档]从OI学麻将
背景 作为一名川娃子,怎么能不懂麻将呢= = T1 さきなに~~ [咲 -Saki-] 天才麻将少女什么编 题目 二十一世纪,世界上的麻将竞技人数超过一亿,日本每年也有大规模的全国大赛来对麻将选手进行 ...