本文旨在提供一个使用技术指标进行择时，通过行业轮动选股的综合性的量化投资策略。通过它，我们可以推导其它择时指标及选股指标，将它们进一步排列组合，筛选出一个适合自己的量化投资策略。

全篇共有三个策略，基于CCI指标进行策略研究、开发。

第一个策略是使用CCI指标进行择时买卖。但发现其收益率惨淡。于是，选择在此基础上加入行业轮动选股策略，产生第二个策略。

第二个策略的收益率虽然高了，但夏普比率低。所以在第三个策略中对第二个策略进行参数寻优。

以下为笔者做出的尝试，如对这一块有见解的宽友，欢迎留言探讨。

实战交易策略一

CCI指标应用于沪深300指数

1.说明

顺势指标CCI由唐纳德拉姆伯特所创，是通过测量股价的波动是否已超出其正常范围，来预测股价变化趋势的技术分析指标。

2.计算

以日 CCI 计算为例，一般采用的计算方法如下：

已知到今天为止连续n天的每天的最高价Hi、最低价Li、收盘价Ci，

其中i=1,2,3...n ,今天为第n天

代码如下：

##CCI
def cci(data,alpha=0.015,n=20):tp_i=(data.close+data.low+data.high)/3matp_i=tp_i.rolling(n).mean()meanDev=tp_i.rolling(n).apply(lambda x:abs(x-x.mean()).mean(),raw=False)cci=(tp_i-matp_i)/(alpha*meanDev)return cci

3.回测设置

标的：沪深 300 指数
择时规则：当 CCI 上穿 100，买入；当 CCI 下穿-100，卖出
回测时间：2020.7.1---2021.10.1

4.策略代码

# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *
import pandas as pd ##定义CCI计算
def cci(data,alpha=0.015,n=20):tp_i=(data.close+data.low+data.high)/3matp_i=tp_i.rolling(n).mean()meanDev=tp_i.rolling(n).apply(lambda x:abs(x-x.mean()).mean(),raw=False)cci=(tp_i-matp_i)/(alpha*meanDev)return cci.iloc[-1]# 策略中必须有init方法
def init(context):#设置标的context.symbol='SHSE.000300'#订阅标的的分钟数据subscribe(symbols='SHSE.000300', frequency='1d', count=21, wait_group=True, wait_group_timeout='6s', unsubscribe_previous=True)
def on_bar(context,bars):#接取数据data = context.data(symbol='SHSE.000300', frequency='1d', count=21)#计算cci的值CCI = cci(data,alpha=0.015,n=20)完整代码请至掘金社区查看！文章地址：https://bbs.myquant.cn/topic/2447

5.回测结果：

该策略累计收益率仅仅为1.69%，并不理想。但这是因为该策略中仅抓住一个标的进行交易，而且交易较频繁，所以产生的手续费特别高。基于此，即使该策略的收益率特别低，也并不能说明这个技术指标已经失效。下面我们加入选股策略，解救这一惨淡的收益率。

（该报告由掘金量化提供）

CCI实战交易策略二

加入行业轮动选股策略

1.说明

在交易策略一中采用了CCI指标进行择时买卖，但效果并不好，而且现实中只交易一个标的并不现实，所以基于上面的策略，考虑加入行业轮动选股策略，行业轮动策略大家可以参考掘金官网给出的实例。

2.加入行业轮动策略回测设置

标的：300工业.300材料.300可选.300消费.300医药.300金融这六个行业指数的成分股
轮动选股频率：每月第一个交易日
选股规则：计算上述六个行业指数过去20个交易日的收益率并选取了收益率最高的指数的成分股
择时买入：在每天的09:40:00，使用CCI指标择时
调仓规则：如果CCI值大于100且该成分股不在持仓中，则按照比率调仓买入，如果CCI值小于-100且该成分股在持仓中，则平仓
回测时间：2020.7.1---2021.10.1

3.策略代码

# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
from gm.enum import OrderType_Limit
import numpy as np
import pandas as pd
from gm.api import *'''
本策略每隔1个月定时触发计算SHSE.000910.SHSE.000909.SHSE.000911.SHSE.000912.SHSE.000913.SHSE.000914
(300工业.300材料.300可选.300消费.300医药.300金融)这几个行业指数过去20个交易日的收益率并选取了收益率最高的指数
每一天都去计算选出来的指数成分股的CCI值，随后进行调仓，
如果CCI值大于100且该成分股不在持仓中，则按照比率调仓买入，如果CCI值小于-100且该成分股在持仓中，则平仓
回测数据为:SHSE.000910.SHSE.000909.SHSE.000911.SHSE.000912.SHSE.000913.SHSE.000914和他们的成份股
回测时间为:2020-07-01 08:00:00到2021-10-01 16:00:00
'''def init(context):# 每月第一个交易日的09:40 定时执行algo任务（仿真和实盘时不支持该频率）schedule(schedule_func=algo, date_rule='1m', time_rule='09:40:00')# 每日的09:40 定时执行algo_day任务schedule(schedule_func=algo_day, date_rule='1d', time_rule='09:40:00')# 用于筛选的行业指数context.index = ['SHSE.000910', 'SHSE.000909', 'SHSE.000911', 'SHSE.000912', 'SHSE.000913', 'SHSE.000914']# 用于统计数据的天数context.date = 20# 最大下单资金比例context.ratio = 0.8#获取到的最好的行业指数、context.sector = None完整代码请至掘金社区查看！文章地址：https://bbs.myquant.cn/topic/2447

4.回测结果

在加入行业轮动选股之后，策略的累计收益率达到102.08%，要较高的优于沪深300的基准收益率，但伴随着高收益率的同时，其最大回撤高达12.34%，夏普比率为2，胜率为54.62%，结果还是不够理想，下面将考虑对该策略进一步参数寻优，提高回测的夏普比率。

（该报告由掘金量化提供）

CCI实战交易策略三

对上述策略进行参数寻优

1.CCI指标参数寻优设置：

alpha = 0.010，0.015，0.020

n = 10，15，20

2.策略代码：

# coding=utf-8
# 行业轮动选股+CCI指标择时+参数寻优
from __future__ import print_function, absolute_import, unicode_literals
from gm.enum import OrderType_Limit
import numpy as np
import pandas as pd
from gm.api import *
import multiprocessing
'''
本策略每隔1个月定时触发计算SHSE.000910.SHSE.000909.SHSE.000911.SHSE.000912.SHSE.000913.SHSE.000914
(300工业.300材料.300可选.300消费.300医药.300金融)这几个行业指数过去20个交易日的收益率并选取了收益率最高的指数
每一天都去计算选出来的指数成分股的CCI值，随后进行调仓，
如果CCI值大于100且该成分股不在持仓中，则按照比率调仓买入，如果CCI值小于-100且该成分股在持仓中，则平仓
回测数据为:SHSE.000910.SHSE.000909.SHSE.000911.SHSE.000912.SHSE.000913.SHSE.000914和他们的成份股
回测时间为:2020-07-01 08:00:00到2021-10-01 16:00:00
'''
def init(context):# 每月第一个交易日的09:40 定时执行algo任务（仿真和实盘时不支持该频率）schedule(schedule_func=algo, date_rule='1m', time_rule='09:40:00')# 每日的09:40 定时执行algo_day任务schedule(schedule_func=algo_day, date_rule='1d', time_rule='09:40:00')# 用于筛选的行业指数context.index = ['SHSE.000910', 'SHSE.000909', 'SHSE.000911', 'SHSE.000912', 'SHSE.000913', 'SHSE.000914']# 用于统计数据的天数context.date = 20# 最大下单资金比例context.ratio = 0.8#获取到的最好的行业指数、context.sector = None完整代码请至掘金社区查看！文章地址：https://bbs.myquant.cn/topic/2447

3.参数寻优结果：

下图中，回测结果最好的收益率为252.45%，最大回撤为11.01%，夏普比率为2.68。

通过查询可知最优的参数为alpha=0.01, n=10。回测结果如下：

（该报告由掘金量化提供）

全篇完整内容，请至掘金社区查看：对于技术指标的选股和择时的探讨 - 掘金量化社区 - 量化交易者的交流社区掘金量化社区是量化投资者策略研讨、答疑解惑、资源共享的互动交流论坛。https://bbs.myquant.cn/topic/2447/2

声明：本内容首发至掘金量化公众号与掘金量化社区，仅供学习、交流、演示之用，不构成任何投资建议！如需转载原创文章请联系掘金小Q（myquant2018）。

掘金量化-集数据、投研、实盘交易的一站式专业量化平台

对于技术指标的选股和择时的探讨相关推荐

【新一配】选股+择时策略组合
[新一配]选股+择时策略组合导语:本文讨论交易中两个非常重要的命题:选股+择时,并将其两者结合起来开发策略. 选股就是要选一只好股票,而择时就是选一个好的买卖时机.如果投资者选了一只很差劲的股票,无 ...
【量化投资】基金择时策略浅析（3） -实用择时方法
常见择时方法本系列第一篇文章中曾介绍过选品和择时的概念,并且提到过这两个其实都是定义比较宽松的概念,任何投资者在任何市场中做的投资决策,无论是依据基本面因素,技术指标,还是量化模型,都可以看作择时. ...
搭建系统|别只盯MA、KDJ、MACD这些技术指标，择时策略也能叠加基本面指标！
前言 "搭建系统"专栏系列一直按以下的进程再不断地迭代开发工具: 我一直强调要搭建属于适合自己的股票量化交易系统,而不是照搬着拿别人的来用呢.也就是说我们要掌握搭建的方法,不断去调 ...
择时配置选股 2016-9-12 图形正确
%% %{only hate road when you miss home Ps 股票占比是第二列 Psf 股指期货占比是第三列 Rs 第四列股票收益 Ri 第五列指数收益,三个指数 Rsf 第 ...
择时配置选股0909
clear;clc tic %% 择时配置选股 %{ 选择wind A 为基准因为,包含了全部28个行业拆分出超额收益, 择时是净暴露仓位,择时是判断 Pn 超额收益 Rs- Rb 择时体现在 ...
Python量化投资——股票择时到底能否赚钱？TA-Lib 33种技术指标有效性横向大评比
TA-Lib中33种技术指标回测研究 `Python`量化投资--`TA-Lib`中33种股票择时技术指标的有效性研究为什么要做这个评测技术指标清单评测方法评测工具测试方法及评价指标期待你 ...
Python量化投资——股票择时到底能否赚钱？技术指标大比拼——AROON指标
技术指标大比拼--AROON指标的有效性回测 Python量化投资--`AROON`技术指标的有效性研究背景介绍技术指标介绍指标用法建议 `qteasy`中的AROON内置策略 433支股票五年 ...
股票策略 —— 指数择时 + 因子选股1
1.概述我们希望建立一个择时策略 + 因子选股的复合策略,因为指数择时无法直接落地,而单纯的因子选股策略,回撤太大.本贴观察其效果. 2.策略规则 1.大盘指数择时,有持仓信号时,采用某量价因子筛选 ...
股票策略 —— 指数择时 + 因子选股2
1.策略规则 1.采用rsrs指标对沪深300指数择时,有持仓信号时,综合采用pe.pb对全市场股票打分排序,选取排名最靠前的20只股票持仓,持有股票时,不进行定期调仓. 2.大盘指数择时,无持仓信号 ...

对于技术指标的选股和择时的探讨

实战交易策略一

CCI指标应用于沪深300指数

CCI实战交易策略二

加入行业轮动选股策略

CCI实战交易策略三

对上述策略进行参数寻优

对于技术指标的选股和择时的探讨相关推荐

最新文章

热门文章