Closed wangyajieI closed 1 year ago
天神及在座的各位大神好： quantaxis python版后期将QAStrategy merge到quantaxis工程了，但是好像没有回测示例。近期在聚宽上看到“基于RSRS的ETF轮动策略”此策略，由于其核心理念是多ETF轮动选最强，相对单一股票指标来说较为不同，天神及各位大佬是否有时间用quantaxis实现一下，相信是给广大入门同学一个非常不错的参考案例🎁 聚宽代码敬上：
# 克隆自聚宽文章：https://www.joinquant.com/post/38643 # 标题：ETF轮动策略升级-增加类别-低回撤 # 作者：长鸿 # 克隆自聚宽文章：https://www.joinquant.com/post/35959 # 标题：ETF轮动策略升级-多类别-低回撤 # 作者：宋兵乙 #修改几个ETF # 调整为每日收盘后运行计算交易信号，第二个交易日进行交易 from jqdata import * import pandas as pd import talib as ta import smtplib from email.header import Header from email.mime.text import MIMEText import prettytable as pt def initialize(context): g.purchases = [] g.sells = [] # 设置交易参数 set_params() set_option("avoid_future_data", True) set_option('use_real_price', True) # 用真实价格交易 set_benchmark('000300.XSHG') log.set_level('order', 'error') # # 将滑点设置为0,表示成交价等于委托价 set_slippage(FixedSlippage(0)) # 手续费: 采用系统默认设置 # open_tax、close_tax 买入和卖出印花税，基金与期货不收 # open_commission、open_commission 买入和卖出时佣金 set_order_cost(OrderCost(open_tax=0, close_tax=0, \ open_commission=0.00015, close_commission=0.00015,\ close_today_commission=0, min_commission=0), type='stock') # 开盘前运行 # 计算出符合交易日期的基金symbol,此方案采用均线，因此就是在回溯13日（短期均线日期）之前上市的基金和股票集合 run_daily(before_market_open, time='21:00', reference_security='000300.XSHG') # 21:00 计算交易信号 run_daily(get_signal, time='21:00') # 9:35 进行交易 run_daily(ETF_trade, time='9:32') # 设置参数 def set_params(): g.target_market = '000300.XSHG' g.moment_period = 13 # 计算行情趋势的短期均线 g.ma_period = 10 # 计算行情趋势的长期均线 g.type_num = 5 # 品种数量 g.ETF_targets = { # # A股指数ETF '000300.XSHG':'510300.XSHG', # 沪深300 '399006.XSHE':'159915.XSHE', # 创业板 '512690.XSHG':'512690.XSHG', # 酒ETF '512480.XSHG':'512480.XSHG', # 半导体ETF '515700.XSHG':'515700.XSHG', # 新能车ETF '512760.XSHG':'515760.XSHG', # 芯片ETF '516780.XSHG':'516780.XSHG', # 稀土ETF '512220.XSHG':'512220.XSHG', # 煤炭ETF '516880.XSHG':'516880.XSHG', # 光伏50ETF '515210.XSHG':'515210.XSHG', # 钢铁ETF '512880.XSHG':'512880.XSHG', # 证券ETF '513050.XSHG':'513050.XSHG', # 中概互联ETF '512660.XSHG':'512660.XSHG', # 军工ETF '159992.XSHE':'159992.XSHE', # 创新药ETF '588050.XSHG':'588050.XSHG', # 科创ETF # # 国际期货 '518880.XSHG':'518880.XSHG', # 黄金ETF '161226.XSHE':'161226.XSHE', # 白银基金 # # 国内期货 '159985.XSHE':'159985.XSHE', # 豆粕ETF '159981.XSHE':'159981.XSHE', # 能源化工ETF '159980.XSHE':'159980.XSHE', # 有色期货 # # 全球股指 '513100.XSHG':'513100.XSHG', # 纳斯达克ETF '513030.XSHG':'513030.XSHG', # 德国ETF '513520.XSHG':'513520.XSHG', # 日经ETF '164824.XSHE':'164824.XSHE', # 印度基金 } # A股指数 g.local_stocks = [ '510300.XSHG', # 沪深300 '159915.XSHE', # 创业板 '512690.XSHG', # 酒ETF '512480.XSHG', # 半导体ETF '515700.XSHG', # 新能车ETF '515760.XSHG', # 芯片ETF '516780.XSHG', # 稀土ETF '512220.XSHG', # 煤炭ETF '516880.XSHG', # 光伏50ETF '515210.XSHG', # 钢铁ETF '512880.XSHG', # 证券ETF #'513050.XSHG', # 中概互联ETF '512660.XSHG', # 军工ETF '159992.XSHE', # 创新药ETF '588050.XSHG', # 科创ETF ] # 全球股指 g.global_stocks = [ '513100.XSHG', # 纳斯达克ETF '164824.XSHE', # 印度基金 '513030.XSHG', # 德国ETF '513520.XSHG', # 日经ETF ] # 国内期货 g.local_futures = [ '159980.XSHE', # 有色期货 '159981.XSHE', # 能源化工ETF '159985.XSHE', # 豆粕ETF ] # 全球期货 g.global_futures = [ '161226.XSHE', # 白银基金 '518880.XSHG', # 黄金ETF # '501018.XSHG', # 南方原油 # '180101', # 蛇口产业园 # '180301', # 盐田港REITs # '180801', # 绿能REITs # '180201', # 广州广河REITs # '184801', ] # 打印品种上市信息 stocks_info = "\n股票池:\n" for security in g.ETF_targets.values(): s_info = get_security_info(security) stocks_info += "【%s】%s 上市日期:%s\n" % (s_info.code, s_info.display_name, s_info.start_date) log.info(stocks_info) def get_before_after_trade_days(date, count, is_before=True): """ 来自： https://www.joinquant.com/view/community/detail/c9827c6126003147912f1b47967052d9?type=1 date :查询日期 count : 前后追朔的数量 is_before : True , 前count个交易日 ; False ,后count个交易日 返回 : 基于date的日期, 向前或者向后count个交易日的日期 ,一个datetime.date 对象 """ all_date = pd.Series(get_all_trade_days()) if isinstance(date, str): date = datetime.datetime.strptime(date, '%Y-%m-%d').date() if isinstance(date, datetime.datetime): date = date.date() if is_before: return all_date[all_date <= date].tail(count).values[0] else: return all_date[all_date >= date].head(count).values[-1] def before_market_open(context): # 确保交易标的已经上市g.moment_period个交易日以上 yesterday = context.previous_date list_date = get_before_after_trade_days(yesterday, g.moment_period+1) # 今天的前g.moment_period个交易日的日期 g.ETFList = {} #筛选品种，将上时间不足的品种排除 #返回所有的股票/基金信息 # code play-name name start-date end-date type # 000001 平安银行 PAYH 1991-04-03 9999-01-01 stock all_funds = get_all_securities(types='fund', date=yesterday) # 上个交易日之前上市的所有基金 for idx in g.ETF_targets: symbol = g.ETF_targets[idx] # symbol 是可交易的基金品种。example: 510300.XSHG if symbol in all_funds.index: if all_funds.loc[symbol].start_date <= list_date: # 对应的基金也已经在要求的日期前上市 g.ETFList[idx] = symbol # 则列入可交易对象中 return # 每日交易时 def ETF_trade(context): # 1. 卖出 if len(g.sells)>0: for code in g.sells: log.info("卖出: %s" % code) order_target(code, 0) # 2. 买入 if len(g.purchases)>0: for code in g.purchases: log.info('买入: %s' % code) order_target(code,g.df_etf[g.df_etf['基金代码'] == code]['股数'].values) # 获取信号 def ma14_signal(security,etf_name,total_value,price_data): ''' 收盘价在13日均线以上，且 ''' # 今日收盘价 price_data_14=price_data[-14:] now_close = price_data_14['close'][-1] # exap: 0.914 # g.moment_period日前收盘价 previous_close = price_data_14['close'][-g.moment_period] # exap:0.849 # 计算均线 ''' price_data.close.values 是一个14天的array array([0.849, 0.849, 0.864, 0.888, 0.886, 0.886, 0.886, 0.911, 0.915, 0.912, 0.905, 0.892, 0.923, 0.914]) ''' ma13_filter = ta.MA(price_data_14.close.values, g.ma_period)[-1] # 只取最近（含当日）10天的均线值 # ma_filter: 0.89469231 # 计算动量 # 均线状态 均线涨幅=收盘价-13日移动均线 ma_status = now_close - ma13_filter # 均线涨幅 （当日收盘价-前一日收盘价）/前一日收盘价 moment = (now_close - previous_close)/previous_close * 100 # 计算持仓数量 amount = int(total_value / now_close / g.type_num /100)*100 g.df_etf = g.df_etf.append({'基金代码': security, '基金名称': etf_name, '涨幅': moment, '均线状态': ma_status, '股数': amount, }, ignore_index=True) def get_signal(context): # 创建保持计算结果的DataFrame # df_etf 当前持仓状态 g.df_etf = pd.DataFrame(columns=['基金代码', '基金名称','涨幅','均线状态','股数']) g.df_local_stocks = pd.DataFrame(columns=['基金代码', '基金名称','涨幅','均线状态','股数']) g.df_global_stocks = pd.DataFrame(columns=['基金代码', '基金名称','涨幅','均线状态','股数']) g.df_local_futures = pd.DataFrame(columns=['基金代码', '基金名称','涨幅','均线状态','股数']) g.df_global_futures = pd.DataFrame(columns=['基金代码', '基金名称','涨幅','均线状态','股数']) # 获取账户当前的资金 total_value = context.portfolio.total_value current_data = get_current_data() # get_current_data：获取当前单位时间（当天/当前分钟）的涨跌停价, 是否停牌，当天的开盘价等 print("\n总资产:{:.2f}万".format(context.portfolio.total_value/10000)) # 获取当前时间 current_time = context.current_dt # for 循环计算当日每只基金的涨幅，并打印出来 for mkt_idx in g.ETFList: security = g.ETFList[mkt_idx] # 指数对应的基金 # get_security_info： 获取单个标的的信息 etf_name = get_security_info(security).display_name # etf_name example: '纳指ETF' # 获取股票现价 # frequency=1d 表示时间单位是一天 # g.moment_period表示短期均线时间（13天） # count 与start_date二选一，指定后表示返回end_date之前count个frequency的数据， # 此 price_data 表示获取 security 股票 当天前13天的日线数据 price_data = get_price(security, end_date=current_time, frequency='1d', fields=['close','high','low'], count=g.moment_period*10) ''' price_date: close high low 2022-07-26 0.849 0.851 0.846 2022-07-27 0.849 0.852 0.845 2022-07-28 0.864 0.868 0.864 2022-07-29 0.888 0.888 0.884 ''' ma14_signal(security,etf_name,total_value,price_data) g.df_etf.sort_values(by='涨幅' ,axis=0, ascending=False, inplace=True) tb = pt.PrettyTable() #添加列数据 tb.add_column('Index',g.df_etf.index) tb.add_column('ETF Code',list(g.df_etf['基金代码'])) tb.add_column('Name',list(g.df_etf['基金名称'])) tb.add_column('Moment',list(g.df_etf['涨幅'].values.round(2))) tb.add_column('Ma_Status',list(g.df_etf['均线状态'].values.round(2))) tb.add_column('Amount',list(g.df_etf['股数'])) log.info('\n行情统计: \n%s' % tb) # 根据涨幅和均线状态筛选品种 g.df_etf_buy = g.df_etf.copy() # # 均线上涨的就是目标买入的etf g.df_etf_buy = g.df_etf_buy[g.df_etf_buy['均线状态'] > 0].head(3) # g.df_etf_buy =s # 均线上涨的就是目标买入的etf print(g.df_etf_buy) # 根据品种类别分为不同的DataFrame g.df_local_stocks = g.df_etf_buy.loc[g.df_etf_buy['基金代码'].isin(g.local_stocks)] g.df_global_stocks = g.df_etf_buy.loc[g.df_etf_buy['基金代码'].isin(g.global_stocks)] g.df_local_futures = g.df_etf_buy.loc[g.df_etf_buy['基金代码'].isin(g.local_futures)] g.df_global_futures = g.df_etf_buy.loc[g.df_etf_buy['基金代码'].isin(g.global_futures)] # 现在持仓的 g.holdings = set(context.portfolio.positions.keys()) # g.targets = [] g.targets = g.df_etf_buy['基金代码'].tolist() print(g.targets) ''' # 只买入当天比13日前涨，且涨幅最大的 if len(g.df_local_stocks) > 0: g.targets.append(g.df_local_stocks.iloc[0]['基金代码']) # if len(g.df_local_stocks) > 1: # g.targets.append(g.df_local_stocks.iloc[1]['基金代码']) # for i in range(0,len(g.df_local_stocks)): # g.targets.append(g.df_local_stocks.iloc[i]['基金代码']) if len(g.df_global_stocks) > 0: g.targets.append(g.df_global_stocks.iloc[0]['基金代码']) if len(g.df_local_futures) > 0: g.targets.append(g.df_local_futures.iloc[0]['基金代码']) if len(g.df_global_futures) > 0: g.targets.append(g.df_global_futures.iloc[0]['基金代码']) ''' content = '交易计划：\n' # 不在当天买入计划持仓基金，都卖出 g.sells = [i for i in g.holdings if i not in (g.targets)] # 买入持仓外的目标基金 g.purchases = [i for i in g.targets if i not in (list(g.holdings))] # 1. 卖出不在targets中的 if len(g.sells)>0: df_sells = g.df_etf.loc[g.df_etf['基金代码'].isin(g.sells)] tb = pt.PrettyTable() #添加列数据 # tb.add_column('Index',df_sells.index) tb.add_column('ETF Code',list(df_sells['基金代码'])) tb.add_column('Name',list(df_sells['基金名称'])) str_more = '\n计划卖出: \n' + str(tb) content = content + str_more log.info(str_more) send_message(str_more) # 发送微信消息给客户 if len(g.purchases)>0: df_purchase = g.df_etf.loc[g.df_etf['基金代码'].isin(g.purchases)] tb = pt.PrettyTable() #添加列数据 tb.add_column('Index',df_purchase.index) tb.add_column('ETF Code',list(df_purchase['基金代码'])) tb.add_column('Diaplay Name',list(df_purchase['基金名称'])) tb.add_column('Amount',list(df_purchase['股数'])) str_more = '\n计划买入：\n' + str(tb) content = content + str_more log.info(str_more) send_message(str_more) if (len(g.sells) == 0) and (len(g.purchases) == 0): str_more = '\n无交易计划: \n' content = content + str_more log.info('\n无交易计划: \n') send_message('\n无交易计划: \n') title = str(current_time)[:10] + '_ETF_轮动交易计划' # sendEmail(title, content) return `
已解决。closed
wangyajieI
commented
1 year ago wangyajieI
commented
1 year ago
天神及在座的各位大神好： quantaxis python版后期将QAStrategy merge到quantaxis工程了，但是好像没有回测示例。近期在聚宽上看到“基于RSRS的ETF轮动策略”此策略，由于其核心理念是多ETF轮动选最强，相对单一股票指标来说较为不同，天神及各位大佬是否有时间用quantaxis实现一下，相信是给广大入门同学一个非常不错的参考案例🎁 聚宽代码敬上：