101

由jliang创建，最终由qxiao更新于2024-08-22 03:58 被浏览 1288 用户

策略介绍

动量策略是一种利用历史价格趋势来预测未来价格行为的量化交易策略。这种策略基于一个假设：股票或其他资产的未来价格趋势可能会延续其近期的表现。在实际应用中，动量策略通常会购买表现好的资产并卖出表现差的资产。

策略思想

动量策略的核心是“追涨避跌”。具体来说，这种策略会：

策略代码

策略代码，可以克隆策略进入 AIStudio 运行和调优。

https://bigquant.com/codesharev3/2ebfa569-3a43-498e-b60d-d4fae893b973

策略实现

数据查询

仓位分配

数据抽取

回测

def bigquant_run(context, data): import pandas as pd # 下一个交易日不是调仓日，则不生成信号 if not context.rebalance_period.is_signal_date(data.current_dt.date()): return # 从传入的数据 context.data 中读取今天的信号数据 today_df = context.data[context.data["date"] == data.current_dt.strftime("%Y-%m-%d")] target_instruments = set(today_df["instrument"]) # 获取当前已持有股票 holding_instruments = set(context.get_account_positions().keys()) # 卖出不在目标持有列表中的股票 for instrument in holding_instruments - target_instruments: context.order_target_percent(instrument, 0) # 买入目标持有列表中的股票 for i, x in today_df.iterrows(): # 处理 null 或者 decimal.Decimal 类型等 position = 0.0 if pd.isnull(x.position) else float(x.position) context.order_target_percent(x.instrument, position)

理解策略

数据

m3.data.read()["sql"] 可视化模版 m1 输出的是根据用户选择构建的SQL

m1.data.read() m1根据m3的SQL抽取指定时间段的数据 \n

可以使用 bigcharts.Table 来查看数据，支持翻页、排序等

import bigcharts # bigcharts.Bar(m2.data.read().groupby("date")["instrument"].count().to_frame()) bigcharts.Table(m2.data.read())

查看策略代码，也可以在这里直接修改代码，切换回可视化模式\n

优化

从这两年看没有跑赢基准，我们可以继续修改这个策略

查看其他时间段效果，修改 m2 的开始日期为 2010-01-01，看过去14年\n

只在部分年份收益

添加换手率过滤条件：m_avg(turn, 5) BETWEEN 0.02 AND 0.05 过去5日换手率均值在2%到5%之间

效果改进很多

如何使用

\