高频算法---动态网格策略原理运用

*******7387_x00JA · 发表于 7 小时前

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

今天在把聚宽的摸狗策略迁移到ptrade,在加入我的理解，优化成我真正的动量实盘模型

我感觉在加入，止盈止损，趋势，大盘控制一下下回测就非常不错了

具体完善了高频T0的算法，包含了动态网格，对称网格，冲高回落，脉冲等模块，具体介绍动态网格策略的原理设计qmt代码

点击网页下载就可以http://14.103.193.242:9999/xms_quants.html

最后一个

这里先介绍一下怎么样使用，输入账户

输入交易记录的文件路径

选择是否开启仓位管理

选择是检测自定义股票池，还是直接检测持股交易

开启算法，设置买卖的设置

设置网格大小

设置没有问题挂模型交易就可以

注意时间要设置4，9，14实盘的时候

源代码我全部上传了知识星球下载就可以

不懂的问我就可以，网页的邀请码找我要就可以，备注邀请码，找我开户可以申请使用

一、核心思想：建立一个“智能的自动高抛低吸系统”

您可以想象一个在波动的市场中不断自动工作的智能机器人。它的核心任务只有两个：价格跌到一定程度就买入，价格涨到一定程度就卖出。但这个机器人不是盲目地在一个固定价格区间内操作，而是会根据市场的最新情况和它自己之前的操作，动态地调整其判断的“基准”，从而使系统始终与市场保持同步，避免在单边行情中陷入被动。

这个策略就是这个“智能机器人”的大脑。

二、策略原理解析：动态基准与条件触发

这个策略的原理可以分解为四个关键步骤：

1. 确立动态的“锚点价格”（基准价格）

这是整个策略最核心、最“动态”的部分。普通网格策略的锚点可能是固定的成本价或初始价，但本策略的锚点会根据实际情况智能调整，主要有以下三种情况：

情况一：优先以“最近成交价”为锚点
- 逻辑：如果当天在这个策略下已经成功进行了交易（无论是买还是卖），那么策略会认为市场已经认可了这个新的价格水平。此时，它会将锚点立即更新为最后一次交易的成交价。
- 类比：好比你在一条河里划船，你不再关心最初的出发岸边有多远，而是把你上一次停靠的码头作为新的起点，来计算你接下来是向上游还是下游划。
- 目的：实现网格的“移动”。这样能及时锁定之前的利润或调整成本，让策略始终基于最新的市场状态做决策。
情况二：以“未成交的买单价格”为锚点
- 逻辑：如果策略之前发出了买入指令但尚未成交（即挂单状态），说明系统已经认为价格跌到了值得买入的区域。此时，它会将锚点切换到这个挂单的价格。
- 类比：你告诉经纪人：“当苹果价格跌到5元时给我买一箱”。在订单未成交前，你的大脑会不自觉地以“5元”这个预期价格作为新的心理基准，来判断市场后续的波动。
- 目的：保持策略的逻辑一致性。避免在挂单期间，因价格小幅波动而触发矛盾的信号。
情况三：以“昨日收盘价”为初始锚点
- 逻辑：如果当天还没有任何操作和挂单，策略需要一个起点。这个起点就是前一个交易日的收盘价。
- 类比：这是你开始一天交易前，在航海图上确定的那个初始坐标。
- 目的：为当日的首次交易提供客观、合理的参考依据。

2. 计算实时的“偏离度”

确定了动态锚点价格后，策略会实时计算当前市场价格相对于这个锚点的涨跌幅度。

偏离度 = (当前价 - 锚点价格) / 锚点价格 × 100%

这个“偏离度”就是判断是否采取行动的尺子。

3. 设置触发交易的“阈值”

策略预设了两个关键阈值：

上方阈值 (x1)：一个正数，例如 0.8，代表 +0.8%。
下方阈值 (x2)：一个负数，例如 -1.0，代表 -1.0%。

这两个阈值就像是在锚点价格上下画出的两条“触发线”。

4. 执行条件判断与交易

最后，策略将“实时偏离度”与预设的“阈值”进行比较：

当偏离度 ≥ x1 (如+0.8%)：意味着价格已经从锚点上涨了足够多，触发了上方的“卖出线”。策略会发出 “卖出” 信号。这相当于完成了一次“高抛”。
当偏离度 ≤ x2 (如-1.0%)：意味着价格已经从锚点下跌了足够多，触发了下方的“买入线”。策略会发出 “买入” 信号。这相当于完成了一次“低吸”。
当偏离度介于 x2 和 x1 之间：意味着价格在锚点附近小幅波动，没有达到交易条件。策略会保持观望，不进行任何操作。

三、策略的显著特点

动态适应性：其最大的特点在于“动态锚点”。它不像固定网格那样死板，能够根据市场走势和自身交易记录不断调整中心，更好地适应市场节奏。
高频与机械化：该策略旨在捕捉盘中每一段小的波动。只要价格在阈值间来回震荡，它就能反复进行“买入-卖出”的循环操作，积小胜为大胜。所有决策依据预设的数学规则，彻底杜绝了交易者的情绪干扰。
基于“均值回归”假设：该策略的核心信念是“价格围绕价值波动”，短期内的偏离最终会回归。它正是在利用这种偏离来盈利。
严格的纪律性与风险控制：通过固定的百分比阈值，策略强制规定了每笔交易的盈利目标和补仓点位，避免了人性中常见的“贪婪”和“恐惧”。

四、策略的潜在风险与适用场景

适用场景：

震荡市（盘整市） 是该策略的“黄金舞台”。在价格没有明确方向，在一个区间内反复上下的行情中，该策略能最大化其效能。

五、总结

总而言之，您所分析的这套 “动态条件分时网格策略” ，是一个设计精巧的短线交易工具。它通过动态调整基准锚点，使得网格能够紧跟市场脉搏，再通过严格的百分比阈值来触发机械化的高抛低吸操作。

它的精髓在于承认市场的不可预测性，不追求买在最低点、卖在最高点，而是通过一套严谨的系统，持续地从市场的不确定性（波动）中抽取稳定的、小幅的利润。对于震荡市场而言，它无疑是一个强大的武器；但使用者必须清醒地认识到其在趋势行情中的局限性，并做好相应的风险管理和资金规划。

底层的源代码

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='固定高频分时网格',
            x1=0.8,
            x2=-1):
        tick=self.hist
        stock=self.stock
        base_price=tick['lastClose'].tolist()[-1]
        price=tick['lastPrice'].tolist()[-1]
        close_list=tick['lastPrice'].tolist()
        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{} '.format(self.now_date,name,stock,zdf,x1))
            return 'sell'
        elif zdf<=x2:
            print('{} 模块{} 买入{}  目前涨跌幅{} 小于目前标涨跌幅{} '.format(self.now_date,name,stock,zdf,x2))
            return 'buy'
        else:
            print('{} 模块{} 不符合交易{}  目前涨跌幅{} 在{}到{}期间 '.format(self.now_date,name,stock,zdf,x2,x1))
            return ''