均线模型量化股票交易Word下载.docx
《均线模型量化股票交易Word下载.docx》由会员分享，可在线阅读，更多相关《均线模型量化股票交易Word下载.docx（36页珍藏版）》请在冰豆网上搜索。
首先画出股价和２０日均线图
以散点覆盖２0日均线,红色点为买入持有,蓝色点为卖出空仓。
用股价和２0日均线价格做比较，把股价大于均线的部分用蓝色表示,股价小于均线的部分用红色表示。
我们看到图中,蓝色点和红色点在20日均线上交替出现，我们可以在每次红色出现的第一个点买入股票，然后在蓝色的第一个点卖出股票。
找出交易信号点，并以10０００0本金做模拟交易。
为简化操作假定在信号点满仓买入或卖出，手续费为0。
运算结果显示,亏损的有11笔而盈利的只有3笔，一年下来一共亏损了1７038元。
似乎一条均线模型是失败的，因为它不仅没能盈利反而带来的亏损。
下面就从股价和模拟现金投入来进行简单的分析亏损原因。
该图示，上半红色部分为日收盘价，下半蓝色部分为模拟交易的现金流，对比可见，阿里股价在14年年底开始走低，而根据一条均线模型进行的投资策略比较合理的预测了股市的走势并进行了股票的买入卖出，在一定程度上是减少了亏损。
2.4两条均线的交易策略
一条均线模型，在大的趋势下是可以进行稳定投资的，但由于一条均线对于波动非常敏感性，如果小波动过于频繁,不仅会增加交易次数,而且会让模型失效。
然后,就有二条均线的策略模型,可以减低对波动的敏感性。
二条均线策略模型,与一条均线模型思路类似,以5日均线价格替换股价，是通过5日
均线和2０日均线交叉来进行信号交易的。
画出股价、5日均线和20日均线图
以散点覆盖20日均线,红色点为买入持有,蓝色点为卖出空仓。
以同样的条件进行两条均线交易策略的模拟交易。
根据运算结果,虽然依旧亏损了11笔
盈利3笔,但最终带来了总盈利74０8元。
2.５两种策略的简单分析
策略一在模拟交易中一共进行了3０次交易，最终亏损10０00元左右，而策略二只进行了
２０次交易,最终带来盈利7000左右。
很明显两条均线的交易策略能更好的追踪股价趋势,带给投资者回报。
看起来均线模型是如此的简单,但实盘交易时真能在趋势行情中跑赢双均线（优化）模型，
也真不是一件容易的事情。
参考文献:
[１]常宁,徐国祥.金融高频数据分析的现状与问题研究.财经研究，２０0４,（3）:
3１－３9
［2]武振，郑丕谔.基于遗传神经网络的股价波动预测．天津大学学报,２００4， 6（4）:
3０7—３１0
[3］马超群，张明良.AＣD族计量模型的分类与比较分析.金融经济,200５,（8）86－87
[４］蒋学雷,陈敏,王国明等.股票市场的流动性度量的动态ACD模型.统计研究，2004,（4）：
42－44
[５]王晶,王玉玲，向东进,阮曙芬.自回归条件持续期（ACD）模型研究统计与决策2006（6）
［６]Econｏmist.2007a. AhｅaｄoftheTaｐe–ＡｌgorｉｔhmicＴrading．Eｃonoｍist. June23,20０7.‐． 2007b. Dｏdgｙ Tiｃkeｒs–Stock Exchanges． Ｅｃoｎｏｍｉst．Ｍarｃh 10, ２007.
[７]M.Kearｎｓand Ｌ． Ortiｚ.The Penn‐Ｌeｈmanautomａtｅｄ tｒading ｐrojeｃt．IＥEＥIｎteｌlｉgeｎtSysｔemｓ,2003． Tｏappeａｒ.
[8] Ｄomowitz,Ｉ．, andＨ. Yｅｇerman. 2005.“Tｈe Ｃostof AｌgｏrｉtｈmiｃＴｒａding:
Ａ FirstLoｏk at CｏmparaｔivｅＰerfｏrmance.” Ｅdiｔedby Bｒian R.Brｕce, Algｏｒithｍic Tｒadiｎｇ:
Pｒeｃision,Coｎtｒoｌ,Eｘecutiｏｎ．IｎstitutｉonalＩｎvestｏr．
附表一：
R语言代码
＃加载必须的函数包
ｌibrａry（plyr）ｌｉbrary（quantmoｄ） ｌｉｂraｒy（TTR） ｌibrarｙ（ggpｌoｔ2） libｒａry（sｃaｌeｓ）
liｂrary（reｓhape2）
＃设置存储位置
seｔwd（"
Ｅ:
/Sｔａtiｓticａl modｅling/"
）
#下载数据
dｏｗnｌoａd<
-fｕncｔiｏｎ（ｓtock,frｏm=＂20１3-01-0１"
）{ｄf<
－gｅtＳymboｌs（ｓtoｃk,froｍ=from，ｅnｖ＝eｎｖｉｒonmenｔ（），auto．assign＝FALSE）#下载数据nａmeｓ（df）<
-c（"
Ｏｐen"
，"
High"
"
Low＂,"
Ｃlosｅ＂,"
Vｏlume"
Adｊusｔｅd＂）writｅ.ｚoｏ（df,（ｓtocｋ，＂．cｓv＂,sep="
"
）,sep=＂,"
ｑuote=FAＬSＥ）＃保存到本地 ｝
#本地读数据
read<
-function（stock）{
ａs.xｔs（read.ｚoo（（stock,"
.csv"
sep="
）,headｅr＝TRUE,seｐ="
，＂, fｏrmat="
%Y-%m-％d"
））
｝
stｏck<
－"
BABＡ＂
downloａｄ（ｓtocｋ,from='
20１3－01-0１＇）BAＢA<
-rｅａｄ（ｓtoｃk）
#定义移动平均函数
ｍａ<
-ｆｕnction（ｃdata,mas=c（５,２０,60））｛ldata<
－cｄaｔa ｆor（minｍas）{ldata<
-mergｅ（ldata,SMＡ（cdata,ｍ））
}ldａｔa＜-na.locf（ldata,fromLaｓt=TRUE）ｎameｓ（ldａta）＜-ｃ（＇Vaｌue'
paste（'
ma＇,mas,ｓｅp='
'
））ｒｅturn（ldａtａ）
}
##定义均线图函数
drａwLinｅ<
-funｃtion（ldata，titｉe="
Stｏcｋ_MA"
ｓDａｔe＝miｎ（index（ｌｄata））,eDate=maｘ（indｅｘ（ldａtａ））,out=FALSE）｛g<
-ggｐｌot（ａes（ｘ=Indｅx,y=Vａluｅ）,daｔａ=ｆorｔify（ldata[,1],ｍｅlt=TRＵＥ））ｇ<
-g+geｏｍ_line（）g<
-g+ｇeom＿liｎe（aｅs（ｃolour＝Ｓeries）,data=ｆortify（ldatａ[,－1],ｍｅlｔ＝TRUE））g<
－g+sｃａｌe＿x＿dａte（laｂelｓ=dａte_format（＂％Y-%m"
），breaks=dａte_brｅａks（"
2 ｍonthｓ"
）,limits=
c（ｓDａtｅ,ｅDaｔe）） ｇ<
-ｇ+xｌａb（"
＂）+ylaｂ（"
Price＂）+ｇｇｔiｔle（title）
if（ｏut）ggsaｖe（ｇ,（titｉe,"
．pｎg＂,sep＝"
＂））elsｅg
#选取数据并运行
cdａta<
-BABA['
2014/2015'
]$Close title<
-＂Ｓtoｃk_BABA"
#图片标题sＤate<
-as.Dａtｅ（"
2014-9-19＂）＃开始日期ｅDatｅ＜-aｓ．Date（＂20１5－１0-23"
） #结束日期
ldaｔa<
-ma（cdatａ,c（5,20,60））#选择滑动平均指标
p0<
－ｄrａwＬine（ldata，title，sDatｅ，ｅDatｅ）#画图ggsaｖe（p0，（title,＂.png"
，ｓｅp＝"
＂））ﻩ#存图
#画出股价和20日均线图
lｄata1<
-ma（ｃdata,c（２0））＃选择滑动平均指标p１１<
-dｒａwLine（ｌdata1,ｔitｌe,sDaｔe,eＤａｔe）#画图
###以散点覆盖20日均线,红色点为买入持有，蓝色点为卖出空仓
##定义均线图+散点函数
ｄrawPoｉnt＜-fuｎｃtion（ldata,ｐｄaｔa,ｔiｔie，ｓＤaｔｅ，ｅDate）{g<
-ggpｌｏt（aｅs（x＝Indeｘ,ｙ=Ｖalue）,ｄata＝forｔｉfy（lｄata［，1]，meｌt＝TRUE）） g＜-g+geｏm＿linｅ（）g<
-g+geom_line（aeｓ（ｃoｌｏｕr=Seriｅs）,ｄata=foｒtｉfy（ldａta[，-1],ｍｅlt=ＴRＵE）） ｇ<
-g+geｏｍ_poｉnt（aes（x=Index，ｙ=pdata[,3],cｏlour=coｍparｅ），ｄａtａ=pdａtａ）
ｇ<
-g+ｓcaｌe_ｘ_daｔe（labeｌs=dａte_fｏrmat（"
％Y-%m"
）,bｒeaks=ｄａte＿breaks（"
2moｎths"
）,liｍits= ｃ（ｓDａte,eＤate））g<
-g＋xlａb（"
）＋ylab（"
Priｃｅ＂）+ggtiｔle（tｉtle） ｇ
##定义获取散点数据函数
geｔPoint＜-functｉoｎ（ldａta）｛data＜-fortify（ldaｔa）n<
-nｒｏw（data）
data<
-daｔａ．fraｍe（daｔa,ｃoｍpａre=vｅctｏr（lｅngth=n））v1<
-ｄata[,2] v2＜－ｄａta[,3]diｓｔ<
-（v2-v1）
data$cｏmpare[which（dｉsｔ＜０）]<
－c（"
ｄowｎ＂）datａ$ｃompａre[ｗhich（ｄist＞=０）]<
up"
） pdata＜-dａｔa
＃运行并获取数据
pｄata<
-gｅtPoinｔ（ｌdａtａ１）
p1<
-dｒａwＰｏiｎｔ（ｌｄata1,pdatａ,title,sDatｅ,eＤate）
＃#定义找出交易信号点函数
Siｇｎal<
-functiｏｎ（cdatａ,ｐｄａtａ）{ｎ<
-nrow（pdａｔa）pｄatａ1<
－datａ.frame（pdata,Sigｓ=vｅctoｒ（lｅngth=n）,comｐ=veｃtoｒ（leｎｇth=n）,p=veｃtｏr（lenｇth=n））pｄatａ1＄ｃomp［ｗhich（pdata1$cｏmｐare=="
up＂）]<
-1ｐdaｔa1＄coｍp［wｈicｈ（pdata１$ｃomｐare=="
ｄowｎ"
）]<
-０for（iin２:
（ｎ-1））｛pdaｔa1$ｐ[ｉ]<
－（pdaｔａ1＄cｏmp[ｉ]-pdatａ1$cｏｍp[i-1]）
}pdatａ1$p[1］<
-pdａtａ1$p[２］pdata1＄Sigs［which（ｐdatａ1$p＜0）+１]<
－ｃ（"
B＂）pｄata1$Ｓｉｇｓ[whｉch（ｐdaｔa1$p>
0）＋1］<
S"
）ｔemp<
-pdata1［-ｃ（1，whｉch（pdａtａ1$p=＝０）+1）,]x＜-c（4,6,7）Siｇnａls<
－tｅmｐ[,-x］
#运行并获取数据
ｔdata<
-Sｉgnal（cdaｔa,pｄaｔａ）
##＃模拟交易
#＃#利用交易信号数据，进行模拟交易。
设定交易参数，以$１0W为本金，满仓买入或卖出,手续为０,＃##传入交易信号。
###参数:
交易信号,本金，持仓比例,手续费比例
#规定数据格式以及小数点位数
optｉoｎs（ｓｃｉpen=4） oｐtions（diｇitｓ=4）
＃#定义模拟交易函数
ｔrａde<
－funcｔｉon（tdata,caｐiｔａl）｛n＝ｎrow（tdaｔａ） cａsｈ<
-ｖｅcｔor（leｎgth=n）ａmoｕｎｔ<
－vｅctｏr（lｅngtｈ=ｎ）asｓet<
-ｖecｔｏr（ｌength=ｎ）ｄiff<
-vecｔｏr（lenｇth=n）
t＜-datａ．fｒaｍe（tdata,cash，amount,asset,difｆ）
if（t[１,４]＝=＂Ｓ＂）t[1,５]<
-cａpitalelｓet[1，5]＜-（ｃapitａl%％ｔ［1,2]） ｉf（t［1,4］==＂S＂）t［１,6]<
-０ｅlｓet[1，6]<
-flｏor（ｃａpｉtal／t[1,2]） t[１,7]＜－capｉｔaｌt[１,8]＜-0fｏr（i in２：
ｎ）{ ｉf（t$Sigs[ｉ］==＂B＂）{ t$amouｎt[i]＜-floｏr（ｔ$caｓh[i-1］/t[,2][i]）+ａmｏｕnt[ｉ-1]t$cash[i］<
-ｔ＄cash[i－1]%％t[,2]［i]t$aｓset[ｉ]<
－t＄ａmｏuｎt［i]*t[,2]［ｉ]+ｔ$ｃasｈ[ｉ]ｔ$ｄｉｆf[i］＜－t$asseｔ［ｉ]-t$aｓsｅt[i－1]
} elｓｅ｛t$aｍｏｕｎt[ｉ］<
-0t$cａsh[i]＜-t＄amoｕnt[i-１]＊ｔ［,２][i]＋t$casｈ[i-1］ ｔ$asｓet[ｉ］<
-t$cash［i]ｔ＄diｆf[ｉ］<
－t$ａｓseｔ[i］-t$asset[ｉ－1]
t
#定义数据，运行
capitａl=10０00０ｒesuｌt1＜-trade（tdaｔａ，ｃaｐital）rise<
-ｌeｎgth（wｈich（ｒｅsuｌt１＄diff>
0））faｌl<
-ｌｅngth（ｗｈiｃh（reｓuｌｔ1$dｉff＜0））
###画出资金曲线
##定义画出股价+现金流量对比函数
ｄraｗCash<
-ｆunctioｎ（ｒeｓｕlt,ｌdata）{
n<
-wｈich（resuｌt1＄Sigｓ＝＝'
S'
） m<
-c（1,５）xｘ<
-resｕlｔ[n，m]
ｃolnamｅs（ｘx）＜-ｃ（"
Time"
＂casｈ"
）xx<
-melｔ（xx,ｉd="
Ｔime＂）
yｙ<
-fortｉfy（ｌdatａ）k＜-c（1，2） yy<
－ｙｙ[,k］
colｎａmes（yy）＜-c（"
＂close"
） yy<
－ｍelt（yy,id="
Timｅ＂） ｚz<
-rｂｉｎｄ（ｙｙ,xｘ）g<
－ggpｌot（ａes（Time，valuｅ）,ｄata=zz）ｇ＜-g+ｇeｏm_liｎｅ（aes（grｏup=１,ｃoｌour＝variable））ｇ<
-ｇ＋ｆaceｔ_ｇｒid（variabｌe~．，ｓcales="
freｅ_ｙ＂）
ｇ＜-g+ｓcａle_x_date（lａbelｓ=datｅ＿fｏrｍaｔ（"
%Y-%ｍ"
），bｒｅakｓ＝date_bｒeaｋs（"
2ｍｏnｔh"
）,ｌｉmits=ｃ（ｓＤａte,eDate））g<
-g+xlab（"
＂）＋ylab（＂Ｐrｉce"
）+ggｔitlｅ（ｔitｌe）
g
#运行
p2<
-drawCash（reｓuｌt１,lｄata１）
ｇgsave（p2,（"
close+cash＂,"
.ｐng"
ｓeｐ=＂"
））ﻩ#存图
##＃一条均线模型,在大的趋势下是可以稳定赚钱的,但由于一条均线对于波动非常敏感性，
###如果小波动过于频繁，不仅会增加交易次数，而且会让模型失效。
然后,就有二条均线的
＃##策略模型,可以减低对波动的敏感性。
二条均线策略模型，与一条均线模型思路类似,以＃#＃5日均线价格替换股价，是通过5日均线和20日均线交叉来进行信号交易的。
＃##首先画出股价，5日均线和２0日均线图。
#选择5日和20日滑动平均指标
ldata2＜－ma（cdａtａ，ｃ（５,20））
#画图
p33＜-dｒawLiｎｅ（ldaｔa2,titlｅ,sＤaｔe,eＤate）
#这步是为了将数据框与之前的函数格式对应
lｄaｔa２＜－ｌdata2[,c（2,３）]
＃获取散点图
pdata2＜-ｇｅtＰoint（ｌdata2）
＃画出散点图
p3<
－drawPoｉｎt（lｄａta2,ｐdａｔａ2,tｉｔlｅ,sDaｔe，eDaｔe）
#找出交易信号
tｄata2<
-Siｇnal（ｃdａta,ｐdata２）
#模拟交易
resulｔ2<
－trade（tｄata2,capitaｌ）ｒise2<
-ｌenｇth（wｈｉｃh（rｅsult2$diff>
0））fall2<
－lengｔh（which（ｒeｓulｔ２$diff<
0））
#画出股价现金图
p4<
-dｒaｗCａｓｈ（reｓult2,ldaｔa2）
附表二：
阿里股票数据
Inｄｅx
Open
High
Low
Clｏse
Voluｍｅ
Adｊuｓｔed
201４／9/１9
９2．６99997
9９.6９９997
8９.949９97
９3.88９999
２7187９40０
93.88９999
２0１4/9/2２
92．６99997
9２.949997
89.5
89.８8999９
89.88９999
2014/9/23
88.94000２
9０.48000３
８６.6２０003
87．1６9998
8７.16９99８
201４／9／24
８8.４７000１
９０．5７
８7.2２0０01
90.57
90．57
20１４/9/25
９1.0８9996
９１.5
８8.５
88.９１9998
８8.9１9９98
2014/9/2６
89.73000３
90.４59９99
88.６60004
９0.4599９９
２０14/9／29
89．62０00３
89.69９９9７
８8.019997
88.75
8８.７5
201４/９/30
89
9０．8７99９7
88．459999
88．84９998
88.849９98
2014/１0/1
8８.６9999７
88．9４000２
86．04００0１
８6．0999９8
86．099９98
２０１4/１0／2
86.269997
88．１9999７
８５.6１1
８７.0５9９９8
８7．05９9９8
201４／10／３
8８.0999９8
89．940002
87.650０0２
88.0９9998
88．0999９8
2０１4/10/６
８９．15０002
89.65000２
8８．0５９998
8８.30９99８
88.309９９8
2014/10/7
8７.９4９９97
89.6999９７
87.０5999８
87.6６999８
8７.６６9９98
201４／１0／８
８8
88．5
８7．0599９8
8８.300003
88.3000０3
２01４／10/９
88.5100０２
90．３49９9８
８８
８8.７90001
88.790001
20１4／１0／10
８８.２5
８8.73９9９８
85．239９９8
８5.８799９7
8５.８７9９9７
2０１4/10／13
86．8４9998
86.88９999
84.919998
85.１2００03
8５.1200０３
2014／10/14
８5．80999８
8５.８７9９97
83.２20001
84.９49997
8４．949997
２０14/10/15
84.040001
86．４8999８
82.809998
85.599998
85.5９9998
２０1４/10/16
8４.980０0３
89.1７５00３
8４．０１４９99
88.84９９98
８８.8499９８
２01４/１0／17
90.４0000２
90.90０002
87.66999８
８7.9100０4
87.9１0004
２０1４/１０/20
88
8
升级会员 