量化交易：借助talib使用技术分析指标

什么是技术分析？

所谓股票的技术分析，是相对于基本面分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析，以此来研究股票的价值，衡量股价的高低。而技术分析则是透过图表或技术指标的记录，研究市场过去及现在的行为反应，以推测未来价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而得的，技术分析只关心证券市场本身的变化，而不考虑会对其产生某种影响的经济方面、政治方面的等各种外部的因素。

什么是talib？

talib 的简称是Technical Analysis Library ，主要功能是计算股价的技术分析指标。先简单看看talib都给我们提供了那些计算技术指标的函数，按技术指标的类型示例如下：

函数名：CDL2CROWS 名称：Two Crows 两只乌鸦 简介：三日K线模式，第一天长阳，第二天高开收阴，第三天再次高开继续收阴，收盘比前一日收盘价低，预示股价下跌。 例子：integer = CDL2CROWS(open, high, low, close)

函数名：CDL3STARSINSOUTH 名称：Three Stars In The South 南方三星 简介：三日K线模式，与大敌当前相反，三日K线皆阴，第一日有长下影线，第二日与第一日类似，K线整体小于第一日，第三日无下影线实体信号，成交价格都在第一日振幅之内，预示下跌趋势反转，股价上升。 例子：integer = CDL3STARSINSOUTH(open, high, low, close)

函数名 :MA 名称：Moving average 移动平均值 简介：移动平均值是在一定范围内的价格平均值 例子：ma = MA(close, timeperiod=30, matype=0)

函数名：ADX 名称：Average Directional Movement Index 平均趋向指数 简介：ADX指数是反映趋向变动的程度，而不是方向的本身。 例子：adx = ADX(high, low, close, timeperiod=14)

函数名：ATR 名称：Average True Range 平均真实波幅 简介：主要用来衡量价格的波动。因此，这一技术指标并不能直接反映价格走向及其趋势稳定性，而只是表明价格波动的程度。 例子：atr = ATR(high, low, close, timeperiod=14)

函数名：OBV 名称：On Balance Volume 能量潮 简介：通过统计成交量变动的趋势推测股价趋势 计算公式：以某日为基期，逐日累计每日上市股票总成交量，若隔日指数或股票上涨，则基期OBV加上本日成交量为本日OBV。隔日指数或股票下跌，则基期OBV减去本日成交量为本日OBV 例子：obv = OBV(close, volume)

由于篇幅有限，技术分析指标不能在此充分介绍，可以参考talib官方文档

如何使用：MA实例

• 已知MA这个函数的调用方式为：ma = MA(close, timeperiod=30, matype=0)

• close表示收盘价序列，timeperiod指定义好均线的计算长度即几日均线，不输入的话，默认为30日， matype可以默认不用输入，然后就可以得到均线的值

• 因此简单来讲，只取获取收盘价，就可以轻松计算移动平均值

下面以平安银行(000001.SZA)为例进行说明:

# 获取数据
df = D.history_data(['000001.SZA'],'2015-12-01','2016-02-20',
                    fields=['date','close']).set_index('date')
# 通过rolling_mean函数计算移动平均值（方法1）
df['MA10_rolling'] = pd.rolling_mean(df['close'],10)
# 将价格数据转化成float类型
close = [float(x) for x in df['close']]
# 通过talib计算移动平均值（方法2）
df['MA10_talib'] = talib.MA(np.array(close), timeperiod=10) 
# 检查两种方法计算结果是否一致
df.tail(12)

计算结果如下所示：

就这样很方便的计算出了移动平均线的值，接下来我们计算下稍微复杂一点的EMA和MACD

# 调用talib计算6日指数移动平均线的值
df['EMA12'] = talib.EMA(np.array(close), timeperiod=6)  
df['EMA26'] = talib.EMA(np.array(close), timeperiod=12)   
 # 调用talib计算MACD指标
df['MACD'],df['MACDsignal'],df['MACDhist'] = talib.MACD(np.array(close),
                            fastperiod=6, slowperiod=12, signalperiod=9)   
df.tail(12)

补充说明一下，close是收盘价，timeperiod指的是指数移动平均线EMA的长度，fastperiod指更短时段的EMA的长度，slowperiod指更长时段的EMA的长度，signalperiod指DEA长度

策略实战：MACD策略

• 当macd下穿signal时，卖出股票

• 当macd上穿signal时，买入股票

完整的策略如下:

技术分析指标策略： 基于MACD指标

1. 策略参数

import talib
instruments = ['000651.SZA'] #以格力电器为例
start_date = '2010-09-16'# 起始时间    
end_date = '2017-11-08' # 结束时间

2. 策略主体

def initialize(context):
   
    context.set_commission(PerDollar(0.0015)) # 手续费设置
    # 需要设置计算MACD的相关参数参数
    context.short = 12
    context.long = 26
    context.smoothperiod = 9
    context.observation = 100
    
    
def handle_data(context, data):
    
 
    if context.trading_day_index < 100: # 在100个交易日以后才开始真正运行 
        return
    
    sid = context.symbol(instruments[0])
    # 获取价格数据
    prices = data.history(sid, 'price', context.observation, '1d')
    # 用Talib计算MACD取值，得到三个时间序列数组，分别为macd, signal 和 hist
    macd, signal, hist = talib.MACD(np.array(prices), context.short,
                                    context.long, context.smoothperiod)
 
    # 计算现在portfolio中股票的仓位
    cur_position = context.portfolio.positions[sid].amount
    
    # 策略逻辑
    # 卖出逻辑 macd下穿signal
    if macd[-1] - signal[-1] < 0 and macd[-2] - signal[-2] > 0:
        # 进行清仓
        if cur_position > 0 and data.can_trade(sid):
            context.order_target_value(sid, 0)

    # 买入逻辑  macd上穿signal
    if macd[-1] - signal[-1] > 0 and macd[-2] - signal[-2] < 0:
        # 买入股票
        if cur_position == 0 and data.can_trade(sid):
            context.order_target_percent(sid, 1)

3. 回测接口

m=M.trade.v3( 
    instruments=instruments,
    start_date=start_date,
    end_date=end_date,
    initialize=initialize,
    handle_data=handle_data,
    order_price_field_buy='open',
    order_price_field_sell='open',
    capital_base=float("1.0e6"),
    benchmark='000300.INDX',
)