编辑 | Cowboy
校对 | 李明
来源 | 牛角财经
目的 |量化策略 | Python tasdk — GhostTrader模型！(附代码)
本文将分享，量化策略 | Python tasdk — GhostTrader模型！(附代码)文章及策略代码仅用于学习交流，切勿用于任何商业用途。否则将追究一切竟可能的法律责任！
前言
GhostTrader (幽灵交易策略)，其开仓原理非常简单，其核心原理：以最新一笔交易的盈亏作为是否进行下一笔交易。其实，行情的走势大致可以分为趋势和震荡，趋势过后大概率会遭遇震荡；而震荡久了之后大概率会出现趋势行情。
作者认为，原作者的思路很可能就是抓住此特征而编写的。这样写有什么好处？试想，如果目前正是震荡，那么策略很可能会遭遇反复止损，将模型的试错成本降到最低。而采用这种方法，优点是可以大大降低在震荡期间反复的止损次数，当然缺点那就是会遗漏掉某些大行情。没有办法，必须接受策略的“不完美”！
原理大致如下：连亏3比开仓，直到盈利一笔后停止，期间每亏损一次仓位就+1手。策略主要是以前3笔亏损视为震荡，将模型的试错成本降到最低。
而策略并没有用什么高深算法，只采用两条均线来测试。结果却让人惊讶！我想这就是类似这种思路的初衷吧。
01
策略原理
1.开仓：
(1)前一笔多单亏损，MA1>MA2，RSIValue=前一根最高价。开多
(2)前一笔空单亏损，MA1超卖，最低价<=前一根最低价。开空
2.平仓：
(1)最低价<=唐奇安通道下轨，平多。
(2)最高价>=唐奇安通道上轨，平空。
02
策略编写
1.设置参数和变量
我们的回测时间设置为-12-01 — -03-02。
code:
"------------------------------------""牛角财经-官方策略案列:GhostTrader""声明：未经允许，代码切勿用于任何商业用途，否则将追究一切尽可能的法律责任！""来源：牛角财经""编辑：cowboy""------------------------------------"from tqsdk import TqApi,TqSim,TqBacktest,TargetPosTask,tafuncfrom datetime import datefrom datetime import timedeltafrom tqsdk.ta import EMA,RSIclassGhostTrader():"GhostTrader-幽灵交易模型"def__init__(self,symbol = "SHFE.rb"):self.api = TqApi(TqSim(),backtest =TqBacktest(start_dt=date(,12,1),end_dt=date(,3,2)),web_gui=True) # 回测账户、区间设置self.symbol = symbolself.kline = self.api.get_kline_serial(self.symbol,60*60,200) # k线数据self.qoute = self.api.get_quote(symbol=self.symbol) # 最新价self.target_pos = TargetPosTask(self.api, self.symbol) # 目标持仓self.FastLength = 9# 短期指数平均线参数self.SlowLength = 19# 长期指数平均线参数self.Length = 9# RSI参数self.OverSold = 30# 超卖self.OverBought = 70# 超买self.AvgValue1 = 0# 短期指数平均线self.AvgValue2 = 0# 长期指数平均线self.Band_length = 20# RSI参数self.ExitHiBand = 0# 唐奇安通道上轨self.ExitLoBand = 0# 唐奇安通道下轨self.buy_EntryPrice = 0# 多头进场价格self.buy_ExitPrice = 0# 多头出场价格self.buy_Profit = 0# 多头利润self.sell_EntryPrice = 0# 空头进场价格self.sell_ExitPrice = 0# 空头出场价格self.sell_Profit = 0# 空头利润self.Position_flag = 0# 多空标志
2.模型开平仓的数值计算。
计算出MA1、MA2、RSI、及唐奇安通道。
defset_vars(self):self.AvgValue1 = EMA(self.kline, self.FastLength)['ema'] #self.AvgValue2 = EMA(self.kline, self.SlowLength)['ema'] # RSIself.RSIValue = RSI(self.kline, self.Length)['rsi'] # RSI"通道上轨：前N个交易日的最高价"self.ExitHiBand = max(self.kline.high[-self.Band_length - 1:-1])"通道下轨：前N个交易日的最低价"self.ExitLoBand = min(self.kline.low[-self.Band_length - 1:-1])
3.信息打印。
def set_info(self):"开仓指标数据"print("----------------------")print("RSIValue:", self.RSIValue.iloc[-2])print("AvgValue1:", self.AvgValue1.iloc[-2])print("AvgValue2:", self.AvgValue2.iloc[-2])print("ExitHiBand:", self.ExitHiBand)print("ExitLoBand:", self.ExitLoBand)
4.开仓函数
code:
def entry(self):whileself.Position_flag == 0:self.api.wait_update()ifself.api.is_changing(self.kline.iloc[-1],'datetime'):self.set_vars()self.set_info()ifself.api.is_changing(self.qoute,'last_price'):ifself.AvgValue1.iloc[-2] > self.AvgValue2.iloc[-2] andself.RSIValue.iloc[-2] < self.OverBought andself.qoute.last_price > self.kline.high.iloc[-2]:self.buy_EntryPrice = max(self.kline.high.iloc[-2],self.kline.open.iloc[-1])self.Position_flag = 1"开多"ifself.buy_Profit < 0:print("前一笔多单-------------------亏损")self.target_pos.set_target_volume(1)else:print("前一笔多单没有亏损")elif self.AvgValue1.iloc[-2] < self.AvgValue2.iloc[-2] andself.RSIValue.iloc[-2] > self.OverSold andself.qoute.last_price < self.kline.low.iloc[-2]:self.sell_EntryPrice = min(self.kline.low.iloc[-2],self.kline.open.iloc[-1])self.Position_flag = -1"开空"ifself.sell_Profit < 0:print("前一笔空单-------------------亏损")self.target_pos.set_target_volume(-1)else:print("前一笔空单没有亏损")
5.平仓函数，相对简单点。
03
策略回测
品种：rb
周期：1小时
区间：-12-01 — -03-02。
回测结果：
04
总结
分享的每一个策略，都有其核心的部分。学习并转化为自己的东西，融入到自己的模型中去！至此，已经将整个策略分享给大家了。
(天勤量化官网)
如对您有帮助，感谢分享和在看
粉丝可添加牛角财经官方群：
牛角财经-量化交易群4：975923183
如需文章案例代码，微信关注：‘牛角财经’，回复文章标题，即可领取！
近期原创
