金融数据分析| 均值回归理论| 择时-布林带策略

 

 1. 均值回归理论

 均值回归：“跌下去的迟早要涨上来”

 均值回归的理论基于以下观测：价格的波动一般会以它的均线为中心，也就是说，当表的价格由于波动而偏离移动均线时，它将调整并重新归于均线。

 定义偏离程度：（MA - P） / MA

 

 

  均值回归策略： 在每个调仓日进行

        计算股票池中所有股票的N日均线

 　　计算股票池中所有股票与均线的偏离度

　　选取偏离度最高的M只股票并调仓。

 

import jqdata
import math
import numpy as np
import pandas as pd

def initialize(context):
    set_option('use_real_price', True)
    set_order_cost(OrderCost(open_tax=0, close_tax=0.001,open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    set_benchmark('000300.XSHG')

    g.security = get_index_stocks('000300.XSHG')
    
    g.ma_days = 30
    g.stock_num = 10
    
    run_monthly(handle, 1)
    
def handle(context):
    sr = pd.Series(index = g.security)    
    for stock in sr.index:
        ma = attribute_history(stock, g.ma_days)['close'].mean()
        p = get_current_data()[stock].day_open
        ratio = (ma - p)/ma
        sr[stock] = ratio
        
    tohold = sr.nlargest(g.stock_num).index.values
    print(tohold)

    
    for stock in context.portfolio.positions:
        if stock not in tohold:
            order_target(stock, 0)
    tobuy = [stock for stock in tohold if stock not in context.portfolio.positions]
    
    if len(tobuy) > 0:
        cash = context.portfolio.available_cash
        cash_per_stock = cash / len(tobuy)
        for stock in tobuy:
            order_value(stock, cash_per_stock)

  

  

 

 2. 布林带策略

  布林带/布林线/ 保利加通道（Bollinger Band）：由三条轨道线组成，其中上下两条线分别可以看成是价格的压力线和支撑线，在两条线之间是一条价格平均线。

  计算公式：

       中间线 = 20日均线

　　up线 = 20日均线 + N*SD（20日收盘价）

　　down线 = 20日均线 - N*SD（20日收盘价）

    

 

 就像 (a.mean() - 2*a.std(), a.mean() + 2*a.std()

(a.mean() - 1.5*a.std(), a.mean() + 1.5*a.std()

  布林带策略：择时

　　当股价突破阻力线时，清仓

　　当股价跌破支撑线时，全仓买入

 布林带策略研究：N的取值问题，布林带宽度等。

 

def initialize(context):
    set_option('use_real_price', True)
    set_order_cost(OrderCost(open_tax=0, close_tax=0.001,open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    set_benchmark('000300.XSHG')

    g.security = '600036.XSHG'
    
    g.M = 20
    g.k = 2
    

def handle(context, data):
    sr = attribute_history(g.security, g.M)['close']
    ma = sr.mean()
    up = ma + g.k * sr.std()
    down = ma - g.k * sr.std()
    p = get_current_data()[g.security].day_open
    cash = context.portfolio.available_cash
    if p < down and g.security not in context.portfolio.positions:
        order_value(g.security, cash)
    elif p > up and g.security in context.portfolio.positions:
        order_target(g.security, 0)