量化交易策略 - 均仓策略

今天给大家介绍一个非常简单但是却的确有效果的一个投资策略 - 均仓策略

首先我们提一下什么叫做仓位？仓位管理是投资里面非常重要的一个环节。如果完全持有现金的话，那仓位就是空仓；同理，如果全部买入了标的（股票、基金、期货等）那么就叫做满仓。

顾名思义，均仓的意思就是平均仓位，达到50-50的管理方法。在投资的过程中，保持50%的现金和50%的投资标的。这样可以做到进可攻退可守的地位。这种方法在股票投资里也算是一种比较简单傻瓜式的投资策略吧。

没有看见有其他的文章对这种简单的策略做一个详细介绍，下面以股票投资为例子，来写一下关于这个投资策略的简单应用。

投资步骤：

1. 初次买入：买入半仓价值的股票

2. 设定均仓条件：时间or涨跌幅度

当买入后，我们只需要等待。设定一个去均仓的条件，一般有时间或涨跌幅度两种方式。比如：我们可以考虑每一个周或者更长的时间一个月等来均仓；如果以价格涨跌程度的话，那么当涨跌超过5%，我们都可以考虑均仓一次。

3. 均仓方法：当达到第二步中的均仓条件时，需要对仓位进行管理，使得手中的现金和股票市值仍旧相等。如果股票市值大于现金则卖出；如果股票市值小于现金则买入

通俗来讲，如果当股票市值大于现金，则说明之前涨了，这个时候我们可以考虑卖出一些来兑现。相反，如果股票市值低于现金，说明之前跌了，则我们需要继续买入来降低成本。

4. 均仓金额： abs(股票市值-现金)/2

我们以两者之差的1/2为需要均仓的金额，当跌了就买入均仓金额价值的股票，如果涨了就卖出这些金额的股票。当完成之后，手中的现金和股票市值又会回归相等。

以上就是均仓策略的一个基本的思路。一般来讲，以时间为条件的均仓使用较少，就着重讲一下价格涨跌幅度均仓方法。当每次完成均仓之后，都是以最新的均仓价格为新的起始为准，重新计算应该涨跌的均仓价位。这样可以避免均仓之后，当前价格仍然远大于或小于平均标的价格的涨跌幅度。

下面是我自己尝试写的一段量化策略代码（这里以价格涨跌5%为均仓条件）：

# 导入函数库
from jqdata import *# 初始化函数，设定基准等等
def initialize(context):# 设定沪深300作为基准set_benchmark('000300.XSHG')# 开启动态复权模式(真实价格)set_option('use_real_price', True)# 输出内容到日志 log.info()log.info('初始函数开始运行且全局只运行一次')# 过滤掉order系列API产生的比error级别低的log# log.set_level('order', 'error')### 股票相关设定 #### 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的）# 开盘前运行run_daily(before_market_open, time='before_open', reference_security='000300.XSHG')# 开盘时运行run_daily(market_open, time='open', reference_security='000300.XSHG')# 收盘后运行run_daily(after_market_close, time='after_close', reference_security='000300.XSHG')g.last_trade_price = 0## 开盘前运行函数
def before_market_open(context):# 输出运行时间log.info('函数运行时间(before_market_open)：'+str(context.current_dt.time()))# 给微信发送消息（添加模拟交易，并绑定微信生效）# send_message('美好的一天~')# 要操作的股票：平安银行（g.为全局变量）g.security = '000001.XSHE'## 开盘时运行函数
def market_open(context):log.info('函数运行时间(market_open):'+str(context.current_dt.time()))security = g.securitylast_trade_price = g.last_trade_pricecash = context.portfolio.available_cash# 取得当前的现金if context.portfolio.positions_value ==0:order_value(security, context.portfolio.starting_cash/2)g.last_trade_price = context.portfolio.positions['000001.XSHE'].priceelif abs(last_trade_price-context.portfolio.positions['000001.XSHE'].price) / last_trade_price >0.05:print(last_trade_price)print(context.portfolio.positions['000001.XSHE'].price)print('-------')print(cash)print(context.portfolio.positions_value)do_juncang(context)g.last_trade_price = context.portfolio.positions['000001.XSHE'].priceprint(context.portfolio.available_cash)print(context.portfolio.positions_value)print(context.portfolio.available_cash+context.portfolio.positions_value)def do_juncang(context):security = g.securitycash = context.portfolio.available_cashorder_value(security, (cash-context.portfolio.positions_value)/2)## 收盘后运行函数
def after_market_close(context):log.info(str('函数运行时间(after_market_close):'+str(context.current_dt.time())))#得到当天所有成交记录trades = get_trades()for _trade in trades.values():log.info('成交记录：'+str(_trade))log.info('一天结束')log.info('##############################################################')

然后使用聚宽平台来进行策略回测，可以看到策略收益为大概33%，跑输了沪深300 哈哈哈大概是因为选择回测的标的股票平安银行大盘股股价波动幅度不是很大走势也不是太好吧

均仓策略算不上一个优秀的策略，但是也还是一个不错的方法。主要比较适用于震荡行情中，下面总结一下：

优点：1. 简单无脑傻瓜式方法，易于操作。 2.适用于震荡行情，可以来来回回吃到波段的利润。因为据统计大盘超过半数时间都是在震荡行情的，选择波动大的股票标的优势更大。3. 可以抵抗一些行情出现变化的回撤现象，也可以克服因为市场下跌而不敢补仓的情况。关键在于，要严格按照均仓策略进行操作。

缺点：1. 如果出现单边上涨则均仓策略会导致利润偏小，过早的卖出手中的股票。2.如果出现单边下跌则会导致后续所需要的资金量要求大。3.因为无脑傻瓜式操作，不考虑其他额外的因素，可能出现紧急情况无法变通。

均仓策略有一定可以优化的空间，之后再做分享介绍。如果这篇文章对你有帮助，不妨给我点个赞或者关注，谢谢！

量化交易策略 - 均仓策略相关推荐

量化交易策略 - 优化均仓策略
在上一篇均仓策略中,介绍了本策略的一些基本步骤和优缺点.简单来说,如果根据价格涨跌来看,达到一定的幅度就做一次均仓处理.之前的回测例子中,设置的均仓条件是5%,这个数值可以根据实际的股票波动率来修改. ...
量化交易之单因子策略
量化交易之单因子策略单因子策略小市值选股策略移动平均线:如何躲过股灾和大跌『布带林线:衡量市场的波动性/趋势』单因子策略你知道剩男剩女是如何剩下的吗? 许多年后,他们都一样,都会发现自己其 ...
量化交易实战第一课策略入门
量化交易实战第一课策略入门概述要求指标市净率股票市值代码实现概述不管是技术分析还是基本面分析, 我们在进行投资的时候会选择某些表现好的股票来作为一个股票池. 从中进行交易的判断 ( ...
量化交易之多因子策略
量化交易之多因子策略多因子策略海龟交易:多因子策略.机械交易系统『K线:基本功但不能依靠』『唐安奇通道:衡量市场的波动性/趋势』『平均真实波幅:过去一段时间内市场的绝对波动幅度』『海龟择时 ...
量化交易聚宽 PEG策略
量化交易聚宽 PEG策略 PE:市盈率 G:收益增长率 PEG = PE / (G × 100) # 导入函数库 from jqdata import *# 初始化函数,设定基准等等 def ini ...
第四章：经典量化策略集锦（第三篇：网格交易—动态调仓策略）
导语:市场上股票的价格总是在不断的上下波动,投资者通过低买高卖获利.第三篇将向大家介绍网格交易,一个动态的调仓策略,有效解决仓位和价位控制. 一.策略阐述窥探网格交易 "追涨杀跌&quo ...
量化交易入门----双均线策略
本文采用了聚宽平台接口进行量化策略设置: 一.效果图双均线策略:双均线策略,当五日均线位于十日均线上方则买入,反之卖出. 二.证券知识: 策略收益(Total Returns) 最容易理解的一个概念 ...
Python量化交易02——双均线策略（移动平均线）
参考书目:深入浅出Python量化交易实战本次带来最经典的交易策略,双均线策略的构建和其回测方法. 双均线一般采用5天均值和10天均值,如果5日均线上穿突破了10日均线,说明股价在最近的涨势很猛,买 ...
量化交易：止盈策略与回测
我们买基金或股票的时候通常用最简单的策略进行决策:低买高卖,跌的多了就加仓拉低持有成本,达到收益率就卖出. 那么如何用代码表示这个策略呢?首先定义交易信号则是:0.5%时买入,目标止盈线是1.5%,达 ...

量化交易策略 - 均仓策略

量化交易策略 - 均仓策略相关推荐

最新文章

热门文章