13. 经典网格交易策略

参考来源:docs/_joinquant_migration_source/Example_13_经典网格交易.ipynb 第一个 Markdown cell。

本策略是一个经典的网格交易策略 策略的运行标的是000651.SZ格力电器,策略第一次运行时,买入1000股并持有,同时设定当前买入价格(四舍五入到0.1元)为基准网格, 并根据网格尺寸计算出卖出网格和买入网格, 接下来每隔5分钟运行一次,当股票价格触及买入网格或卖出网格时,产生交易信号,并刷新网格:

例如:

  • 假设当前基准网格为30元,网格尺寸为0.5元,卖出网格为30.5元,买入网格为29.5元

  • 当价格触及卖出网格30.5元时,产生卖出信号,卖出200股并更新基准网格为30.5元,同时计算出新的卖出网格31元和买入网格30元

交易回测的标的是:000651.SZ格力电器,

交易回测区间是:2023年1月1日至2023年3月1日

注,由于策略网格参数在每次交易以后都会被刷新,因此该策略只能以stepwise方式进行回测,为了方便生成交易信号,该策略使用了VS信号类型

import qteasy as qt
import pandas as pd
import numpy as np
from qteasy import Parameter, StgData


class GridTrade(qt.RuleIterator):

    def __init__(self):
        super().__init__(
            name='GridTrade',
            description='网格交易策略,价格触发网格后交易并更新基准网格',
            pars=[
                Parameter((0.2, 2.0), name='grid_size', par_type='float', value=0.5),
                Parameter((100, 1000), name='trade_batch', par_type='int', value=200),
                Parameter((0.0, 10000.0), name='base_grid', par_type='float', value=0.0),
            ],
            data_types=StgData('close', freq='5min', asset_type='ANY', window_length=60),
            use_latest_data_cycle=False,
        )

    def realize(self):

        # 读取当前保存的策略参数,首次运行时base_grid参数为0,此时买入1000股并设置当前价格为基准网格
        grid_size, trade_batch, base_grid = self.get_pars('grid_size', 'trade_batch', 'base_grid')

        # 读取最新价格
        price = self.get_data('close_ANY_5min')[-1]

        # 计算当前价格与当前网格的偏离程度,判断是否产生交易信号
        if base_grid <= 0.01:
            # 基准网格尚未设置,此时为首次运行,首次买入1000股并设置基准网格为当前价格(精确到0.1元)
            result = float(trade_batch * 5)
            base_grid = np.round(price / 0.1) * 0.1
        elif price - base_grid > grid_size:
            # 触及卖出网格线,产生卖出信号
            result = -float(trade_batch)  # 交易信号等于交易数量,必须使用VS信号类型
            # 重新计算基准网格
            base_grid += grid_size
        elif base_grid - price > grid_size:
            # 触及买入网格线,产生买入信号
            result = float(trade_batch)
            # 重新计算基准网格
            base_grid -= grid_size
        else:
            result = 0.0

        # 使用新的基准网格更新交易参数
        self.par_values = (grid_size, trade_batch, base_grid)

        return result

alpha = GridTrade()

op = qt.Operator(alpha, signal_type='VS')  # 交易信号等于交易数量,必须使用VS信号类型
op.op_type = 'stepwise'  # 需要动态更新策略参数,必须使用'stepwise'交易类型
res = qt.run(op, mode=1,
       asset_type='E',
       asset_pool='000651.SZ',
       benchmark_asset='000651.SZ',
       trade_batch_size=100,
       sell_batch_size=1,
       trade_log=True,
       invest_start='20230101',
       invest_end='20230301',
       backtest_price_adj='none',
      )
print()

回测的结果如下:

     ====================================
     |                                  |
     |       BACK TESTING RESULT        |
     |                                  |
     ====================================

qteasy running mode: 1 - History back testing
time consumption for operate signal creation: 0.0 ms
time consumption for operation back looping:  839.9 ms

investment starts on      2023-01-03 09:30:00
ends on                   2023-02-28 15:00:00
Total looped periods:     0.2 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
000651.SZ    13       8      21   93.0%      0.0%      7.0%   

Total operation fee:     ¥       63.36
total investment amount: ¥  100,000.00
final value:              ¥  104,070.64
Total return:                      inf% 
Avg Yearly return:                 inf%
Skewness:                          3.79
Kurtosis:                         52.19
Benchmark return:                 9.23% 
Benchmark Yearly return:         77.74%

------strategy loop_results indicators------ 
alpha:                              inf
Beta:                               inf
Sharp ratio:                       -inf
Info ratio:                       0.005
250 day volatility:               0.003
Max drawdown:                     0.80% 
    peak / valley:        2023-01-30 / 2023-02-06
    recovered on:         2023-02-20

===========END OF REPORT=============

png