量化交易策略——相对OBV指标策略

gyshssl

没有一个指标是完全适用任何时候的，本文并不是提供一种绝对赚钱的策略，有绝对盈利的点，估计也没人拿出来分享，宗旨还是提供一种思路，共同学习。

    OBV指标是葛兰碧于20世纪60年代提出的，并被广泛使用。该指标通过统计成交量变动的趋势来推测股价趋势。OBV以“N”字型为波动单位，并且由许许多多“N”型波构成了OBV的曲线图，对一浪高于一浪的“N”型波，称其为“上升潮”（UP TIDE），至于上升潮中的下跌回落则称为“跌潮”（DOWN FIELD）。OBV能量潮指标是成交量方面研究中相当重要的分析指标之一。1、当股价上升而OBV线下降，表示买盘无力，股价可能会回跌。2、股价下降时而OBV线上升，表示买盘旺盛，逢低接手强股，股价可能会止跌回升。

    其计算公式如下：



其中：
sign=+1 今日vol>昨日vol；
sign=-1 今日vol<昨日vol；
sign=0 今日vol==昨日vol。

    原力（相对OBV）
    定义相对OBV为：



n为时间参数。

    如相对成交量小于下阀值，则为空头信号；如相对成交量大于上阀值，则为多头信号；如相对成交量在上下阀值之间，则为空仓信号，以上是基于相对成交量，给出的多空信号判断。

    下图给出了在上下阀值均为 0.5 时，上证综指的多空信号判断结果，其中1代表多头信号， -1代表空头信号。




原力测试


1.在本策略中不存在卖空，所以当Force等于0或-1时空仓；Force等于1时，开多仓。

2.并未写成多股票的版本，只验证了单只股票。

3.下图为开启大盘止损之后的回测图，分享的回测则为未开启大盘止损的回测图。


收益与风险













源码：

1. import talib
   
2. from datetime import timedelta, date
   
3. import numpy as np
   
4. 
   
5. def Force(obv,n):
   
6. min_obv = min(obv[-n:-1])
   
7. max_obv = max(obv[-n:-1])
   
8. r_volume = (obv[-1] - min_obv)/(max_obv - min_obv)
   
9. return r_volume
   
10. # 600307.XSHG 601988.XSHG
    
11. 
    
12. def initialize(context):
    
13.     # g.security = get_index_stocks('000300.XSHG')
    
14.     g.security = ['600307.XSHG']
    
15.     set_universe(g.security)
    
16.     set_benchmark('600307.XSHG')
    
17.     set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
    
18.     set_slippage(PriceRelatedSlippage())
    
19.     g.r_volume_data = 0
    
20.     g.type = []
    
21.     g.one_day = timedelta(days = 1)
    
22.     g.start = context.current_dt.date() - 30*g.one_day
    
23. 
    
24. def before_trading_start(context):
    
25.     security = g.security
    
26.     start = g.start
    
27.     end = context.current_dt.date() - g.one_day
    
28.     df = get_price(security[-1], start_date=start, end_date=end, frequency='daily', fields=['close','volume','factor'])
    
29.     # 剔除停盘数据
    
30.     df[df['volume']==0] = np.nan
    
31.     df = df.dropna()
    
32.     # 回复原始价格
    
33.     df['close'] = df['close']/df['factor']
    
34.     # 求obv值
    
35.     obv = talib.OBV(df['close'].values,double(df['volume'].values))
    
36.     # 求相对成交量
    
37.     r_volume = Force(obv,10)
    
38.    
    
39.     # 确定买入卖出信号
    
40.     if r_volume>0.5:
    
41.         g.r_volume_data = 1
    
42.         g.type.append(g.r_volume_data)
    
43.     elif r_volume < -0.5:
    
44.         g.r_volume_data = -1
    
45.         g.type.append(g.r_volume_data)
    
46.     else:
    
47.         g.r_volume_data = 0
    
48.         g.type.append(g.r_volume_data)
    
49. 
    
50. def handle_data(context, data):
    
51.    
    
52.     # ## 止损
    
53.     # d = dp_stoploss(kernel=2, n=10, zs=0.03)
    
54.     # if d:
    
55.     #     if len(context.portfolio.positions)>0:
    
56.     #         for stock in list(context.portfolio.positions.keys()):
    
57.     #             order_target(stock, 0)
    
58.     #     return
    
59.    
    
60.     security = g.security
    
61.     Cash = context.portfolio.cash
    
62.     if g.r_volume_data == 1:
    
63.         # 买入
    
64.         order_value(security[-1],Cash)
    
65.     else:
    
66.         # 卖出
    
67.         order_target(security[-1],0)
    
68.         
    
69. def dp_stoploss(kernel=2, n=10, zs=0.03):
    
70.     '''
    
71.     方法1：当大盘N日均线(默认60日)与昨日收盘价构成“死叉”，则发出True信号
    
72.     方法2：当大盘N日内跌幅超过zs，则发出True信号
    
73.     '''
    
74.     # 止损方法1：根据大盘指数N日均线进行止损
    
75.     if kernel == 1:
    
76.         t = n+2
    
77.         hist = attribute_history('000300.XSHG', t, '1d', 'close', df=False)
    
78.         temp1 = sum(hist['close'][1:-1])/float(n)
    
79.         temp2 = sum(hist['close'][0:-2])/float(n)
    
80.         close1 = hist['close'][-1]
    
81.         close2 = hist['close'][-2]
    
82.         if (close2 > temp2) and (close1 < temp1):
    
83.             return True
    
84.         else:
    
85.             return False
    
86.     # 止损方法2：根据大盘指数跌幅进行止损
    
87.     elif kernel == 2:
    
88.         hist1 = attribute_history('000300.XSHG', n, '1d', 'close',df=False)
    
89.         if ((1-float(hist1['close'][-1]/hist1['close'][0])) >= zs):
    
90.             return True
    
91.         else:
    
92.             return False

复制代码