# 双均线择时策略 参考来源：`docs/_joinquant_migration_source/Example_01_双均线择时策略.ipynb` 第一个 Markdown cell。 本策略根据交易目标的其日K线数据建立简单移动平均线的双均线交易模型， 交易策略如下： 策略包含两个参数：短周期天数S、长周期天数L 分别以两个不同的周期计算交易标的日K线收盘价的移动平均线，得到两根移动均线，以S为周期计算的均线为快均线，以L为周期计算的均线为慢均线，根据快慢均线的交叉情况产生交易信号： 1. 当快均线由下向上穿越慢均线时全仓买入交易标的 2. 当快均线由上向下穿越短均线时平仓 **模拟回测交易：** - 回测数据为:沪深300指数（000300.SH) - 回测周期为2011年1月1日到2020年12月31日 - 生成交易结果图表 **策略参数优化：** - 同样使用HS300指数，在2011年至2020年共十年的历史区间上搜索最佳策略参数 - 并在2020年至2022年的数据上进行验证 - 输出30组最佳参数的测试结果 ## 首先导入`qteasy`模块 ```python import qteasy as qt ``` ## 创建一个新的策略 使用`qt.RuleIterator`策略基类，可以创建规则迭代策略， 这种策略可以把相同的规则迭代应用到投资组合中的所有股票上，适合在一个投资组合 中的所有股票上应用同一种择时规则。 ```python from qteasy import Parameter, StgData from qteasy import RuleIterator # 创建双均线交易策略类 class Cross_SMA_PS(RuleIterator): """自定义双均线择时策略策略，产生的信号类型为交易信号 这个均线择时策略有两个参数： - FMA 快均线周期 - SMA 慢均线周期 策略跟踪上述两个周期产生的简单移动平均线，当两根均线发生交叉时 直接产生交易信号。 """ def __init__(self, **kwargs): """ 初始化交易策略的参数信息和基本信息 """ super().__init__( pars=[Parameter((10, 100), name='fast', par_type='int', value=10), Parameter((30, 180), name='slow', par_type='int', value=160)], # 策略只有长短周期两个参数, 均为整型变量 name='CROSSLINE', # 策略的名称 description='快慢双均线择时策略', # 策略的描述 data_types=StgData('close', freq='d', asset_type='ANY', window_length=200), # 策略基于收盘价计算均线，因此数据类型为'close', 历史数据窗口长度为200 **kwargs, ) def realize(self): """策略的具体实现代码： - f: fast, 短均线计算日期； - s: slow: 长均线计算日期; """ from qteasy.tafuncs import sma # 获取传入的策略参数 f, s = self.get_pars('fast', 'slow') # 获取历史数据日频收盘价，计算长短均线的当前值和昨天的值 close = self.get_data('close_ANY_d') # 使用qt.sma计算简单移动平均价 s_ma = sma(close, s) f_ma = sma(close, f) # 为了考察两条均线的交叉, 计算两根均线昨日和今日的值，以便判断 s_today, s_last = s_ma[-1], s_ma[-2] f_today, f_last = f_ma[-1], f_ma[-2] # 根据观望模式在不同的点位产生交易信号 # 在PS信号类型下，1表示全仓买入，-1表示卖出全部持有股份 # 当快均线自下而上穿过上边界，发出全仓买入信号 if (f_last <= s_last) and (f_today >= s_today): return 1 # 当快均线自上而下穿过上边界，发出全部卖出信号 elif (f_last >= s_last) and (f_today <= s_today): return -1 else: # 其余情况不产生任何信号 return 0 ``` ## 回测交易策略，查看结果 定义好策略后，定一个`Operator`交易员对象，引用刚刚创建的策略，根据策略的规则设定交易员的信号模式为PS PS表示比例交易信号，此模式下信号在-1到1之间，1表示全仓买入，-1表示全部卖出，0表示不操作。 使用历史数据回测交易策略，使用历史数据生成交易信号后进行模拟交易，记录并分析交易结果 ```python stg = Cross_SMA_PS() op = qt.Operator([stg], signal_type='PS') # 设置op的策略参数 op.set_parameter(0, par_values= (10, 160)) # 设置快慢均线周期分别为10天、166天 op.set_group_parameters('Group_1', blender_str='s0') # 设置基本回测参数，开始运行模拟交易回测 res = qt.run(op, mode=1, # 运行模式为回测模式 asset_pool='000300.SH', # 投资标的为000300.SH即沪深300指数 invest_start='20110101', # 回测开始日期 visual=True, # 生成交易回测结果分析图 trade_batch_size=0.01, sell_batch_size=0.01, ) ``` 交易结果如下； ```text ==================================== | | | BACKTEST REPORT | | | ==================================== qteasy running mode: 1 - History back testing time consumption for operate signal creation: 172.5 ms time consumption for operation back testing: 3.6 ms investment starts on 2011-01-04 15:00:00 ends on 2026-02-27 15:00:00 Total looped periods: 15.2 years. -------------operation summary:------------ Only non-empty shares are displayed, call "loop_result["oper_count"]" for complete operation summary Sell Cnt Buy Cnt Total Long pct Short pct Empty pct 000300.SH 68 68 136 55.2% -0.0% 44.8% Total operation fee: ¥ 3,333.02 total investment amount: ¥ 100,000.00 final value: ¥ 142,737.62 Total return: 42.74% Avg Yearly return: 2.38% Skewness: -0.91 Kurtosis: 13.80 Benchmark return: 47.68% Benchmark Yearly return: 2.61% ------strategy loop_results indicators------ alpha: -0.012 Beta: 1.000 Sharp ratio: 0.061 Info ratio: -0.006 250 day volatility: 0.139 Max drawdown: 40.45% peak / valley: 2015-06-08 / 2020-04-24 recovered on: Not recovered! ==================END OF REPORT=================== ``` 从上面的交易结果可以看到，十年间买入68次卖出68次，持仓时间为55%，最终收益率只有42.7%。 下面是交易结果的可视化图表展示 ![png](img/Example_01_output_3_1.png) 交叉线交易策略的长短周期选择很重要，可以使用`qteasy`来搜索最优的策略参数： ## 策略参数的优化 我们可以在历史数据上搜索最优的策略参数，找到在历史数据上表现最好的参数组合，并检验它们在独立测试区间上的表现，以检验是否过拟合。 ```python op.set_parameter(0, opt_tag=1 # 将op中的策略设置为可优化，如果不这样设置，将无法优化策略参数 ) res = qt.run(op, mode=2, opti_start='20110101', # 优化区间开始日期 opti_end='20200101', # 优化区间结束日期 test_start='20200101', # 独立测试开始日期 test_end='20220101', # 独立测试结束日期 opti_sample_count=1000, # 一共进行1000次搜索 opti_method='SA', # 优化方法为模拟退火算法 parallel=False, # 不启用并行搜索 ) ``` 策略优化可能会花很长时间，qt会显示一个进度条： ```text Epoch:1/5->175917.941: 100%|█████████████████████████████████████████████████| 128/128 [00:08<00:00, 15.94it/s] Epoch:2/5->183493.313: 100%|█████████████████████████████████████████████████| 128/128 [00:07<00:00, 16.43it/s] Epoch:3/5->203089.648: 100%|█████████████████████████████████████████████████| 128/128 [00:07<00:00, 16.59it/s] Epoch:4/5->187650.270: 100%|█████████████████████████████████████████████████| 128/128 [00:07<00:00, 16.46it/s] Epoch:5/5->205538.237: 100%|█████████████████████████████████████████████████| 128/128 [00:07<00:00, 16.57it/s] Epoch:1/1->411083.340: 100%|███████████████████████████████████████████████████| 30/30 [00:04<00:00, 7.04it/s] ``` 优化完成，显示最好的30组参数及其相关信息： ```text ==================================== | | | OPTIMIZATION REPORT | | | ==================================== qteasy running mode: 2 - Strategy Parameter Optimization time consumption for optimization: 39 sec 103.0 ms time consumption for evaluation: 4 sec 261.2 ms investment starts on 2011-01-04 15:00:00 ends on 2019-12-31 15:00:00 Total looped periods: 9.0 years. total investment amount: ¥ 100,000.00 Benchmark type is 000300.SH Total Benchmark rtn: 28.43% Average Yearly Benchmark rtn rate: 2.82% Statistical analysis of optimal strategy messages indicators: Total return: 270.25% ± 13.73% Annual return: 15.66% ± 0.46% Alpha: -0.277 ± 0.466 Beta: -0.459 ± 2.175 Sharp ratio: 0.434 ± 0.069 Info ratio: 0.011 ± 0.002 250 day volatility: 0.145 ± 0.008 Other messages indicators are listed in below table Strategy items Sell-outs Buy-ins ttl-fee FV ROI MDD 0 (43, 144) 5.0 6.0 509.43 358,315.55 258.3% 31.6% 1 (29, 171) 5.0 6.0 498.98 358,659.37 258.7% 31.6% 2 (72, 84) 17.0 18.0 1,786.90 359,602.66 259.6% 43.8% 3 (72, 84) 17.0 18.0 1,786.90 359,602.66 259.6% 43.8% 4 (35, 151) 5.0 6.0 510.77 360,689.42 260.7% 31.6% 5 (77, 81) 29.0 30.0 3,111.64 362,208.28 262.2% 44.0% 6 (77, 81) 29.0 30.0 3,111.64 362,208.28 262.2% 44.0% 7 (80, 91) 15.0 16.0 1,519.87 362,252.85 262.3% 45.8% 8 (24, 176) 5.0 6.0 505.68 362,696.68 262.7% 31.6% 9 (24, 176) 5.0 6.0 505.68 362,696.68 262.7% 31.6% 10 (36, 150) 5.0 6.0 510.71 362,666.50 262.7% 31.6% 11 (11, 156) 11.0 12.0 1,005.55 362,714.28 262.7% 31.9% 12 (58, 83) 12.0 13.0 1,218.41 363,195.61 263.2% 43.2% 13 (31, 169) 6.0 7.0 566.80 363,756.82 263.8% 31.6% 14 (36, 151) 5.0 6.0 514.33 364,408.58 264.4% 31.6% 15 (28, 173) 5.0 6.0 505.27 365,648.99 265.6% 31.6% 16 (73, 83) 16.0 17.0 1,678.20 366,055.42 266.1% 43.6% 17 (32, 171) 4.0 5.0 452.30 366,955.25 267.0% 31.6% 18 (13, 156) 10.0 11.0 903.07 367,001.52 267.0% 31.8% 19 (73, 84) 17.0 18.0 1,767.40 368,221.99 268.2% 43.8% 20 (77, 82) 25.0 26.0 2,725.38 368,871.74 268.9% 44.7% 21 (77, 82) 25.0 26.0 2,725.38 368,871.74 268.9% 44.7% 22 (81, 91) 15.0 16.0 1,560.50 374,068.95 274.1% 44.4% 23 (76, 81) 25.0 26.0 2,730.01 375,311.56 275.3% 43.9% 24 (73, 85) 16.0 17.0 1,708.08 379,569.28 279.6% 44.0% 25 (12, 155) 11.0 12.0 992.25 381,190.46 281.2% 31.6% 26 (76, 84) 21.0 22.0 2,181.56 382,247.74 282.2% 44.6% 27 (77, 86) 16.0 17.0 1,719.80 400,385.81 300.4% 43.2% 28 (78, 85) 22.0 23.0 2,393.91 406,202.21 306.2% 43.2% 29 (80, 86) 21.0 22.0 2,386.87 411,083.34 311.1% 41.6% ==================END OF REPORT=================== ``` 这三十组参数会被用于独立测试，以检验它们是否过拟合： ```text Epoch:1/1->259292.734: 100%|███████████████████████████████████████████████████████████| 30/30 [00:01<00:00, 23.02it/s] ==================================== | | | VALIDATION REPORT | | | ==================================== qteasy running mode: 2 - Strategy Parameter Optimization time consumption for optimization: 39 sec 103.0 ms time consumption for evaluation: 4 sec 261.2 ms investment starts on 2020-01-02 15:00:00 ends on 2021-12-31 15:00:00 Total looped periods: 2.0 years. total investment amount: ¥ 100,000.00 Benchmark type is 000300.SH Total Benchmark rtn: 18.98% Average Yearly Benchmark rtn rate: 9.09% Statistical analysis of optimal strategy messages indicators: Total return: 115.83% ± 31.89% Annual return: 46.59% ± 10.98% Alpha: -0.081 ± 0.066 Beta: 0.999 ± 0.000 Sharp ratio: 0.545 ± 0.322 Info ratio: -0.038 ± 0.047 250 day volatility: 0.178 ± 0.004 Other messages indicators are listed in below table Strategy items Sell-outs Buy-ins ttl-fee FV ROI MDD 0 (43, 144) 1.0 1.0 84.86 248,458.67 148.5% 15.2% 1 (29, 171) 1.0 1.0 85.88 258,545.09 158.5% 15.2% 2 (72, 84) 2.0 3.0 224.59 195,264.51 95.3% 20.8% 3 (72, 84) 2.0 3.0 224.59 195,264.51 95.3% 20.8% 4 (35, 151) 3.0 3.0 282.50 241,963.33 142.0% 17.0% 5 (77, 81) 10.0 11.0 792.08 168,647.51 68.6% 24.3% 6 (77, 81) 10.0 11.0 792.08 168,647.51 68.6% 24.3% 7 (80, 91) 4.0 5.0 412.29 218,152.13 118.2% 16.7% 8 (24, 176) 1.0 1.0 85.21 251,880.99 151.9% 15.2% 9 (24, 176) 1.0 1.0 85.21 251,880.99 151.9% 15.2% 10 (36, 150) 3.0 3.0 279.96 238,065.57 138.1% 17.3% 11 (11, 156) 5.0 5.0 448.16 231,744.72 131.7% 19.1% 12 (58, 83) 3.0 4.0 346.95 230,754.45 130.8% 19.8% 13 (31, 169) 1.0 1.0 85.55 255,239.86 155.2% 15.2% 14 (36, 151) 3.0 3.0 279.98 238,344.64 138.3% 17.2% 15 (28, 173) 1.0 1.0 85.59 255,731.20 155.7% 15.2% 16 (73, 83) 6.0 7.0 503.93 183,585.71 83.6% 18.5% 17 (32, 171) 1.0 1.0 85.96 259,292.73 159.3% 15.2% 18 (13, 156) 4.0 4.0 362.38 243,928.41 143.9% 17.5% 19 (73, 84) 5.0 6.0 427.50 176,000.45 76.0% 20.8% 20 (77, 82) 8.0 9.0 642.96 173,471.06 73.5% 22.4% 21 (77, 82) 8.0 9.0 642.96 173,471.06 73.5% 22.4% 22 (81, 91) 5.0 6.0 491.77 217,222.67 117.2% 16.7% 23 (76, 81) 8.0 9.0 643.36 171,211.45 71.2% 24.4% 24 (73, 85) 2.0 3.0 220.90 194,837.49 94.8% 19.9% 25 (12, 155) 4.0 4.0 358.07 234,517.54 134.5% 18.5% 26 (76, 84) 7.0 8.0 572.56 181,243.30 81.2% 20.5% 27 (77, 86) 6.0 7.0 564.34 217,678.26 117.7% 18.9% 28 (78, 85) 7.0 8.0 598.97 201,469.22 101.5% 19.2% 29 (80, 86) 8.0 9.0 672.51 198,322.07 98.3% 19.4% ==================END OF REPORT=================== ``` 参数优化结果以及各个指标的可视化图表展示： ![png](img/Example_01_output_4_5.png) 优化之后我们可以检验一下找到的最佳参数： ```python # 从优化结果中取出一组参数试验一下： op.set_parameter(0, pars= (43, 144) # 修改策略参数，改为短周期25天，长周期166天 ) # 重复一次测试，除策略参数意外，其他设置不变 res = qt.run(op, mode=1, asset_pool='000300.SH', invest_start='20110101', visual=True ) ``` 得到结果： ```text ==================================== | | | BACKTEST REPORT | | | ==================================== qteasy running mode: 1 - History back testing time consumption for operate signal creation: 176.1 ms time consumption for operation back testing: 3.5 ms investment starts on 2011-01-04 15:00:00 ends on 2026-02-27 15:00:00 Total looped periods: 15.2 years. -------------operation summary:------------ Only non-empty shares are displayed, call "loop_result["oper_count"]" for complete operation summary Sell Cnt Buy Cnt Total Long pct Short pct Empty pct 000300.SH 11 12 23 69.7% -0.0% 30.3% Total operation fee: ¥ 690.06 total investment amount: ¥ 100,000.00 final value: ¥ 198,850.27 Total return: 98.85% Avg Yearly return: 4.64% Skewness: -0.97 Kurtosis: 15.94 Benchmark return: 47.68% Benchmark Yearly return: 2.61% ------strategy loop_results indicators------ alpha: 0.596 Beta: 4.558 Sharp ratio: 0.197 Info ratio: 0.003 250 day volatility: 0.130 Max drawdown: 31.58% peak / valley: 2015-06-08 / 2015-07-08 recovered on: 2017-11-21 ==================END OF REPORT=================== ``` 优化后总回报率达到了98.85%，比优化前的参数好很多。 优化后的结果可视化图表如下： ![png](img/Example_01_output_6_1.png)