这里写自定义目录标题

  • 介绍
  • 主要策略
  • 获取金融数据
  • Backtrader
    • 基础设置
    • 添加价格数据
    • 交易信号一 超买超卖线

介绍

RSI就不多介绍了，主要灵感来自于蔡立耑写的《量化投资 以Python为工具》，有不懂的基本知识也可以看这本书。回测框架用的是backtrader 详见 https://www.backtrader.com。主要RSI函数计算用的是 Ta-Lib金融包。数据来源是Tushare。大佬Ernest.p.chan（虽然不知道多厉害）在他的书《Quantitative Trading》说了，

把自己发现的交易“秘密”通过博客与他人分享，你会从读者那里获得更多的回赠。其实、那些你认为是秘密的策略多半也早已为他人所致。一项策略真正的独有价值和值得保密的地方是你自己的窍门和所进行的变形，而绝不是基础版本。

所以希望大家多给我意见。本人没有什么编程背景，有任何问题，欢迎在本文下方留言，或者将问题发送至邮箱： taohjk@hotmail.com
谢谢大家！

最后来个免责声明
本内容仅作为学术参考和代码实例，仅供参考，不对投资决策提供任何建议。本人不承担任何人因使用本系列中任何策略、观点等内容造成的任何直接或间接损失。

主要策略

信号一

  • ris6低于超卖线30，预测未来价格要回升，释放出买入信号
  • ris6高于超买线70，预测未来价格有回落趋势，释放出卖出信号
    信号二
  • 短期ris6从下向上穿过长期rsi24，释放出买入信号
  • 短期ris6从上向下穿过长期rsi24，释放出卖出信号

获取金融数据

下载数据

import pandas as pd
# 导入tushare模块
import tushare as ts
# 历史数据移到了tushare pro中
pro=ts.pro_api()

df = pro.daily(ts_code='600519.Sh', start_date='20140601',end_date='20150701')
# 将交易时间转换为datetime格式并将trade-date设定为index
df.index=pd.to_datetime(df.trade_date)
# 按照交易时间升序排列
df = df.sort_index(ascending=True)
df

600519是茅台的股票。都说是股王啊，所以我就拿它做例子。出来的结果是这样的

          ts_code    trade_date  open    high    low close   pre_close   change  pct_chg vol amount
trade_date
2014-06-03  600519.SH   20140603    153.00  154.50  152.25  152.77  153.22  -0.45   -0.29   13048.48    199563.914
2014-06-04  600519.SH   20140604    152.99  153.38  150.02  151.15  152.77  -1.62   -1.06   10494.31    158991.999
2014-06-05  600519.SH   20140605    151.12  155.00  149.33  154.77  151.15  3.62    2.40    20678.63    314507.720
2014-06-06  600519.SH   20140606    154.68  155.65  152.29  153.59  154.77  -1.18   -0.76   9477.45 145936.330
2014-06-09  600519.SH   20140609    152.30  154.40  152.30  153.23  153.59  -0.36   -0.23   10034.81    154198.989
... ... ... ... ... ... ... ... ... ... ... ...
2015-06-25  600519.SH   20150625    261.50  262.03  250.21  251.79  261.21  -9.42   -3.61   66521.66    1707385.606
2015-06-26  600519.SH   20150626    250.02  255.75  235.30  242.45  251.79  -9.34   -3.71   99332.01    2451381.599
2015-06-29  600519.SH   20150629    248.37  256.50  227.80  246.64  242.45  4.19    1.73    165071.67   4057069.903
2015-06-30  600519.SH   20150630    246.64  259.82  246.00  257.65  246.64  11.01   4.46    126298.19   3205285.541
2015-07-01  600519.SH   20150701    255.00  268.50  250.98  257.49  257.65  -0.16   -0.06   103326.54   2696026.039
266 rows × 11 columns

# 保存为CSV文件
df.to_csv('600519.csv')
# 读取CSV文件
df=pd.read_csv('600519.csv',parse_dates = ['trade_date'])
df

出来的数据是这样的

 ts_code trade_date  open    high    low close   pre_close   change  pct_chg vol amount
trade_date
2014-06-03  600519.SH   20140603    153.00  154.50  152.25  152.77  153.22  -0.45   -0.29   13048.48    199563.914
2014-06-04  600519.SH   20140604    152.99  153.38  150.02  151.15  152.77  -1.62   -1.06   10494.31    158991.999
2014-06-05  600519.SH   20140605    151.12  155.00  149.33  154.77  151.15  3.62    2.40    20678.63    314507.720
2014-06-06  600519.SH   20140606    154.68  155.65  152.29  153.59  154.77  -1.18   -0.76   9477.45 145936.330
2014-06-09  600519.SH   20140609    152.30  154.40  152.30  153.23  153.59  -0.36   -0.23   10034.81    154198.989
... ... ... ... ... ... ... ... ... ... ... ...
2015-06-25  600519.SH   20150625    261.50  262.03  250.21  251.79  261.21  -9.42   -3.61   66521.66    1707385.606
2015-06-26  600519.SH   20150626    250.02  255.75  235.30  242.45  251.79  -9.34   -3.71   99332.01    2451381.599
2015-06-29  600519.SH   20150629    248.37  256.50  227.80  246.64  242.45  4.19    1.73    165071.67   4057069.903
2015-06-30  600519.SH   20150630    246.64  259.82  246.00  257.65  246.64  11.01   4.46    126298.19   3205285.541
2015-07-01  600519.SH   20150701    255.00  268.50  250.98  257.49  257.65  -0.16   -0.06   103326.54   2696026.039
266 rows × 11 columns

然后我们把Tushare格式转换一下

df2 = pd.DataFrame({'date' : df['trade_date'], 'open' : df['open'],  'high' : df['high'],'close' : df['close'],  'low' : df['low'],'volume' : df['vol']})
# 按照Yahoo格式的要求，调整df2各段的顺序
dt = df2.pop('date')
df2.insert(0,'date',dt)
o = df2.pop('open')
df2.insert(1,'open',o)
h = df2.pop('high')
df2.insert(2,'high',h)
l = df2.pop('low')
df2.insert(3,'low',l)
c = df2.pop('close')
df2.insert(4,'close',c)
v = df2.pop('volume')
df2.insert(5,'volume',v)
# 新格式数据存盘，不保存索引编号
df2.to_csv("600519-1.csv", index=False)

这样数据已经处理完了

Backtrader

基础设置

# Basic Setup
from __future__ import (absolute_import, division, print_function,unicode_literals)import backtrader as btif __name__ == '__main__':cerebro = bt.Cerebro()print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())cerebro.run()print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

添加价格数据

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])# Import the backtrader platform
import backtrader as bt# Create a cerebro entity
cerebro = bt.Cerebro()
# Datas are in a subfolder of the samples. Need to find where the script is
# because it could have been called from anywhere
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, 'C:/Users/taohj/python-work/CopperBat-量化/600519-1.csv')
# Create a Data Feed
data = bt.feeds.GenericCSVData(dataname = datapath,nullvalue = 0.0,dtformat = ('%Y-%m-%d'),datetime = 0,open = 1,high = 2,low = 3,close = 4,volume = 5,openinterest = -1)
# Add the Data Feed to Cerebro
cerebro.adddata(data)
# Set our desired cash start
cerebro.broker.setcash(100000.0)
# Print out the starting conditions
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
# Run over everything
cerebro.run()
# Print out the final result
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

交易信号一 超买超卖线

用Ta-Lib计算6日RSI。

  • 当RSI6大于70时，股票出现超买信号。股票买入力量过大，买入力量在未来可能会减小，所以股票未来价格可能会下跌。所以此时要卖出
  • 当RSI6小于30时，股票出现超卖信号。股票卖出力量过大，卖出力量在未来终归回到正常，因此股票未来价格可能会上涨。所以此时要买入
from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])# Import the backtrader platform
import backtrader as bt# Create a Stratey
class TestStrategy(bt.Strategy):params = (('RSIperiod', 6),)def log(self, txt, dt=None):''' Logging function fot this strategy'''dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def __init__(self):# Keep a reference to the "close" line in the data[0] dataseriesself.dataclose = self.datas[0].close# To keep track of pending orders and buy price/commissionself.order = Noneself.buyprice = Noneself.buycomm = None# 添加Ta-Lib RSI指标self.RSI=bt.talib.RSI(self.data, timeperiod= self.p.RSIperiod)# def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# Buy/Sell order submitted/accepted to/by broker - Nothing to doreturn# Check if an order has been completed# Attention: broker could reject order if not enough cashif order.status in [order.Completed]:if order.isbuy():self.log('BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %(order.executed.price,order.executed.value,order.executed.comm))self.buyprice = order.executed.priceself.buycomm = order.executed.commelse: # Sellself.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %(order.executed.price,order.executed.value,order.executed.comm))self.bar_executed = len(self)elif order.status in [order.Canceled, order.Margin, order.Rejected]:self.log('Order Canceled/Margin/Rejected')self.order = Nonedef notify_trade(self, trade):if not trade.isclosed:returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# Simply log the closing price of the series from the referenceself.log('Close, %.2f' % self.dataclose[0])# Check if an order is pending ... if yes, we cannot send a 2nd oneif self.order:return# Check if we are in the marketif not self.position:if self.RSI[0] < 30:# BUY, BUY, BUY!!! (with default parameters)self.log('BUY CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.buy()# 如果已经在场内，则可以进行卖出操作else:# Already in the market ... we might sellif self.RSI[0] > 70:# SELL, SELL, SELL!!! (with all possible default parameters)self.log('SELL CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.sell()# Create a cerebro entity
cerebro = bt.Cerebro()
# Add a strategy
cerebro.addstrategy(TestStrategy)
# Datas are in a subfolder of the samples. Need to find where the script is
# because it could have been called from anywhere
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, '600519-1.csv')
# Create a Data Feed
data = bt.feeds.GenericCSVData(dataname = datapath,nullvalue = 0.0,dtformat = ('%Y-%m-%d'),datetime = 0,open = 1,high = 2,low = 3,close = 4,volume = 5,openinterest = -1)
# Add the Data Feed to Cerebro
cerebro.adddata(data)
# Set our desired cash start
cerebro.broker.setcash(100000.0)
# 设置交易单位大小 A股100股为一手
cerebro.addsizer(bt.sizers.FixedSize, stake = 100)# Print out the starting conditions
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
# Run over everything
cerebro.run()
# Print out the final result
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
# Plot the result
cerebro.plot()

结果如下，是盈利的，但是茅台股价那段时间好像一直是涨的。

Starting Portfolio Value: 100000.00
Final Portfolio Value: 104142.00


加入交易型号二，请看下一篇。

量化交易学习-RSI策略1相关推荐

  1. Python实现股票量化交易学习进阶(二)之简单交易策略的定义实现

    Python实现股票量化交易学习进阶第二篇之简单交易策略的定义实现 1.backtrader回测框架知识 2.需求一自定义MACD指标 3.需求二自定义实现KDJ指标 4.需求三自定义CCI指标 1. ...

  2. Python量化交易学习入门

    量化交易-Python实现 一.量化交易的流程和概念 1.数据分析I2O流程 2.量化交易和高频交易.自动交易的区别 3.量化交易的流程 二.量化交易的分类 三:常用量化框架 四.一个完整的策略 五. ...

  3. 用Python做股票量化分析[附量化交易学习资料]

    量化交易的核心是筛选策略,策略也是依靠数学或物理模型来创造,把数学语言变成计算机语言.量化交易的流程是从数据的获取到数据的分析.处理. import pandas as pd import talib ...

  4. Python实现股票量化交易学习进阶(一)之基础库(知识准备)搭建

    股票量化交易学习第一篇之基础搭建 1.写在前面 1.1.Numpy库的安装 1.2.Pandas库的安装 1.3.金融数据获取 1.4.talib金融库的安装及文档链接 1.5.Matplotlib ...

  5. 【量化】量化交易入门系列6：量化交易学习书籍推荐（二）

    作者:悠悠做神仙 来源: 恒生LIGHT云社区 上一篇 量化交易入门系列5:量化交易学习书籍推荐(一) 我们介绍一些量化交易一些操作和理论性书籍,可能对于刚入门的大家而言,可能有些枯燥.所以这篇文章, ...

  6. 【python量化交易学习】pandas获取mysql数据，使用pyecharts画K线图，ma移动均线。

    将pyecharts官方提供的数据源,替换成已经存在mysql中的数据.画出专业的k线图(k线+ma移动均线+交易额柱状图(单位是千)) 参考: [python量化交易学习]pandas获取tusha ...

  7. 【python量化交易学习】从tushare获取股票交易数据，存入后再从mysql或excel读取数据，筛选股票，用pyecharts画出K线图。

    选定日期,筛选涨幅达到10%的股票,并画出K线图.观察涨停后股票走势. 由于创业板涨停板为20%,科创板20%,北交所30%.因此筛选出的涨停股票不完全准确.考虑到目前市场打板主要集中在10%的主板股 ...

  8. Python量化交易03——海龟策略

    参考书目:深入浅出Python量化交易实战 海龟策略也是经典中的经典.其核心要点是:在股价超过过去的N天交易日的最高点时是买入信号,跌破过去的N天交易日的最低点时是卖出信号.最高点和最低点的通道被称为 ...

  9. Python量化交易学习笔记（1）

    Python量化交易学习笔记(1) http://zwpython.com/ http://www.topquant.vip/?p=2275 [更多参见] <zwPython,目前最好的py开发 ...

最新文章

  1. gb2312编码表_汉字编码输入系统模型（一）
  2. oracle if 使用函数,Oracle 常见函数用法
  3. SAP License：SAP Solution Manager中的常用命令
  4. 描述最常用的5种http方法的用途_RESTful API系列之HTTP基础
  5. 查看有哪些表被锁住 如何杀死oracle死锁进程
  6. Android复习之冒泡排序
  7. Git项目下载部分文件或文件夹
  8. 游戏开发流程及QA职责
  9. python 使用PIL工具包中的pytesseract函数识别英文字符
  10. ArcGIS Server 10.8.1安装
  11. Cesium中如何获取鼠标单击位置的经纬度
  12. DataMining——孤立点：落在高于Q1 或低于Q3 的1.5IQR的位置
  13. 香橙派PC 2（H5)配置备忘录
  14. 谁用谁知道！发放Gmail邀请，和大家共享Gmail邮箱
  15. 动态页面静态化之页面静态化方案
  16. 《那些年啊，那些事——一个程序员的奋斗史》十三
  17. C语言实训 管理系统
  18. 程序员2年苦心积攒学习资料【下载】
  19. matlab粒子群加约束条件_matlab粒子群编程，等式约束如何加入
  20. 杭州和成都计算机发展前景,成都，杭州，武汉和南京哪个发展前景更好？来看看就知道了...

热门文章

  1. android天气预报软件界面设计
  2. ZXY 的数据结构题
  3. 贡献黑莓SDK for Eclipse 工具
  4. 华为在欧洲申请了新的折叠手机专利，似乎认可三星的折叠手机技术
  5. Android版谷歌地球更新 移动平台首次引入街景
  6. 【财务会计学习笔记】——财务的三大报表
  7. 在canvas中绘制箭头
  8. 计算机浮点数规格化与IEEE754
  9. 微型计算机10032,微机原理的答案.doc
  10. App Uninstaller for Mac(mac系统清理软件) v2.2特别版