量化交易技术篇系列-10种经典量化策略

老年程序员俱乐部

已于 2025-04-09 09:52:17 修改

阅读量1.2k

点赞数 25

分类专栏：量化交易文章标签： python

于 2025-04-09 09:47:23 首次发布

本文链接：https://blog.csdn.net/CHINA_OPC/article/details/147085110

版权

量化交易专栏收录该内容

2 篇文章

订阅专栏

搭建一套量化交易系统涉及多个模块和组件的协同工作，包括数据采集、量化策略、可视化模块、数据处理、回测评估、自动交易等等，本文重点介绍10种经典量化策略。

量化交易策略是利用数学、统计和计算机技术，从历史数据中挖掘规律并自动执行的交易方法。以下是常见的量化策略分类及示例：

1. 趋势跟踪策略（Trend Following）

核心逻辑：跟随市场趋势，上涨时做多，下跌时做空。
常用指标：
- 移动平均线（MA、EMA）交叉
- 布林带（Bollinger Bands）突破
- MACD（移动平均收敛发散）
特点：适合波动强烈的市场，但震荡市中可能亏损。
以下是一个基于 移动平均线（MA）交叉 的趋势跟踪策略的Python代码示例，使用backtrader框架实现。该策略在短期均线上穿长期均线时买入，下穿时卖出。


import backtrader as bt
import yfinance as yf  # 用于获取数据

# 定义策略类
class MovingAverageCrossStrategy(bt.Strategy):
    params = (
        ('fast_ma', 10),  # 短期均线周期
        ('slow_ma', 30),  # 长期均线周期
    )

    def __init__(self):
        # 初始化均线指标
        self.fast_ma = bt.indicators.SimpleMovingAverage(
            self.data.close, period=self.p.fast_ma)
        self.slow_ma = bt.indicators.SimpleMovingAverage(
            self.data.close, period=self.p.slow_ma)
        self.crossover = bt.indicators.CrossOver(self.fast_ma, self.slow_ma)

    def next(self):
        if not self.position:  # 如果没有持仓
            if self.crossover > 0:  # 短期均线上穿长期均线
                self.buy(size=100)  # 买入100股
        elif self.crossover < 0:  # 短期均线下穿长期均线
            self.close()  # 平仓

# 主程序
if __name__ == '__main__':
    # 初始化Cerebro引擎
    cerebro = bt.Cerebro()

    # 添加策略
    cerebro.addstrategy(MovingAverageCrossStrategy)

    # 获取数据（示例：苹果股票2020-2023年数据）
    data = bt.feeds.PandasData(dataname=yf.download('AAPL', '2020-01-01', '2023-12-31'))

    # 添加数据到引擎
    cerebro.adddata(data)

    # 设置初始资金
    cerebro.broker.setcash(10000.0)

    # 添加分析指标
    cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
    cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')

    # 运行回测
    print('初始资金: %.2f' % cerebro.broker.getvalue())
    results = cerebro.run()
    print('最终资金: %.2f' % cerebro.broker.getvalue())

    # 输出夏普比率和最大回撤
    strat = results[0]
    print('夏普比率:', strat.analyzers.sharpe.get_analysis()['sharperatio'])
    print('最大回撤:', strat.analyzers.drawdown.get_analysis()['max']['drawdown'], '%')

    # 绘制回测结果
    cerebro.plot(style='candlestick')