量化合约指的是指标或工作具体明确,能够清晰度量。依据不同状况,体现为数量多少,具体的统计数字,范畴掂量,工夫长度等等。所谓量化就是把通过抽样失去的瞬时值将其幅度离散,即用一组规定的电平,把刹时抽样值用最靠近的电平值来示意。通过抽样的图像,只是在空间上被离散成为像素 (样本) 的阵列。而每个样本灰度值还是一个由无穷多个取值的间断变动量,必须将其转化为无限个离散值,零碎开发对接 v +hkkf5566,赋予不同码字能力真正成为数字图像。这种转化称为量化。
量化合约策略部署代码参考如下:
coding=utf-8
from future import print_function, absolute_import, unicode_literals
import numpy as np
import pandas as pd
from gm.api import *
”’
本策略标的为:SHFE.rb1901
价格中枢设定为:前一交易日的收盘价
从阻力位到压力位别离为:1.03 open、1.02 open、1.01 open、open、0.99 open、0.98 open、0.97 open
每变动一个网格,交易量变动 100 个单位
回测数据为:SHFE.rb1901 的 1min 数据
回测工夫为:2017-07-01 08:00:00 到 2017-10-01 16:00:00
”’
def init(context):
策略标的为 SHFE.rb1901
context.symbol = ‘SHFE.rb1901’
订阅 SHFE.rb1901, bar 频率为 1min
subscribe(symbols = context.symbol, frequency=’60s’)
设置每变动一格,增减的数量
context.volume = 1
贮存前一个网格所处区间,用来和最新网格所处区间作比拟
context.last_grid = 0
以前一日的收盘价为中枢价格
context.center = history_n(symbol= context.symbol,frequency=’1d’,end_time=context.now,count = 1,fields = ‘close’)0
记录上一次交易时网格范畴的变动状况(例如从 4 区到 5 区,记为 4,5)
context.grid_change_last = [0,0]
def on_bar(context, bars):
bar = bars[0]
获取多仓仓位
position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
获取空仓仓位
position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
设置网格和以后价格所处的网格区域
context.band = np.array([0.97, 0.98, 0.99, 1, 1.01, 1.02, 1.03]) * context.center
grid = pd.cut([bar.close], context.band, labels=[1, 2, 3, 4, 5, 6])[0]
如果价格超出网格设置范畴,则提醒调节网格宽度和数量
if np.isnan(grid):
print('价格稳定超过网格范畴,可适当调节网格宽度和数量')
如果新的价格所处网格区间和前一个价格所处的网格区间不同,阐明触碰到了网格线,须要进行交易
如果新网格大于前一天的网格,做空或平多
if context.last_grid < grid:
# 记录新旧格子范畴(依照大小排序)grid_change_new = [context.last_grid,grid]
# 几种例外:# 当 last_grid = 0 时是初始阶段,不形成信号
# 如果此时 grid = 3,阐明以后价格仅在开盘价之下的 3 区域中,没有冲破网格线
# 如果此时 grid = 4,阐明以后价格仅在开盘价之上的 4 区域中,没有冲破网格线
if context.last_grid == 0:
context.last_grid = grid
return
if context.last_grid != 0:
# 如果前一次开仓是 4 -5,这一次是 5 -4,算是没有冲破,不成交
if grid_change_new != context.grid_change_last:
# 更新前一次的数据
context.last_grid = grid
context.grid_change_last = grid_change_new
# 如果有多仓,平多
if position_long:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Sell, order_type=OrderType_Market,
position_effect=PositionEffect_Close)
print('以市价单平多仓 {} 手'.format(context.volume))
# 否则,做空
if not position_long:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Sell, order_type=OrderType_Market,
position_effect=PositionEffect_Open)
print('以市价单开空 {} 手'.format(context.volume))
如果新网格小于前一天的网格,做多或平空
if context.last_grid > grid:
# 记录新旧格子范畴(依照大小排序)grid_change_new = [grid,context.last_grid]
# 几种例外:# 当 last_grid = 0 时是初始阶段,不形成信号
# 如果此时 grid = 3,阐明以后价格仅在开盘价之下的 3 区域中,没有冲破网格线
# 如果此时 grid = 4,阐明以后价格仅在开盘价之上的 4 区域中,没有冲破网格线
if context.last_grid == 0:
context.last_grid = grid
return
if context.last_grid != 0:
# 如果前一次开仓是 4 -5,这一次是 5 -4,算是没有冲破,不成交
if grid_change_new != context.grid_change_last:
# 更新前一次的数据
context.last_grid = grid
context.grid_change_last = grid_change_new
# 如果有空仓,平空
if position_short:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Buy,
order_type=OrderType_Market,
position_effect=PositionEffect_Close)
print('以市价单平空仓 {} 手'.format(context.volume))
# 否则,做多
if not position_short:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Buy,
order_type=OrderType_Market,
position_effect=PositionEffect_Open)
print('以市价单开多 {} 手'.format(context.volume))
设计一个止损条件:当持仓量达到 10 手,全副平仓
if position_short == 10 or position_long == 10:
order_close_all()
print('触发止损,全副平仓')
if name == ‘__main__’:
”’
strategy_id 策略 ID, 由系统生成
filename 文件名, 请与本文件名保持一致
mode 实时模式:MODE_LIVE 回测模式:MODE_BACKTEST
token 绑定计算机的 ID, 可在零碎设置 - 密钥治理中生成
backtest_start_time 回测开始工夫
backtest_end_time 回测完结工夫
backtest_adjust 股票复权形式不复权:ADJUST_NONE 前复权:ADJUST_PREV 后复权:ADJUST_POST
backtest_initial_cash 回测初始资金
backtest_commission_ratio 回测佣金比例
backtest_slippage_ratio 回测滑点比例
”’
run(strategy_id=’strategy_id’,
filename='main.py',
mode=MODE_BACKTEST,
token='token_id',
backtest_start_time='2018-07-01 08:00:00',
backtest_end_time='2018-10-01 16:00:00',
backtest_adjust=ADJUST_PREV,
backtest_initial_cash=100000,
backtest_commission_ratio=0.0001,
backtest_slippage_ratio=0.0001)