量化平台量化策略如何编写？

哈喽，大家好，刚接触量化平台的小伙伴们知道自己的策略思路，不知道如何下手编写，今天招财猫就给大家来看下简单的几个策略的编写，大家也好下手如何去写策略了！

比如说网格交易（期货交易）示例

#coding:gbk

#在期货的1min线下运行

'''

回测模型示例（非实盘交易策略）

本策略首先计算了过去300个价格数据的均值和标准差

并根据均值加减标准差得到网格的区间分界线,

并分别配以0.3和0.5的仓位权重

然后根据价格所在的区间来配置仓位(+/-40为上下界,无实际意义):

(-40,-3],(-3,-2],(-2,2],(2,3],(3,40](具体价格等于均值+数字倍标准差)

[0.25, 0.15, 0.0, 0.15, 0.25](资金比例)

'''

import numpy as np

import pandas as pd

import time

import datetime

def init(ContextInfo):

   #设置图为标的

   ContextInfo.tradefuture = ContextInfo.stockcode+"."+ContextInfo.market

   ContextInfo.set_universe([ContextInfo.tradefuture])

   print(ContextInfo.get_universe())

   ContextInfo.timeseries = pd.DataFrame()

   ContextInfo.band = np.zeros(5)

   #print 'ContextInfo.band',ContextInfo.band

   # 设置网格的仓位

   ContextInfo.weight = [0.25, 0.15, 0.0, 0.15, 0.25]

   # 获取多仓仓位

   ContextInfo.position_long = 0

   # 获取孔仓仓位

   ContextInfo.position_short = 0

   #剩余资金

   ContextInfo.surpluscapital = ContextInfo.capital

   #保证金比率

   comdict = ContextInfo.get_commission()

   ContextInfo.marginratio = comdict['margin_ratio']

   #合约乘数

   ContextInfo.multiplier = ContextInfo.get_contract_multiplier(ContextInfo.tradefuture)

   #账号

   ContextInfo.accountid='testF'

   ContextInfo.now_timestamp = time.time()

def handlebar(ContextInfo):

   index = ContextInfo.barpos

   realtimetag  = ContextInfo.get_bar_timetag(index)

   lasttimetag = ContextInfo.get_bar_timetag(index - 1)

   print(timetag_to_datetime(realtimetag, '%Y-%m-%d %H:%M:%S'))

   if ContextInfo.period in ['1m','3m','5m','15m','30m'] and not ContextInfo.do_back_test:

       if (datetime.datetime.fromtimestamp(ContextInfo.now_timestamp) - datetime.datetime.fromtimestamp(realtimetag / 1000)).days > 7:

           return

   starttime = timetag_to_datetime(realtimetag-86400000 * 10, '%Y%m%d%H%M%S')

   endtime = timetag_to_datetime(realtimetag-86400000, '%Y%m%d%H%M%S')

   #print 'starttime,endtime',starttime,endtime

   Result=ContextInfo.get_market_data(['close'],stock_code=[ContextInfo.tradefuture],start_time=starttime,end_time=endtime,skip_paused=False,period=ContextInfo.period,dividend_type='front')

   close_sort = Result['close'].sort_index(axis = 0,ascending = True)

   #print close_sort,starttime,endtime

   #过去300个价格数据的均值和标准差

   Result_mean = close_sort.tail(300).mean()

   Result_std = close_sort.tail(300).std()

   ContextInfo.band = Result_mean + np.array([-40, -3, -2, 2, 3, 40]) * Result_std

   #print 'ContextInfo.band',ContextInfo.band

   if np.isnan(ContextInfo.band).any() or Result_std==0:

       return

   if index > 0:

       lasttimetag = ContextInfo.get_bar_timetag(index - 1)

       #前一根bar收盘价

       close_lastbar = ContextInfo.get_market_data (['close'],stock_code=[ContextInfo.tradefuture],period=ContextInfo.period,dividend_type='front')

       #当前开盘价

       open_currentbar = ContextInfo.get_market_data (['open'],stock_code=[ContextInfo.tradefuture],period=ContextInfo.period,dividend_type='front')

       #划分网格

       #print close_lastbar,ContextInfo.band

       grid = pd.cut([close_lastbar], ContextInfo.band, labels=[0, 1, 2, 3, 4])[0]

       #print 'grid ',grid

       if not ContextInfo.do_back_test:

           ContextInfo.paint('grid',float(grid),-1,0)

       # 若无仓位且价格突破则按照设置好的区间开仓

       if ContextInfo.position_long == 0 and ContextInfo.position_short == 0 and grid != 2:

           # 大于3为在中间网格的上方,做多

           if grid >= 3 and ContextInfo.surpluscapital > 0 :

               long_num = int(ContextInfo.weight[grid]*ContextInfo.surpluscapital/(ContextInfo.marginratio*close_lastbar*ContextInfo.multiplier))

               ContextInfo.position_long = long_num

               buy_open(ContextInfo.tradefuture,long_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

               ContextInfo.surpluscapital -= long_num * ContextInfo.marginratio * close_lastbar * ContextInfo.multiplier

               #print '开多'

           elif grid <= 1 and ContextInfo.surpluscapital > 0 :

               short_num = int(ContextInfo.weight[grid]*ContextInfo.surpluscapital/(ContextInfo.marginratio*close_lastbar*ContextInfo.multiplier))

               ContextInfo.position_short = short_num

               sell_open(ContextInfo.tradefuture,short_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

               ContextInfo.surpluscapital -= short_num * ContextInfo.marginratio * close_lastbar * ContextInfo.multiplier

               #print '开空'

       # 持有多仓的处理

       elif ContextInfo.position_long > 0 :

           if grid >= 3 and ContextInfo.surpluscapital > 0 :

               targetlong_num = int(ContextInfo.weight[grid] * (ContextInfo.surpluscapital + ContextInfo.multiplier * close_lastbar * ContextInfo.position_long*ContextInfo.marginratio)/ (ContextInfo.marginratio*close_lastbar * ContextInfo.multiplier))

               if targetlong_num > ContextInfo.position_long :

                   trade_num = targetlong_num - ContextInfo.position_long

                   ContextInfo.position_long = targetlong_num

                   buy_open(ContextInfo.tradefuture,trade_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

                   ContextInfo.surpluscapital -= trade_num * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

               elif targetlong_num < ContextInfo.position_long:

                   trade_num = ContextInfo.position_long - targetlong_num

                   ContextInfo.position_long = targetlong_num

                   sell_close_tdayfirst(ContextInfo.tradefuture,trade_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

                   ContextInfo.surpluscapital += trade_num * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

               #print '调多仓到仓位'

               # 等于2为在中间网格,平仓

           elif grid == 2:

               sell_close_tdayfirst(ContextInfo.tradefuture,ContextInfo.position_long,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

               ContextInfo.surpluscapital += ContextInfo.position_long * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

               ContextInfo.position_long = 0

               #print '平多'

           # 小于1为在中间网格的下方,做空

           elif grid <= 1:

               sell_close_tdayfirst(ContextInfo.tradefuture,ContextInfo.position_long,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

               ContextInfo.surpluscapital += ContextInfo.position_long * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

               ContextInfo.position_long = 0

               #print '全平多仓'

               if ContextInfo.surpluscapital > 0 :

                   short_num = int(ContextInfo.weight[grid]*ContextInfo.surpluscapital/(ContextInfo.multiplier * ContextInfo.marginratio * close_lastbar))

                   ContextInfo.position_short = short_num

                   sell_open(ContextInfo.tradefuture,short_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

                   ContextInfo.surpluscapital -= short_num * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

                   #print '开空仓到仓位'

       # 持有空仓的处理

       elif ContextInfo.position_short> 0 :

           # 小于1为在中间网格的下方,做空

           if grid <= 1:

               targetlshort_num = int(ContextInfo.weight[grid]*(ContextInfo.surpluscapital + ContextInfo.multiplier*close_lastbar*ContextInfo.position_short*ContextInfo.marginratio)/(ContextInfo.multiplier * ContextInfo.marginratio * close_lastbar))

               if targetlshort_num > ContextInfo.position_short:

                   trade_num = targetlshort_num - ContextInfo.position_short

                   ContextInfo.position_short = targetlshort_num

                   sell_open(ContextInfo.tradefuture,trade_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

                   ContextInfo.surpluscapital -= trade_num * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

                   #print '开空仓到仓位' ,targetlshort_num

               elif targetlshort_num < ContextInfo.position_short:

                   trade_num = ContextInfo.position_short -  targetlshort_num

                   ContextInfo.position_short = targetlshort_num

                   buy_close_tdayfirst(ContextInfo.tradefuture,trade_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

                   ContextInfo.surpluscapital += trade_num * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

                   #print  '平空仓到仓位' ,targetlshort_num

           # 等于2为在中间网格,平仓

           elif grid == 2:

               buy_close_tdayfirst(ContextInfo.tradefuture,ContextInfo.position_short,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

               ContextInfo.surpluscapital += ContextInfo.position_short * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

               ContextInfo.position_short = 0

               #print '全平空仓'

           # 大于3为在中间网格的上方,做多

           elif grid >= 3:

               buy_close_tdayfirst(ContextInfo.tradefuture,ContextInfo.position_short,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

               ContextInfo.surpluscapital += ContextInfo.position_short * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

               ContextInfo.position_short = 0

               #print  '全平空仓'

               if ContextInfo.surpluscapital > 0 :

                   trade_num = int(ContextInfo.weight[grid]*ContextInfo.surpluscapital / (ContextInfo.marginratio * close_lastbar * ContextInfo.multiplier))

                   ContextInfo.position_long = trade_num

                   buy_open(ContextInfo.tradefuture,trade_num,'fix',close_lastbar,ContextInfo,ContextInfo.accountid)

                   ContextInfo.surpluscapital -= trade_num * close_lastbar * ContextInfo.marginratio * ContextInfo.multiplier

                   #print ' 开多仓到仓位'

   # 获取多仓仓位

   #print 'ContextInfo.position_long',ContextInfo.position_long

   # 获取空仓仓位

   #print 'ContextInfo.position_short',ContextInfo.position_short

   # 获取剩余资金

   #print 'ContextInfo.surpluscapital',ContextInfo.surpluscapital

机器学习回测示例

#coding:gbk

#!/usr/bin/python

"""

回测模型示例（非实盘交易策略）

#单股机器学习模型，在主图下直接运行即可

#模型中以过去15个交易日数据生成特征变量以预测5个交易日后的涨跌，

#特征变量我们选取了平均收盘价，平均成交量，平均最高价，平均最低价，总收益，收盘价的标准差

#训练结束后，回测过程中在每个星期一预测本周五的涨跌，以此为据开仓

"""

import pandas as pd

import numpy as np

import time

from datetime import *

from sklearn import svm

import traceback

def init(ContextInfo):

   ContextInfo.stock = ContextInfo.stockcode + '.' + ContextInfo.market

   ContextInfo.set_universe([ContextInfo.stock])

   ContextInfo.holding = 0

   ContextInfo.days = 0

   ContextInfo.money = ContextInfo.capital

   ContextInfo.accountid = "testS"

def handlebar(ContextInfo):

   buy_condition = False

   sell_condition = False

   d = ContextInfo.barpos

   if ContextInfo.days == 0:

       #用20160101到20170101一年间的数据生成训练集

       df = ContextInfo.get_market_data(['open','high','low','close','volume'],stock_code=[ContextInfo.stock],start_time='20160101',end_time='20170101',dividend_type='front')

       df = df.sort_index()

       days = df.index.values

       days_close = df['close'].values

       print('start training SVM')

       x_all = []

       y_all = []

       for i in range(14, len(days) - 5):

           start_day = days[i - 14]

           end_day = days[i]

           data = ContextInfo.get_market_data(['open','high','low','close','volume'],stock_code=[ContextInfo.stock],end_time=end_day,count=15,skip_paused=False,dividend_type='front')

           data = data.sort_index()

           open = data['open'].values

           close = data['close'].values

           max = data['high'].values

           min = data['low'].values

           volume = data['volume'].values

           close_mean = close[-1] / np.mean(close)

           volume_mean = volume[-1] / np.mean(volume)

           max_mean = max[-1] / np.mean(max)

           min_mean = min[-1] / np.mean(min)

           vol = volume[-1]

           return_now = close[-1] / close[0]

           std = np.std(np.array(close), axis = 0)

           #features用于存放因子

           features = [close_mean, volume_mean, max_mean, min_mean, vol, return_now, std]           #计算出的6个因子作为特征

           x_all.append(features)

       for i in range(len(days_close) - 19):

           if days_close[i+19] > days_close[i+14]:

               label = 1

           else:

               label = 0

           y_all.append(label)

       x_train = x_all[:-1]

       y_train = y_all[:-1]

       ContextInfo.clf = svm.SVC(C=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, shrinking=True, probability=False,tol=0.001, cache_size=200, verbose=False, max_iter=-1, decision_function_shape='ovr', random_state=None)

       try:

           ContextInfo.clf.fit(x_train, y_train)

       except:

           e = traceback.format_exc()

           print(('value error, bar:', e))

       print('training finish!')

   timetag = ContextInfo.get_bar_timetag(d)

   timetag_start = ContextInfo.get_bar_timetag(d-15)

   timetag_end = ContextInfo.get_bar_timetag(d-1)           #过去15个交易日的起止时间

   today = timetag_to_datetime(timetag, '%Y%m%d')

   start_date = timetag_to_datetime(timetag_start, '%Y%m%d')

   end_date = timetag_to_datetime(timetag_end, '%Y%m%d')

   weekday = datetime.strptime(today, '%Y%m%d').isoweekday()

   open_today = ContextInfo.get_market_data(['open'],stock_code=[ContextInfo.stock],skip_paused=False,dividend_type='front')

   close_today = ContextInfo.get_market_data(['close'],stock_code=[ContextInfo.stock],skip_paused=False,dividend_type='front')

   #print ContextInfo.holding

   #print weekday

   if ContextInfo.holding == 0 and weekday == 1:            #每个星期一判断是否开仓

       data = ContextInfo.get_market_data(['open','high','low','close','volume'],stock_code=[ContextInfo.stock],end_time=end_date,count=15,skip_paused=False, dividend_type='front')

       data = data.sort_index()

       close = data['close'].values

       max = data['high'].values

       min = data['low'].values

       volume = data['volume'].values

       close_mean = close[-1] / np.mean(close)

       volume_mean = volume[-1] / np.mean(volume)

       max_mean = max[-1] / np.mean(max)

       min_mean = min[-1] / np.mean(min)

       vol = volume[-1]

       return_now = close[-1] / close[0]

       std = np.std(np.array(close), axis = 0)

       features = [close_mean, volume_mean, max_mean, min_mean, vol, return_now, std]

       features = np.array(features).reshape(1, -1)

       try:

           prediction = ContextInfo.clf.predict(features)[0]

           if prediction == 1:

               ContextInfo.holding = int(ContextInfo.money*0.95/(open_today))/100

               order_shares(ContextInfo.stock,ContextInfo.holding*100,'fix',open_today,ContextInfo,ContextInfo.accountid)

               ContextInfo.buyprice = open_today

               buy_condition = True

               print(today)

               print('open long position to 0.95')

       except :

           print(('predict error occur,bar:', d))

   elif ContextInfo.holding > 0 and close_today/ContextInfo.buyprice >= 1.1:        #每个交易日判断止盈止损

       order_shares(ContextInfo.stock,-ContextInfo.holding*100,'fix',close_today,ContextInfo,ContextInfo.accountid)

       ContextInfo.holding = 0

       sell_condition = True

       print(today)

       print('reach profit stop limit, close position')

   elif ContextInfo.holding > 0 and close_today/ContextInfo.buyprice < 0.98 and weekday == 5:

       order_shares(ContextInfo.stock,-ContextInfo.holding*100,'fix',close_today,ContextInfo,ContextInfo.accountid)

       ContextInfo.holding = 0

       sell_condition = True

       print(today)

       print('reach lose stop limit, close position')

   ContextInfo.days += 1

   ContextInfo.paint('do_buy', int(buy_condition), -1, 0)

ContextInfo.paint('do_sell', int(sell_condition), -1, 0)

需要开通证券账户支持的量化平台开通，然后在量化平台上写策略，实现自己策略交易。

想要量化平台的可以沟通，门槛较低！