量化研究---索普量化日线T0交策略2.0

*******7387_x00JA · 发表于昨天 16:46

文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途

优化1.0版本。全面检查了代码，添加了尾盘恢复仓位算法，建立底仓算法，把全部模型上线网页

根据大家的需要我重新写mini版本的，真正的实盘交易是非常复杂的

策略的原理，日线的触发比较少，可以使用日内T0模块那个触发多

一、策略概述

这是一个基于ATR指标和动态基准价格的智能化网格交易策略。策略名称为"西蒙斯ATR日线固定网格"，其核心思想是通过价格波动率来自适应调整交易触发阈值，在股价波动中自动执行低买高卖的操作。

二、策略运行流程

第一步：基础参数初始化

策略启动时首先计算三个关键参数：

ATR指标 - 平均真实波幅，衡量股票的价格波动性
涨跌幅阈值 - 基于ATR计算得出的交易触发边界
基准价格 - 作为计算涨跌幅的参考起点

这些参数构成了策略的交易框架，其中ATR值决定了网格的"宽度"，波动率越大的股票，网格间距越大。

第二步：动态基准价格确定

这是策略最核心的智能部分。基准价格的确定遵循一个三级优先原则：

优先级别1：历史交易记录

系统首先检查是否存在该策略对该股票的过往交易记录
如果有记录，则采用最近一次触发交易时的价格作为新基准
这保证了策略的连续性，每次交易后都重新校准参考点

优先级别2：挂单状态检查

当没有历史交易记录时，检查当前是否有未成交的买入订单
如果存在买入挂单，使用挂单价格作为基准价格
这考虑了交易执行的时间差，避免基准价与实际情况脱节

优先级别3：默认基准价格

当既无历史记录也无挂单时，使用预设的基准价格计算方法
这通常是策略的初始启动状态

第三步：实时涨跌幅计算

基于确定的基准价格，计算当前价格的相对涨跌幅：

text

当前涨跌幅 = (当前价格 - 基准价格) / 基准价格 × 100%

这个计算是动态更新的，确保每次评估都是基于最新的市场状况。

第四步：交易条件判断

策略设置上下两个触发边界：

上轨阈值 = +ATR阈值（正数）
下轨阈值 = -ATR阈值（负数）

判断逻辑：

当涨跌幅 大于等于上轨阈值 → 触发卖出信号
当涨跌幅 小于等于下轨阈值 → 触发买入信号
当涨跌幅 在上下轨之间 → 保持观望状态

三、策略核心特点

1. 自适应网格宽度

传统的网格交易使用固定百分比间隔，而本策略使用ATR指标动态调整：

高波动性股票 → 网格宽度自动扩大 → 减少频繁交易
低波动性股票 → 网格宽度自动收窄 → 捕捉小幅波动

2. 动态基准调整机制

基准价格不是固定不变的，而是：

每次交易后自动更新为触发价格
确保网格始终以最新成交价为中枢
避免了价格大幅变动时的网格失效问题

3. 状态持续性维护

通过交易日志记录策略状态：

即使程序重启，也能恢复之前的交易上下文
确保策略执行的连贯性和一致性
为策略优化提供数据支持

4. 实际交易环境感知

策略考虑真实交易环境中的因素：

检查未成交订单的影响
避免在已有挂单情况下重复计算
提高策略的实战可行性

四、风险控制机制

波动率适配

ATR指标确保网格间距与股票特性匹配，避免：

在平静股票上设置过宽网格而错过机会
在活跃股票上设置过窄网格而频繁交易

条件严格性

策略设置明确的触发条件：

只在价格突破阈值时交易
阈值区间内不进行任何操作
减少不必要的交易成本和滑点

基准重置保护

每次交易后基准价格重置：

防止累积误差导致的策略偏移
确保每次交易决策的相对独立性

使用教程点击网页下载策略http://14.103.193.242:9999/xms_quants.html

http://14.103.193.242:9999/xms_quants.html

最后一个

点击会员下载，知识星球可以直接下载

下载就可以导入qmt

1设置账户

2设置建立底仓参数，默认我没有开启开个人的选择

3设置尾盘恢复仓位函数，默认我没有开启

4设置记录表格的路径，不要随便动里面的数据

5设置检测的股票池，默认支持持股，自定义股票池，默认自定义

6设置atr的参数，-3就是3天前的收盘加做为起点计算

7开启模型，是否开启参数改成是

8设置交易参数，买卖值是每一笔交易触发的金额

点击测试没有问题挂模型交易就可以

10模型交易

点击运行就可以

下单的数据

交易记录

整理全部就设置好了模型我全部上传了知识星球可以下载

不懂的问我就可以，加我备注入群可以加入量化群

底层的简单算法

class user_def_trader_func:
    def __init__(self,c,stock='512480.SH',tick='',hist='',other_data=''):
        '''
        自定义交易函数
        '''
        self.tick=tick
        self.hist=hist
        self.other_data=other_data
        self.log=pd.read_excel(r'{}'.format(c.path))
        self.trader_date=str(datetime.now())[:10]
        self.now_date=datetime.now()
        self.stock=stock
        if self.log.shape[0]>0:
            self.log=self.log[['证券代码','模块名称','交易日','触发时间','交易类型','交易数量','触发价格','投资备注','交易状态']]
            self.log=self.log.sort_values(by='触发时间',ascending=True)
            #self.log=self.log[self.log['交易日']==self.trader_date]
        else:
            self.log=pd.DataFrame()
        
        self.c=c
    def conditional_single_time_sharing_grid(self,
            name='西蒙斯ATR日线固定网格'):
        tick=self.tick
        stock=self.stock
        atr,zdf=cacal_atr(self.c,stock=stock)
        x1=zdf
        x2=-zdf
        base_price=get_base_price(self.c,stock=stock)
        price=tick['lastPrice']
        if self.log.shape[0]>0:
            self.log['证券代码']=self.log['证券代码'].astype(str)
            log=self.log[self.log['模块名称']==name]
            log=log[log['证券代码']==stock]
            if log.shape[0]>0:
                pre_price=log['触发价格'].tolist()[-1]
                zdf=((price-pre_price)/pre_price)*100
            else:
                order_stats,order_price=check_buy_order(self.c,stock=stock)
                if order_stats==True:
                    base_price=order_price
                else:
                    base_price=base_price
                zdf=((price-base_price)/base_price)*100
        else:
            order_stats,order_price=check_buy_order(self.c,stock=stock)
            if order_stats==True:
                base_price=order_price
            else:
                base_price=base_price
            zdf=((price-base_price)/base_price)*100
        if zdf>=x1:
            print('{} 模块{} 卖出{}  目前涨跌幅{} 大于目前标涨跌幅{} atr {}'.format(self.now_date,name,stock,zdf,x1,atr))
            return 'sell'
        elif zdf<=x2:
            print('{} 模块{} 买入{}  目前涨跌幅{} 小于目前标涨跌幅{} atr {}'.format(self.now_date,name,stock,zdf,x2,atr))
            return 'buy'
        else:
            print('{} 模块{} 不符合交易{}  目前涨跌幅{} 在{}到{}期间 atr {}'.format(self.now_date,name,stock,zdf,x2,x1,atr))
            return ''
    def symmetric_grid_trading(self,
            name='西蒙斯ATR日线对称网格'):
        '''
        西蒙斯ATR日线对称网格
        '''
        tick=self.tick
        stock=self.stock
        atr,zdf=cacal_atr(self.c,stock=stock)
        x1=zdf
        x2=-zdf
        base_price=get_base_price(self.c,stock=stock)
        price=tick['lastPrice']
        if self.log.shape[0]>0:
            self.log['证券代码']=self.log['证券代码'].astype(str)
            log=self.log[self.log['模块名称']==name]
            log=log[log['证券代码']==stock]
            
            if log.shape[0]>0:
                pre_price=log['触发价格'].tolist()[-1]
                zdf=((price-pre_price)/pre_price)*100
                shift_trader_type=log['交易类型'].tolist()[-1]
                
            else:
                order_stats,order_price=check_buy_order(self.c,stock=stock)
                if order_stats==True:
                    base_price=order_price
                else:
                    base_price=base_price
                zdf=((price-base_price)/base_price)*100
                shift_trader_type=''
        else:
            order_stats,order_price=check_buy_order(self.c,stock=stock)
            if order_stats==True:
                base_price=order_price
            else:
                base_price=base_price
            zdf=((price-base_price)/base_price)*100
            shift_trader_type=''
            
            
        if zdf>=x1 and shift_trader_type=='buy':
            print('{} 上一笔买入模块{} 卖出{}  目前涨跌幅{} 大于目前标涨跌幅{} atr {} '.format(self.now_date,name,stock,zdf,x1,atr))
            return 'sell'
        elif zdf<=x2 and shift_trader_type=='sell':
            print('{}上一笔卖出 模块{} 买入{}  目前涨跌幅{} 小于目前标涨跌幅{} atr {}'.format(self.now_date,name,stock,zdf,x2,atr))
            return 'buy'
        if zdf>=x1 :
            print('{}上一笔没有买入委托 模块{} 卖出{}  目前涨跌幅{} 大于目前标涨跌幅{} atr {}'.format(self.now_date,name,stock,zdf,x1,atr))
            return 'sell'
        elif zdf<=x2 :
            print('{} 上一笔没有卖出委托模块{} 买入{}  目前涨跌幅{} 小于目前标涨跌幅{} atr {}'.format(self.now_date,name,stock,zdf,x2,atr))
            return 'buy'
        
        else:
            print('{} 模块{} 不符合交易{}  目前涨跌幅{} 在{}到{}期间 atr {}'.format(self.now_date,name,stock,zdf,x2,x1,atr))
            return ''