大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
本篇文章给大家分享的是有关python中怎么利用Pandas库实现一个商品期货网格策略,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。
成都创新互联专业成都网站建设、成都网站制作,集网站策划、网站设计、网站制作于一体,网站seo、网站优化、网站营销、软文发布平台等专业人才根据搜索规律编程设计,让网站在运行后,在搜索中有好的表现,专业设计制作为您带来效益的网站!让网站建设为您创造效益。
Pandas的数据结构
Series:一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型,字符串、boolean值、数字等都能保存在Series中。
Time-Series:以时间为索引的Series。
DataFrame:二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel:三维的数组,可以理解为DataFrame的容器。
Panel4D:是像Panel一样的4维数据容器。
PanelND:拥有factory集合,可以创建像Panel4D一样N维命名容器的模块。
运用Pandas的强大特性来进行网格策略的编码
网格策略秉持的原则是“仓位策略比择时策略更重要”。其基本操作方式就是以某点为基点,每上涨戓下跌一定点数挂一定数量空单戓多单,设定盈利目标,但不设止损,当价格朝期望方向进展时获利平仓,并在原点位挂同样的买单戓卖单。这样布下的这些交易单形成了一张像鱼网样的阵列,在震荡的市场中来回获利。
本策略首先计算了过去300个价格数据的均值和标准差,并根据均值加减1和2个标准差得到网格的区间分界线,并分别配以0.3和0.5的仓位权重,然后根据价格所在的区间来配置仓位(+/-40为上下界,无实际意义):
(-40,-3],(-3,-2],(-2,2],(2,3],(3,40](具体价格等于均值+数字倍标准差)
-0.5, -0.3, 0.0, 0.3, 0.5
第一步,我们需要引入策略代码中需要用到的库
import types import numpy as np import pandas as pd
第二步,我们需要在发明者量化平台初始化合约数据,这个例子中,我们还是使用螺纹钢期货为例子。
def init(): # 订阅螺纹钢的2005合约,并且取得发明者量化平台当前周期的所有收盘价 exchange.SetContractType("rb2005") records = exchange.GetRecords() close_01 = records.Close # 获取网格区间分界线 context.band = np.mean(close_01) + np.array([-40, -3, -2, 2, 3, 40]) * np.std(close_01) # 设置网格的仓位 context.weight = [0.5, 0.3, 0.0, 0.3, 0.5]
第三步,也是最重要的,我们开始编写策略逻辑和实现自动化交易
这里需要注意的是,我们需要用到发明者量化平台的国内商品期货模版,模版地址为:https://www.fmz.com/strategy/24288 各位在发明者量化策略编写页面进行编码时,需要把此模版先复制到自己的策略库,然后在回测时勾选上,这里请各位读者注意
关于如何部署托管者和机器人,请参考我之前的文章:https://www.fmz.com/bbs-topic/4140
想购买自己云计算服务器部署托管者的读者,可以参考这篇文章:https://www.fmz.com/bbs-topic/2848
策略逻辑与实现其自动化交易:
def onTick(context, bars): obj = ext.NewPositionManager() # 使用发明者量化交易类库 # 此处用来获取持仓信息 positions = exchange.GetPosition() # 获取持仓数组 if len(positions) == 0: # 如果持仓数组的长度是0 return 0 # 证明是空仓,返回0 for i in range(len(positions)): # 遍历持仓数组 if (positions[i]['Type'] == PD_LONG) or (positions[i]['Type'] == PD_LONG_YD): position_long = 1 # 将position_long标记为1 elif (positions[i]['Type'] == PD_SHORT) or (positions[i]['Type'] == PD_SHORT_YD): position_short = -1 # 将position_short标记为-1 bar = bars[0] # 根据价格落在(-40,-3],(-3,-2],(-2,2],(2,3],(3,40]的区间范围来获取最新收盘价所在的价格区间 grid = pd.cut([close_01], context.band, labels=[0, 1, 2, 3, 4])[0] # 若无仓位且价格突破则按照设置好的区间开仓 if not position_long and not position_short and grid != 2: # 大于3为在中间网格的上方,做多 if grid >= 3: obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位 if grid <= 1: obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位 # 持有多仓的处理 elif position_long: if grid >= 3: obj.OpenLong("rb2005", 1) # 以市价单调多仓到仓位 # 等于2为在中间网格,平仓 elif grid == 2: obj.closebuy("rb2005", 1) # 以市价单全平多仓 # 小于1为在中间网格的下方,做空 elif grid <= 1: obj.closebuy("rb2005", 1) # 以市价单全平多仓 obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位 # 持有空仓的处理 elif position_short: # 小于1为在中间网格的下方,做空 if grid <= 1: obj.OpenShort("rb2005", 1) # 以市价单调空仓到仓位 # 等于2为在中间网格,平仓 elif grid == 2: obj.closesell("rb2005", 1) # 以市价单全平空仓 # 大于3为在中间网格的上方,做多 elif grid >= 3: obj.closesell("rb2005", 1) # 以市价单全平空仓 obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位
最后,我们用一个Main函数把策略跑起来。这里建议大家学会部署自己的托管者,即使在自己的电脑中本地部署,这样对于调试程序和回测交易逻辑来讲都有莫大的有益,特别是对于pandas这样的第三方库的安装,运用本地的anaconda环境管理软件来管理这些python库和环境将会起到事半功倍的效果。
以下是完整的策略代码:
import types import numpy as np import pandas as pd # 初始化合约数据 def init(): # 订阅螺纹钢的2005合约,并且取得发明者量化平台当前周期的所有收盘价 exchange.SetContractType("rb2005") records = exchange.GetRecords() close_01 = records.Close # 获取网格区间分界线 context.band = np.mean(close_01) + np.array([-40, -3, -2, 2, 3, 40]) * np.std(close_01) # 设置网格的仓位 context.weight = [0.5, 0.3, 0.0, 0.3, 0.5] def onTick(context, bars): obj = ext.NewPositionManager() # 使用发明者量化交易类库 # 此处用来获取持仓信息 positions = exchange.GetPosition() # 获取持仓数组 if len(positions) == 0: # 如果持仓数组的长度是0 return 0 # 证明是空仓,返回0 for i in range(len(positions)): # 遍历持仓数组 if (positions[i]['Type'] == PD_LONG) or (positions[i]['Type'] == PD_LONG_YD): position_long = 1 # 将position_long标记为1 elif (positions[i]['Type'] == PD_SHORT) or (positions[i]['Type'] == PD_SHORT_YD): position_short = -1 # 将position_short标记为-1 bar = bars[0] # 根据价格落在(-40,-3],(-3,-2],(-2,2],(2,3],(3,40]的区间范围来获取最新收盘价所在的价格区间 grid = pd.cut([close_01], context.band, labels=[0, 1, 2, 3, 4])[0] # 若无仓位且价格突破则按照设置好的区间开仓 if not position_long and not position_short and grid != 2: # 大于3为在中间网格的上方,做多 if grid >= 3: obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位 if grid <= 1: obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位 # 持有多仓的处理 elif position_long: if grid >= 3: obj.OpenLong("rb2005", 1) # 以市价单调多仓到仓位 # 等于2为在中间网格,平仓 elif grid == 2: obj.closebuy("rb2005", 1) # 以市价单全平多仓 # 小于1为在中间网格的下方,做空 elif grid <= 1: obj.closebuy("rb2005", 1) # 以市价单全平多仓 obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位 # 持有空仓的处理 elif position_short: # 小于1为在中间网格的下方,做空 if grid <= 1: obj.OpenShort("rb2005", 1) # 以市价单调空仓到仓位 # 等于2为在中间网格,平仓 elif grid == 2: obj.closesell("rb2005", 1) # 以市价单全平空仓 # 大于3为在中间网格的上方,做多 elif grid >= 3: obj.closesell("rb2005", 1) # 以市价单全平空仓 obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位 def main(): while True: onTick() Sleep(1000)
以上就是python中怎么利用Pandas库实现一个商品期货网格策略,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。