双均线策略

1. 原理

均线的“前世今生”

均线，一个进行形态分析时总也绕不过去的指标。

均线最早由美国投资专家Joseph E.Granville(格兰威尔)于20世纪中期提出，现在仍然广泛为人们使用，成为判断买卖信号的一大重要指标。从统计角度来说，均线就是历史价格的平均值，可以代表过去N日股价的平均走势。

1962年7月，Joseph E.Granville在他的书中提出了著名的Granville八大买卖法则。只利用股价和均线即可进行择时，方法简单有效，一经提出，迅速受到市场追捧。尤其是其中的金叉和死叉信号，更是沿用至今。

Granville 八大法则其中有四条是用于判断买进时机，另外四条是用于判断卖出时机。买进和卖出法则一一对应，分布在高点的左右两侧（除买4和卖4以外）。法则内容如下所示：

买1：均线整体上行，股价由下至上上穿均线，此为黄金交叉，形成第一个买点。
买2：股价出现下跌迹象，但尚未跌破均线，此时均线变成支撑线，形成第二个买点。
买3：股价仍处于均线上方，但呈现急剧下跌趋势。当跌破均线时，出现第三个买点。
买4：（右侧）股价和均线都处于下降通道，且股价处于均线下方，严重远离均线，出现第四个买点。

卖1：均线由上升状态变为缓慢下降的状态，股价也开始下降。当股价跌破均线时，此为死亡交叉，形成第一个卖点。
卖2：股价仍处于均线之下，但股价开始呈现上涨趋势，当股价无限接近均线但尚未突破时，此时均线变成阻力线，形成第二个卖点。
卖3：股价终于突破均线，处于均线上方。但持续时间不长，股价开始下跌，直至再一次跌破均线，此为第三个卖点。
卖4：（左侧）股价和均线都在上涨，股价上涨的速度远快于均线上涨的速度。当股价严重偏离均线时，出现第四个卖点。
(部分资料来源于百度百科)

（图片来源于网络）

均线理论为什么有效？

Shiller（1981）在研究中发现，资产的长期价格呈现均值回复的特征，即从长期来看，资产的价格会回归均值。这也是均线理论被广泛应用的前提。

均线理论的缺陷

均线归根到底是一种平均值，平均值在应用过程中存在最大的问题就是其滞后性。当出现买入卖出信号时，最佳时机早已过去。举例来说，如果A股票最新价格出现了较大的涨幅，股价和均线都上涨，但均线的速度慢于股价上涨速度。此时，从形态上来看，金叉出现，为买入信号。次日，股价回调，股价下降的速度快于均线下降的速度，形成死叉，为卖点。这样一买一卖不仅没有盈利，反而出现亏损。

均线理论的改进

针对均线的缺点，市场上提出了各种各样的改进方法。

1.对均线的计算方法进行改正。

加权移动平均线是在移动平均线的基础上按照时间进行加权。越靠近当前日期的价格对未来价格的影响越大，赋予更大的权重；越远离当前日期价格，赋予越小的权重。

2.调整均线周期

利用不同周期均线得到的结果也不同。许多有经验的投资者发现，在不同的市场中，有些均线的效果显著优于其他周期均线。有些长线投资者还会将股价替换成短周期均线进行趋势判断。

2. 策略逻辑

第一步：获取数据，计算长短期均线
第二步：设置交易信号

当短期均线由上向下穿越长期均线时做空
当短期均线由下向上穿越长期均线时做多

回测数据: SHFE.rb2101的60s频度bar数据
回测时间: 2020-04-01 到 2020-05-31
回测初始资金：3万

3. 策略代码

# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *
import talib
'''
本策略以SHFE.rb2101为交易标的，根据其一分钟(即60s频度）bar数据建立双均线模型，
短周期为20，长周期为60，当短期均线由上向下穿越长期均线时做空，
当短期均线由下向上穿越长期均线时做多,每次开仓前先平掉所持仓位，再开仓。
注：为了适用于仿真和实盘，在策略中增加了一个“先判断是否平仓成功再开仓”的判断逻辑，以避免出现未平仓成功，可用资金不足的情况。
回测数据为:SHFE.rb2101的60s频度bar数据
回测时间为:2020-04-01 09:00:00到2020-05-31 15:00:00
'''
def init(context):
context.short = 20 # 短周期均线
context.long = 60 # 长周期均线
context.symbol = 'SHFE.rb2101' # 订阅交易标的
context.period = context.long + 1 # 订阅数据滑窗长度
context.open_long = False # 开多单标记
context.open_short = False # 开空单标记
subscribe(context.symbol, '60s', count=context.period) # 订阅行情
def on_bar(context, bars):
# 获取通过subscribe订阅的数据
prices = context.data(context.symbol, '60s', context.period, fields='close')
# 利用talib库计算长短周期均线
short_avg = talib.SMA(prices.values.reshape(context.period), context.short)
long_avg = talib.SMA(prices.values.reshape(context.period), context.long)
# 查询持仓
position_long = context.account().position(symbol=context.symbol, side=1)
position_short = context.account().position(symbol=context.symbol, side=2)
# 短均线下穿长均线，做空(即当前时间点短均线处于长均线下方，前一时间点短均线处于长均线上方)
if long_avg[-2] < short_avg[-2] and long_avg[-1] >= short_avg[-1]:
# 无多仓情况下，直接开空
if not position_long:
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Open,
order_type=OrderType_Market)
print(context.symbol, '以市价单调空仓到仓位')
# 有多仓情况下，先平多，再开空(开空命令放在on_order_status里面)
else:
context.open_short = True
# 以市价平多仓
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Close,
order_type=OrderType_Market)
print(context.symbol, '以市价单平多仓')
# 短均线上穿长均线，做多（即当前时间点短均线处于长均线上方，前一时间点短均线处于长均线下方）
if short_avg[-2] < long_avg[-2] and short_avg[-1] >= long_avg[-1]:
# 无空仓情况下，直接开多
if not position_short:
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy, position_effect=PositionEffect_Open,
order_type=OrderType_Market)
print(context.symbol, '以市价单调多仓到仓位')
# 有空仓的情况下，先平空，再开多(开多命令放在on_order_status里面)
else:
context.open_long = True
# 以市价平空仓
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
position_effect=PositionEffect_Close, order_type=OrderType_Market)
print(context.symbol, '以市价单平空仓')
def on_order_status(context, order):
# 查看下单后的委托状态
status = order['status']
# 成交命令的方向
side = order['side']
# 交易类型
effect = order['position_effect']
# 当平仓委托全成后，再开仓
if status == 3:
# 以市价开空仓，需等到平仓成功无仓位后再开仓
# 如果无多仓且side=2（说明平多仓成功），开空仓
if effect == 2 and side == 2 and context.open_short:
context.open_short = False
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Open,
order_type=OrderType_Market)
print(context.symbol, '以市价单调空仓到仓位')
# 以市价开多仓,需等到平仓成功无仓位后再开仓
# 如果无空仓且side=1（说明平空仓成功），开多仓
if effect == 2 and side == 1 and context.open_long:
context.open_long = False
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy, position_effect=PositionEffect_Open,
order_type=OrderType_Market)
print(context.symbol, '以市价单调多仓到仓位')
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,可在系统设置-密钥管理中生成
backtest_start_time回测开始时间
backtest_end_time回测结束时间
backtest_adjust股票复权方式不复权: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='2020-04-01 09:00:00',
backtest_end_time='2020-05-31 15:00:00',
backtest_adjust=ADJUST_NONE,
backtest_initial_cash=10000000,
backtest_commission_ratio=0.0001,
backtest_slippage_ratio=0.0001)

4. 回测结果与稳健性分析

设定初始资金3万，手续费率为0.01%，滑点比率为0.01%，得到的回测结果如下图：

策略整体收益率5.75%，年化收益率为39.15%，同期沪深300收益率为5.22%，策略跑赢沪深300.最大回撤为10.32%。

为了探究该策略在不同回测期以及不同品种的适用情况，对策略进行调整。调整范围主要包括：标的、回测期、均线周期，调整结果如下表所示：

标的	回测期	均线周期	年化收益率	最大回撤
SHFE.rb2101	2020.04.01-2020.05.31	20/60	39.15%	10.32%
SHFE.rb2101	2020.06.01-2020.08.30	20/60	-29.19%	17.82%
SHFE.rb2101	2020.08.31-2020.10.31	20/60	-72.29%	17.12%
SHFE.rb2101	2020.04.01-2020.05.31	10/60	-79.71%	15.80%
SHFE.rb2101	2020.04.01-2020.05.31	30/60	-39.16%	10.59%
SHFE.rb2101	2020.04.01-2020.05.31	20/90	11.97%	5.35%
SHFE.rb2101	2020.04.01-2020.05.31	30/90	-1.87%	6.60%
SHFE.ag2101	2020.04.01-2020.05.31	20/60	-136.19%	37.67%

根据上表可以看出，对于不同的标的、回测期、均线周期，双均线策略的收益情况差异较大。即使相同标的、相同均线周期，不同回测期收益情况也会出现较大差异。在应用时要注意风险管理，避免出现短期过拟合现象。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。