编程语言
首页 > 编程语言> > Python 金融量化 道路突破策略(唐奇安道路突破策略&布林带通道及其市场风险)

Python 金融量化 道路突破策略(唐奇安道路突破策略&布林带通道及其市场风险)

作者:互联网

目录

获取数据

照常,第一步我们首先要通过接口获取股价数据。我以Tushare接口获取的2020年全年洛阳钼业股价数据(603993.SH)数据为例。

# 导入相关模块
import numpy as np
import tushare as ts
import pandas as pd
import mplfinance as mpf
import matplotlib.pyplot as plt

token = 'Your token'   # 输入你的接口密匙,获取方式及相关权限见Tushare官网。
pro = ts.pro_api(token)
df = pro.daily(ts_code='603993.SH')  # daily为tushare的股票数据接口。

# 将获取到的DataFrame数据进行标准化处理,转换为方便自己使用的一种规范格式。
df = df.loc[:, ['trade_date', 'open', 'high', 'low', 'close', 'vol']]
df.rename(
    columns={
        'trade_date': 'Date', 'open': 'Open',
        'high': 'High', 'low': 'Low',
        'close': 'Close', 'vol': 'Volume'},
    inplace=True)       # 重定义列名,方便统一规范操作。
df['Date'] = pd.to_datetime(df['Date'])  # 转换日期列的格式,便于作图
df.set_index(['Date'], inplace=True)  # 将日期列作为行索引
df = df.sort_index()  # 倒序,因为Tushare的数据是最近的交易日数据显示在DataFrame上方,倒序后方能保证作图时X轴从左到右时间序列递增。
    

1.通道突破简介

股市行情充满随机性,往往是“横看成岭侧成峰,远近高低各不同”。一次上涨或下跌是短期的波动,还是已经到来的大势,很难判断。通道模型适度地解决了这一难题,它利用过去的价格信息,绘制出了上下两条通道线(上轨,下轨),以此设定股价的相对高低界限。通道线可以包容市场波动行情的部分信息,过滤震荡行情中均线系统“假”突破信号。通道线除了涵盖市场价格高低信息以外,两条通道线的距离也体现了股票价格的震荡幅度。当价格波动幅度较小时,通道的宽度较小,当价格震荡较大时,通道线的宽度也相应变大。通道突破模型将价格高低价格震荡幅度融合在一起,成为判断市场中长期趋势的常用技术分析指标。


2.唐奇安通道(Donchian Channel)

唐奇安通道流行于上世纪七十年代,由著名海龟交易员Richard Donchian发明,最早用于日内交易,其主要思想是寻找一定时间内(如20日)出现的最高价和最低价,将最高价和最低价分布作为通道的上下轨道,当价格突破上轨道时,说明股价运动较强势,释放出买入信号;当价格线向下突破下轨道的时候,空方市场较为强势,市场下跌趋势较为明显,则释放出卖出信号。


2.1 唐奇安通道刻画

唐奇安通道由三条轨道线构成:

绘图代码示例:

# 提取收盘价,最高价,最低价数据
Close = df.Close
High = df.High
Low = df.Low

# 设定上、下、中通道线初始值
upboundDC = pd.Series(0.0, index=Close.index)
downboundDC = pd.Series(0.0, index=Close.index)
midboundDC = pd.Series(0.0, index=Close.index)

# 求唐奇安上、中、下通道
for i in range(20,len(Close)):
	upboundDC[i] = max(High[(i-20):i])
	downboundDC[i] = min(Low[(i-20):i])
	midboundDC[i] = 0.5 * (upboundDC[i] + downboundDC[i])

upboundDC = upboundDC[20:]
downboundDC = downboundDC[20:]
midboundDC = midboundDC[20:]

# 绘制2020年洛阳钼业价格唐奇安通道上中下轨道线图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.plot(Close['2020'], label="Close", color="k")
plt.plot(upboundDC['2020'], label="upboundDC", color="b", linestyle="dashed")
plt.plot(midboundDC['2020'], label="midboundDC", color="r", linestyle="-.")
plt.plot(downboundDC['2020'],label="downboundDC", color="b", linestyle="dashed")
plt.title("2020年洛阳钼业股价唐奇安通道")
plt.xlabel('日期')
plt.ylabel('values')
plt.grid(True)
plt.legend()
plt.show()

生成图像效果如下:
在这里插入图片描述


2.2 在K线图中绘制唐奇安上下通道线

未来看到更多的价格信息和股票价格运动情况,我们在K线图中绘制唐奇安的上下通道线,代码如下:

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
s = mpf.make_mpf_style(base_mpf_style='nightclouds', rc={'font.family': 'SimHei'})   # 解决mplfinance绘制输出中文乱码
add_plot=[
		 mpf.make_addplot(upboundDC['2020']),
		 mpf.make_addplot(midboundDC['2020']),
		 mpf.make_addplot(downboundDC['2020'])]
mpf.plot(df['2020'], type='candle', style=s, title='洛阳钼业2020年K线图及唐奇安通道线', addplot=add_plot, volume=True)

图像效果如下:
在这里插入图片描述

这里选择的时间跨度较大,实际研究可以选择更细节的时间跨度。
使用mplfinance库我们只需要传入参数mav,就可以添加上指定时间跨度的均线图一起研究(以5日,10日,20日,40日为例):

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
s = mpf.make_mpf_style(base_mpf_style='nightclouds', rc={'font.family': 'SimHei'}) 
add_plot=[
		 mpf.make_addplot(upboundDC['2020']),
		 mpf.make_addplot(midboundDC['2020']),
		 mpf.make_addplot(downboundDC['2020'])]
mpf.plot(df['2020'], type='candle', style=s, title='洛阳钼业2020年K线图附唐奇安通道线及均线', mav=(5,10,20,40),addplot=add_plot, volume=True)

效果展示如下:
在这里插入图片描述


2.3 Python捕捉唐奇安通道突破

选定一个时间段后,唐奇安通道突破的主要规则是:当价格线走强,而突破前n期的最高价时做多;当价格线向下运动,价格低于前n期最低价时做空。一般而言,n=20为投资者较为常用的时间段设定。
我们继续以20日为时间跨度,捕捉唐奇安通道突破日期,设定买卖点交易,并计算交易获胜率。

# 首先,先定义向上突破和向下突破函数upbreak()和downbreak()
def upbreak(tsLine, tsRefLine):
	n = min(len(tsLine), len(tsRefLine))
	tsLine = tsLine[-n:]
	tsRefLine = tsRefLine[-n:]
	signal = pd.Series(0, index=tsLine.index)
	for i in range(1, len(tsLine)):
		if all([tsLine[i]>tsRefLine[i], tsLine[i-1]<tsRefLine[i-1]]):
			signal[i] = 1
	return(signal)

# downbreak()函数
def downbreak(tsLine, tsRefLine):
	n = min(len(tsLine), len(tsRefLine))
	tsLine = tsLine[-n:]
	tsRefLine = tsRefLine[-n:]
	signal = pd.Series(0, index=tsLine.index)
	for i in range(1, len(tsLine)):
		if all([tsLine[i] < tsRefLine[i], tsLine[i-1] > tsRefLine[i-1]]):
			signal[i] = 1
	return(signal)

# 唐奇安通道突破策略
UpBreak = upbreak(Close[upboundDC.index[0]:], upboundDC)
DownBreak = downbreak(Close[downboundDC.index[0]:], downboundDC)

# 制定交易策略
# 上穿,signal为1
# 下穿,signal为-1
# 合并上下穿突破总信号
BreakSig = UpBreak - DownBreak
# 计算预测获胜率
tradeSig = BreakSig.shift(1)['2020']
ret = Close / Close.shift(1) - 1  # 这里的Close依然是全时间序列的
tradeRet = (ret * tradeSig).dropna()  # 一次乘法加dropna()之后,Close()多的时间序列就被过滤掉了。
winRate = len(tradeRet[tradeRet > 0]) / len(tradeRet[tradeRet != 0])
print(winRate) 

在这里插入图片描述

2.4 选择不同时间跨度

唐奇安通道突破的规则相对简单,但是要注意,时间跨度n的选择尤为重要。n的取值不同,结果也随之而变,寻找合适的时间跨度n是唐奇安通道突破策略的关键。

# 在20到60的时间跨度中寻找该股票唐奇安通道突破策略胜率最大 的时间跨度
list1 = []
list2 = []
for m in range(20,61):
	upboundDC = pd.Series(0.0, index=Close.index)
	downboundDC = pd.Series(0.0, index=Close.index)
	midboundDC = pd.Series(0.0, index=Close.index)
	# 求唐奇安上、下通道
	for i in range(m,len(Close)):
		upboundDC[i] = max(High[(i-m):i])
		downboundDC[i] = min(Low[(i-m):i])
	
	upboundDC = upboundDC[m:]
	downboundDC = downboundDC[m:]
	midboundDC = midboundDC[m:]
	
	# 唐奇安通道突破策略
	UpBreak = upbreak(Close[upboundDC.index[0]:], upboundDC)
	DownBreak = downbreak(Close[downboundDC.index[0]:], downboundDC)
	BreakSig = UpBreak - DownBreak
	# 计算预测获胜率
	tradeSig = BreakSig.shift(1)['2020']
	ret = Close / Close.shift(1) - 1  # 这里的Close依然是全时间序列的
	tradeRet = (ret * tradeSig).dropna()  # 一次乘法加dropna()之后,Close()多出的时间序列就被过滤掉了。
	winRate = len(tradeRet[tradeRet > 0]) / len(tradeRet[tradeRet != 0])
	list1.append(m)
	list2.append(winRate)
print('该股票2020年唐奇安道路突破策略时间跨度为m为{}时胜率最大为{}'.format(list1[list2.index(max(list2))], max(list2))) 

结果输出:
在这里插入图片描述

结果我们可以看出,在20-60的时间跨度内,2020年度选择50日日时间跨度是唐安奇通道突破策略胜率最大。


3.布林带通道

3.1 布林带通道概述


3.2布林带通道计算方式


3.3 开始编码

# 定义布林带通道函数bbands()
def bbands(tsPrice, period=20, times=2):
	upBBand = pd.Series(0.0, index=tsPrice.index)
	midBBand = pd.Series(0.0, index=tsPrice.index)
	downBBand = pd.Series(0.0, index=tsPrice.index)
	sigma = pd.Series(0.0, index=tsPrice.index)
	for i in range(period-1, len(tsPrice)):
		midBBand[i] = np.nanmean(tsPrice[i-(period-1):(i+1)])   # nanmean忽略Nan计算均值
		sigma[i] = np.nanstd(tsPrice[i-(period-1):(i+1)])    # nanstd忽略Nan计算标准差
		upBBand[i] = midBBand[i] + times * sigma[i]
		downBBand[i] = midBBand[i] - times * sigma[i]
	BBands = pd.DataFrame({'upBBand':upBBand[(period-1):],\
						'midBBand':midBBand[(period-1):],\
						'downBBand':downBBand[(period-1):],\
						'sigma':sigma[(period-1):]})
	return(BBands)											

# 计算20日布林带通道线
LymyBBands = bbands(Close, 20, 2)
# 提取数据
UpBBands = LymyBBands.upBBand['2020']
DownBBands = LymyBBands.downBBand['2020']
MidBBands = LymyBBands.midBBand['2020']

3.4 布林带通道线及K线图绘制

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
s = mpf.make_mpf_style(base_mpf_style='nightclouds', rc={'font.family': 'SimHei'}) 
add_plot=[
		 mpf.make_addplot(UpBBands),
		 mpf.make_addplot(DownBBands),
		 mpf.make_addplot(MidBBands)]
mpf.plot(df['2020'], type='candle', style=s, title"洛阳钼业2020年K线图及布林带通道线", addplot=add_plot, volume=True)

生成图像效果如下:
在这里插入图片描述


3.5 布林带通道与市场风险

3.5.1 布林带通道的正态分布思想

布林带通道的设定蕴含着统计学原理,假设股票价格走势呈现正态分布,正态分布是关于均值呈对称分布的均值加减两倍标准差范围内的数据大概占据了整个数据的95.44%,布林带通道以价格的平均值加减两个标准差来设定上下通道。
从正态分布的角度来看,布林带通道刻画了股票价格的主要变化范围,即大部分时间股价都在布林带通道内运动,股价只有大约5%的概率会突破布林带通道的上轨道或者下轨道。因此在正常情况下,当价格线超出布林带通道的上轨道或者下轨道的时候,可以认为价格线有偏离,未来价格很可能回落到布林带通道内部。
在这里插入图片描述


3.5.2 构造布林带风险函数

# 构建布林带风险函数
def CalBollRisk(tsPrice, multiplier):
    k = len(multiplier)
    overUp = []
    belowDown = []
    BollRisk = []
    for i in range(k):
        BBands=bbands(tsPrice, 20, multiplier[i])
        a = 0
        b = 0
        for j in range(len(BBands)):
            tsPrice=tsPrice[-(len(BBands)):]
            if tsPrice[j] > BBands.upBBand[j]:
                a += 1
            elif tsPrice[j] < BBands.downBBand[j]:
                b += 1
        overUp.append(a)
        belowDown.append(b)
        BollRisk.append(100*(a+b)/len(tsPrice))
    return(BollRisk)
# 设定不同的置信水平,来比较洛阳钼业股价在不同年份的布林带风险
multiplier = [1, 1.65, 1.96, 2, 2.58]

# 2016
price2016 = Close['2016']
BBandRisk2016 = CalBollRisk(price2016,multiplier)
print(BBandRisk2016)

结果如下:
在这里插入图片描述

#2017
price2017 = Close['2017']
BBandRisk2017 = CalBollRisk(price2017,multiplier)
print(BBandRisk2017)

结果如下:
在这里插入图片描述

#2018
price2018 = Close['2018']
BBandRisk2018 = CalBollRisk(price2018,multiplier)
print(BBandRisk2018)

结果如下:
在这里插入图片描述

#2019
price2019 = Close['2019']
BBandRisk2019 = CalBollRisk(price2019,multiplier)
print(BBandRisk2019)

结果如下:
在这里插入图片描述

#2020
price2020 = Close['2020']
BBandRisk2020 = CalBollRisk(price2020,multiplier)
print(BBandRisk2020)

结果如下:
在这里插入图片描述
由以上数据可知,置信水平α越大,对应的布林带通道越窄,布林带突破上下界的机会也就越大,因此呈现出的布林带风险也就越大。


4. 道路突破交易策略制定

4.1 一般布林带上下通道突破策略

布林带通道最常见的策略就是根据价格线突破布林带通道上下界来制定交易策略。

# 布林带上下通道突破策略
BBands = bbands(Close['2020'], 20, 2)
upbreakBB1 = upbreak(Close, BBands.upBBand)
downbreakBB1 = downbreak(Close, BBands.downBBand)

# 信号出现两天后进行交易
upBBSig1 = upbreakBB1.shift(2)
downBBSig1 = downbreakBB1.shift(2)
tradSignal1 = upBBSig1 + downBBSig1
tradSignal1[tradSignal1 == -0] = 0
def perform(tsPrice, tsTradSig):
    ret = tsPrice/tsPrice.shift(1) - 1
    tradRet = (ret * tsTradSig).dropna()
    ret = ret[-len(tradRet):]
    winRate = [len(ret[ret > 0]) / len(ret[ret != 0]), len(tradRet[tradRet > 0]) / len(tradRet[tradRet != 0])]
    meanWin = [np.mean(ret[ret > 0]), np.mean(tradRet[tradRet > 0])]
    meanLoss = [np.mean(ret[ret < 0]), np.mean(tradRet[tradRet < 0])]
    Performance = pd.DataFrame({'WinRate': winRate, 'meanWin': meanWin, 'meanLoss': meanLoss})
    Performance.index = ['Stock', 'Trade']
    return Performance
#计算平均损失、平均获胜率以及交易获胜率
Performance1 = perform(Close['2020'], tradSignal1)
print(Performance1)

输出结果:
在这里插入图片描述


4.2 特殊布林带通道突破策略

布林带通道的上下轨道线的刻画,由选取的时间周期和标准差倍数两部分决定。如果布林带通道线设定不合理,股票价格向上穿过布林带上通道先以后,中短期内一直出于上升趋势,且不会回落到通道线内部,或者股价跌破布林带下通道线以后,可能会比较晚地回升到下通道线上方。为了降低“回落到通道内部”这个期望落空的风险,可以改变布林带通道突破交易策略。交易规则如下:

交易代码如下

# 另一种布林带通道突破策略
# 价格向上穿下通道,做多
# 价格向下穿上通道,看空

upbreakBB2 = upbreak(Close['2020'], BBands.downBBand)
downbreakBB2 = downbreak(Close['2020'], BBands.upBBand)

# 交易执行
upBBSig2 = upbreakBB2.shift(2)
downBBSig2 = - downbreakBB2.shift(2)
trdaSignal2 = upBBSig2 + downBBSig2

# 交易策略实现
Performance2 = perform(Close['2020'], trdaSignal2)
print(Performance2)

输出结果如图所示:
在这里插入图片描述


本次的分享就到这里,感谢大家的访问与支持,您的支持将是博主坚持更新的最大动力!如果博主的文章对您的学习或者交易能够有所帮助,别忘了小手指点一下界面的 收藏+关注。更多金融量化精彩内容敬请关注!

标签:林带,20,index,Python,唐奇安,2020,道路,Close,通道
来源: https://blog.csdn.net/weixin_48964486/article/details/116033075