量化交易策略,还是要从代码做起。

本期小编手把手带你入门量化交易,在京东量化平台完成简单的策略回测。不多说,go!     


 文章摘要

量化策略的基本构建流程

学习用python在京东量化平台创建一个策略

完成简单的策略回测

添加实盘模拟并订阅策略输出信号




●量化策略的基本构建流程




●学习用Python在京东量化平台创建一个策略


I、认识回测界面

首先,点击我的策略-新建策略,进入策略编辑页面。

回测界面长这个样子~

 

左侧区域是编辑代码的地方,开发环境会自动识别Python语言的关键词。在代码区上面的设置标志里面可以个性化调节开发环境的视觉效果。

右侧区域是回测及编译区,及时验证编译的代码是否有bug

 

 II、认识python的回测代码

Python的回测代码主要包括init()函数,handle_data()函数,以及其他用户自定义内容。如果在每天开盘前要进行额外的处理或计算,可选择添加before_trade()函数。


def init(context):
         # 这里用来写策略开始时要做什么

注释

其中,init()是初始化函数,可以设置基准,滑点,佣金等回测参数,也可以利用context自定义变量。在Python及大部分其他编程语言中,在局部变量只在该变量定义的函数体有效,在其他函数体内是无效的。而context被定义为一个局部变量,可以把内容在不同函数代码之间传导。该函数在回测开始时运行一次。

 

def handle_data(context, data_dict):
         # 这里用来写每天开盘后要做什么,可以是计算,输出日志,或者下单


注释

handle_data()是每个交易时间点(分钟/日)时自动运行一次的函数,可以在此函数内设置交易判断和下单,是策略核心逻辑所在。

 

 def before_trade(context):
         # 非强制,在这里写每天开盘之前要做什么,不可下单

 注释

用户可以按照Python语言规则定义其他函数,包括运算/数据处理函数,也可以通过task()函数设置自定义函数的执行频率和执行时间。

 

 III、编译策略代码

1、确定策略框架内容

举个栗子,用一个简单的策略为例来演示这个过程。


策略的内容是对贵州茅台(600519.SH)进行择时

如果前一天收益率大于沪深300收益率,则买入持仓

如果前一天收益率小于沪深300收益率,则不持仓。

 

只买卖一只股票操作是很简单的。首先,我们在init()函数里面设置我们的股票(贵州茅台(600519.SH))和比较标的(沪深300(000300.SH)):


# init方法是您的初始化逻辑。context对象可以在任何方法之间传递。
def init(context):
    context.stock = '600519.SH'
    context.set_benchmark = '000300.SH'

注释

1)只要在“#”后面的内容都是注释,不会被Python编译

2)设置stock和set_benchmark对象时,一定要在前面加上“context.”,这样才能传递到之后的函数中。设置标的后,回测中的基准曲线和收益将采用设置的指数。

 

2、确认每个交易日的逻辑:

获取目标股票和标的的历史价格


# 日或分钟或实时数据更新,将会调用这个方法
def handle_data(context, data_dict):
    price = get_history(2, '1d', 'close')[context.stock]
    priceBm = get_history(2, '1d', 'close')[context.set_benchmark]


注释

1)其中context.stock和context.set_benchmark都在init()函数中定义好了。

2)get_history()函数是京东量化平台封装的取历史交易数据的函数。其中“2”代表要取历史两天的数据,以便计算上个交易日的收益。“’1d’”和“'close’”分别表示数据频率为天,所需数据为收盘价。

3)返回的价格为pandas.Series类型。各个平台函数的使用方法可以查看帮助板块中的API文档。

 

定义收益率

为了方便计算收益率,自定义了一个CalRet()函数,输入连续两天的价格,计算第二天的收益率:


def CalRet(price):
     r = (price[1] - price[0]) / price[0]
return r

注释

1)这段函数写在handle_data()之前。自定义函数编辑的语法符合Python语法即可。

2)这个函数会返回float类型的r。

 

计算目标股票和标的的收益率

我们回到handle_data()函数,利用刚刚定义的函数和获取的股票及指数价格计算收益率:


 ytdRet = CalRet(price)
 bmRet = CalRet(priceBm)

注释

1)以上函数可以得到上个交易日股票的收益率ytdRet和指数收益率bmRet


3、确认股票买入卖出的逻辑:

   如果ytdRet大于bmRet,则全仓买入平安银行股票,否则清仓。


 if ytdRet > bmRet:
        order_target_percent(context.stock, 1)
    else:
        order_target_percent(context.stock, 0)

注释

1)order_target_percent()是量化平台编辑的下单函数,可以设置某个股票的仓位至一个百分比。

2)平台同样支持加减仓,用手数,金额等方式下单,详见API文档。


4、确认所有策略逻辑

以上,所有的策略逻辑就完成啦!

def init(context):
    context.stock = '600519.SH'
    context.set_benchmark = '000300.SH'
 
def handle_data(context, data_dict):
    price = get_history(2, '1d', 'close')[context.stock]
    priceBm = get_history(2, '1d', 'close')[context.set_benchmark]
    ytdRet = CalRet(price)
    bmRet = CalRet(priceBm)
    if ytdRet > bmRet:
        order_target_percent(context.stock, 1)
    else:
        order_target_percent(context.stock, 0)
 
def CalRet(price):
    r = (price[1] - price[0]) / price[0]
    return r



●完成简单的策略回测


现在,我们就完成了这个策略的设计。回测平台会自动按照这个逻辑,在回测区间内完成交易。

选定回测的时间区间。初始金额以及调仓频率,如下图

 

 

我们设置回测区间为2015年1月1日-2016年1月1日,初始金额为一百万,调仓频率为每天,点击“运行回测”。结果如下:

注释

1)回测:策略回测就是拿到证券市场历史的财务数据、行情数据,对现有的策略进行历史回测检验,通过回测结果来修正自己的策略,从而验证策略在过去市场的有效性以及稳定性。

2)回测输出结果

I、我们可以看到在回测区间内,策略和基准的净值曲线,每天盈亏,买卖等图像,以及回测的技术指标。同时可以查看相对收益,对数收益等。

II、在左边的交易详情,持仓和输出日志中可以看到回测中的具体情况,方便进行归因分析,调整策略等等,同时还可以查看历史回测记录。

III、我们可以看到,这个策略能够跑赢大盘。当然,这只是一个例子。

3)回测的评判

I、收益,回测收益和基准收益的对比,收益越高盈利能力越强

II、最大回撤,最大回撤要低,越低代表亏损幅度越低,策略越稳定

III、交易频率,点击交易详情可以查看策略交易的频次,频率越高,策略越稳定

III、把回测的策略发布到策略榜,还可以分析策略的晨星风格及收益归因分析,多角度的判断策略的好坏



●添加实盘模拟并订阅策略输出信号


1、添加实盘模拟

策略回测完成后,打开我的策略,将策略按照实盘模拟的规则添加到实盘模拟中,确认策略名称。初始资金以及策略频率,如下图:

 

2、订阅策略,接收策略信号

 

 

其他说明

1)编辑策略前,请仔细访问文档http://quant.jd.com/help)查看API文档和数据

2)更多策略研究案例,可访问社区-策略主题页(http://club.jr.jd.com/quant/quantTopics

3)如果您有更高的研究需求,可访问研究页面http://quant.jd.com/research/index),更方便地使用京东量化的api获取数据进行研究。

4) 将策略发布到策略榜,可以获得500万实盘孵化资金资格;将策略发布到智投策略,可同步到股票APP,享受牛人待遇,获得C端几十万用户人气打赏。

 









10条回复 添加回复
cyrus-young

京东金融的金融科技方向不是吹的。


2017-04-18 13:12:43
Shibar

教程不错!


2017-04-27 17:07:44
小鹏北京

写的很细致,不错。


2017-05-16 16:02:56
xyb75

Very nice!


2017-05-25 22:58:33
牛头人德鲁伊

很是想学啊,可惜我属于茅庐


2017-06-15 20:42:36
vensentzhou

才可是了解


2017-06-20 23:53:36
1
提交
Copyright © 2004-2017 京东JD.com 版权所有 | 投资有风险,购买需谨慎