积分商城

最新搜索： JESD51-7 SOC 光电倍增管 C语言程序设计 Pulsed Excitation Method 嵌入式操作系统
您现在的位置是：首页 > 技术资料 > 基于Python语言的量化股票投资策略研究
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于Python语言的量化股票投资策略研究

更新时间：2019-12-22 11:58:56 大小：1M 上传用户：songhuahua查看TA发布的资源 标签：python 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

在大数据快速发展的背景下,将程序算法与股票投资相结合是创新股票投资方式并实现投资收益率提升的关键。文章在量化投资理念的基础上,运用Python语言对A股市场的一些历史指数和个股数据进行梳理分析,针对Python量化投资项目进行初始性设计,基于Python语言制定量化股票投资策略,并对策略进行收益回测,进而提出量化股票投资的保障措施


部分文件列表

文件名 大小
基于Python语言的量化股票投资策略研究.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
:
吴梅 基于  
Python  
语言的量化股票投资策略研究  
前沿聚焦  
Python  
基于  
语言的量化股票投资策略研究  
吴 梅  
(
，
黑龙江省交通信息通信中心 黑龙江 哈尔滨  
150081)  
［
］
，
摘
要
在大数据快速发展的背景下 将程序算法与股票投资相结合是创新股票投资方式并实现投资收益率提升的关  
Python Python  
量
。
，
A
，
键
文章在量化投资理念的基础上 运用  
语言对 股市场的一些历史指数和个股数据进行梳理分析 针对  
，
化投资项目进行初始性设计 基于  
Python  
， ，  
语言制定量化股票投资策略 并对策略进行收益回测 进而提出量化股票投资的  
。
保障措施  
［ ］ Python  
关键词  
;
语言 量化投资策略  
; BOLL  
;
指标 格雷厄姆成长股  
［
］ F832  
中图分类号  
，
Tushare  
Windpy，  
Windpy  
业务 有影响力的模块库有  
和
其中  
公司开发的一个开源接口 国内的金融终端一般是  
Wind、iFind Choice  
1
前
言
Wind  
。
是
20  
80  
，
年代 一些投资者开始利用计算机研究金  
，
终端 这些终端软件就是把企业和行  
世纪  
和
，
融数据 并初显成效  
。20  
，
世纪末 投资者把计算机技术进  
， ，  
业的数据收集到数据库 进行深度分析 并稍加整理成表  
， ，  
一步应用在金融数据分析上 进行模型设计 构建股票投  
，
，
然后上传到服务器中 方便客户进行相关的数据分析  
，
格
。 ， ，  
资组合 这时 金融数据趋于规范化 在日渐复杂的数据  
。
一般情况下客户都需要付费来获得数据  
。NumPy  
，
分析过程中 产生了更多类型的因子和更多样化的投资策  
第二阶段是数据分析  
用来存储和处理多维数  
。
，
，
SciPy  
;
Pandas  
略
量化投资是借助量化金融分析方法进行资产管理  
量
组和大型矩阵 搭配 进行计算  
Matplotlib 2D  
绘图从而实现数据可视化  
解决时间序  
、 、  
化金融分析方法是结合金融数据 个人经验 数学模型和  
;
。Wind  
列
用
进行  
终端也有相关的业务在平台上销售 而该服  
务的购买者通常是一些尚未具备分析能力和资格的小型机构  
［1］  
。
Choice  
终端和  
，
计算机技术的一种复杂金融建模的分析方法  
实现量化  
，Python、Matlab、SPSS、Eviews、  
投资的方法多达数十种  
Excel、SAS、R  
，
在量化界都是非常好用的工具 尤其是在  
。
或行外人  
第三阶段是策略研究  
shell，  
。
Python  
，
。IPython  
Python  
是一个  
数据分析方面  
在数据分析方面 而量化投资是一个系统性工程 数据分  
GitHub  
除
外
其余几个工具的优势都体现  
的交互式  
，
，
，
bash shell ，  
能进行变量的自动补全和缩进 支持  
命令  
可以对数据进行  
，
。
，
;
内置了一系列有用的功能和函数  
Jupyter  
析只是其中的一部分 不是全部 根据  
官网统计  
145  
，
Python  
， ，  
清理和转换 进行数值模拟和统计建模等 是比较方便的策  
量化交易开源项目共  
个
其中使用  
以外的技术  
语言进行开发的多  
的开源性促使开发者开发了大量的库和模  
70  
，
Python  
;
Zipline ( RQalpha  
进行开发的项目共  
75 。Python  
个
应用  
略研究工具  
国内公司开发的是  
回测引  
对真实交易系统的运转进行模拟 利用历史数据对投  
Python  
)
擎
，
达
个
，
，
而这些库和模块又使很多外行人能够轻松入手 反过  
;
块
资策略进行回测检验 具体的策略便可以理解为  
代
Python 。 Python  
在该领域的发展 应用  
。
来又促进了  
语言爬取  
码的执行  
第四阶段是实盘交易  
; easytrader  
平台开发框架  
， ，  
数据 进行数据挖掘和深度案例分析 能够使量化投资基  
。vn. py  
Python  
的开源交易  
是基于  
也是开源模块库 比较适合个人  
投资者 通俗来说 狭义的量化投资的应用意义到第三阶段  
， 。  
本实现从技术分析到金融设计 实现系统性掌控 因此  
，
，
Python  
，
驱动量化股票投资 对优化股票投资策略和规  
。
，
采用  
。
，
为止 关于第四步的实盘交易还是需要经过投资者参考过量  
避投资风险具有十分重要的意义  
。
化投资的模型后作出的决定 因为工具只是投资者进行决策  
2
Python  
的股票量化投资交易程序  
基于  
，
的辅助 人才是真实交易的决定者  
。
2.1  
Python  
， ，  
需要说明的是 数据收集及案例中的模型 直接采用第  
基于  
的股票量化投资步骤  
Python  
，
要应用 到 量 化 投 资 交 易 中 其 步 骤 如 图  
1
API  
;
数据源 数据分析因避免代码繁冗多  
将
三方平台供应的  
。
，
Python  
，
其
所示  
杂
直接采用第三方平台的库和框架进行  
编程  
框架 利用第三方  
平台的意义及其最终达到的回测效果与纯自建量化交易策略  
BOLL Signal  
。
中
指标案例的策略使用到了  
， 。 A  
项目无异 也非常适合个人投资者入手 文章选取 股市  
， A  
场进行研究 选取样本的原因是 股市场的数据有利于简  
。
化代码量 比如  
，
A
在 股市场上进行交易  
，1 100  
手即为  
1
图
股票量化交易应用模块库流程  
，
， 1 ，  
而在港股市场上 不同的股票 手的股数不尽相同 有  
股
1
50  
，
1
有的 手是交易  
200  
，
股 这样的数据  
的
手是交易  
股
。
可以简化很多代码量  
。
第一阶段是数据收集 数据收集是很多券商机构在做的  
2019. 8  
13  
2019  
15  
(
312  
)
期
前沿聚焦  
新财经  
年第  
期
总第  
2.2  
Python  
， ，  
卖策略 根据个人投资者的账户情况 设置账户初始资金为  
基于  
的股票量化投资流程  
Python  
4 ，  
实现股票量化交易分为 个阶段 但具体  
10  
，
万元 策略背景与规则如下  
。
虽然  
， ， 8  
操作起来 为了更贴合实际 通常可以解析为 个流程  
，
( 1)  
BOLL  
( 2)  
BOLL ， ;  
上轨 买入 如果收盘价下  
即
如果收盘价上穿  
、 、 、 、  
获取数据 数据分析挖掘 构建信号 构建策略 回测  
、
，
。
策
穿
下轨 则开盘卖掉  
回测策略时间区间设定为  
300”， 300”。  
、 。 2  
略分析 模拟交易和实盘交易 如图 所示  
。
2018  
，
年全年 股票池为  
“
“
沪深  
参考指标为 沪深  
( 3)  
10  
， 。  
类型为股票账户  
资金账户初始资金  
万
( 4)  
20 000  
，
元左右 出现重复信号时  
每次每只股票买  
。
不重复买入  
( 5)  
，
当买入信号的股票数量比资金多时 随机挑选买  
，
。
入
每个交易日全仓操作  
( 6)  
策略需导入第三方库  
Pandas，  
Signal。  
框架为  
Python  
， BOLL  
语言编辑策略代码并运行回测 得到  
利用  
指标买卖策略收益回测结果 如图 所示  
，2018  
，
3
。
，
300  
指数涨幅  
策略回测结果显示  
年全年 沪深  
BOLL  
策略收益率仅为  
－
25. 9%，  
300  
为
依据沪深  
制定的  
指标买卖策略的模拟收益曲线较平缓 波动  
300  
－
6. 9%，BOLL  
，
，
的收益率波动幅度 收益率相对稳  
幅度明显小于沪深  
，
2018  
，
年的熊市环境下 规避降低风险的效果显著  
。
定
在
， ，  
可见 构建最简单的量化交易策略仍然是可行的 大环境熊  
2
图
股票量化交易流程  
， 。  
市的影响 暂时不对策略的好坏进行评价 这次对策略的可  
，
行性进行检测 策略收益率已远胜于沪深  
300  
。
指数  
。 、  
一是获取数据 包括获取公司新闻数据 关联数据  
，
产
3.2  
格雷厄姆成长股内在价值投资法  
、 、 ，  
业上下游 主营业务 所属行业主题等数据 基本行情数  
［3］  
以格雷厄姆的成长股内在价值投资法 来制定策略与  
－
Level 1  
－
Level 2  
数据  
，
，
高频数据 股票  
，
数据 股票  
、
期
据
BOLL  
， ，  
指标策略不同 价值投资需要长时间的验证 因此用  
－
Level 1  
。
数据等  
货
3 。“ ” 《  
最近 年为宜 价值投资之父 格雷厄姆在 聪明的投资  
。 、  
二是数据分析 数据分析挖掘采用传统分析方法 新兴  
［2］  
》
:
中给出了一个对成长股内在价值进行估值的简单公式  
者
、
大数据 机器学习和数据挖掘方法  
。
=
)
价值 当期 正常 利润  
×
+
( 8. 5  
两倍的预期年增长  
(
。 、  
三是构建信号 在构建信号前进行数据处理 标准化  
、
)
率
、 ， 、 、 、  
去极值 中性化 基础信号的研究 分组回测 衰减 行业  
，
策略将以这条公式作为交易规则 策略的背景与规则  
，
分布 将基础信号合成复杂信号  
。
。
如下  
。
四是构建策略 构建策略模板要兼容不同标的指标函数  
=
)
价值 当期 正常 利润  
×
+
( 8. 5  
两倍的预期年  
( 1)  
(
， 、 、 ，  
和参数的策略 适用于股票 基金 期货等金融资产 兼容  
) 。  
增长率  
( 2)  
、 ， ，  
日线 分钟线的策略 方便好用的策略函数 获取历史行  
， ;  
如果股票价格低于价值 则买入 如果股票价格  
、
、 ， :  
历史持仓信息 调仓记录等 支持各种订单类型 止盈  
情
，
高于价值 则卖出  
。
、 、  
止损单 限价单 市价单  
。
( 3)  
2016  
1
1
2019  
1
年 月  
回测策略时间选取  
年
月
日至  
。 ，  
五是回测测试 回测要符合历史的真实行情 并相应的  
1
，
“
股票池为 沪深  
300”，  
“
300”。  
日
参考指标为 沪深  
10 ， 。  
类型为股票账户  
、 ， ，  
进行股票分红送转 除权除息处理 股票涨跌停处理 股票  
( 4)  
资金账户初始资金  
万
， ， 、 、  
停复牌处理 市场冲击 交易滑点 手续费 期货保证金交  
( 5)  
，
仓位以每支个股的持仓权重为标准买入 每支个  
，
。
大单分笔成交处理等  
易
10%，  
。
出现重复信号时不重复买入  
股持仓最高不超过  
( 6)  
。 、 、  
六是策略分析 包括策略归因 风险归因 实时监控  
，
，
当买入信号的股票数量比资金多时 随机挑选买  
、 、 、 ，  
订单分析 成交分析 持仓分析 交易行为分析 多策略  
，
1
每个月第 个交易日全仓进行调仓操作  
。
入
。
分析  
( 7) “EGRO” ，5  
用了因子库中的 因子  
年收益增长率  
。 、  
七是模拟交易 模拟交易需要接入实时行情 实时获取  
。 ，  
来代表预期年增长率 筛选出低估值 即股票市值小于其格  
， 、 ， ，  
成交回报 篮子交易 算法交易 支持撤单处理 实时监  
。
、
。
实时归因分析  
雷厄姆估值的股票  
Python ，  
语言编辑策略代码并运行回测 得到格雷  
控
， ，  
八是实盘交易 即接入真实券商账户 紧紧跟随市场行  
利用  
，
厄姆成长股内在价值投资法策略收益回测结果 如图  
4
，
，
实时进行下单 同时实时获取订单收益回报  
。
情
。
所示  
3
Python  
构建基于  
的量化股票投资策略  
，
策略回测结果显示 沪深  
300  
指数三年间的基准年化收  
3.1 BOLL  
－
指标策略  
7. 1%，  
4. 0%，  
格雷厄姆  
益率为  
而策略线的年化收益率是  
BOLL  
，
指标进行模拟回测 构造一个  
BOLL  
指标买  
利用  
14 2019. 8  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号