网格交易法（期货）

1. 原理

什么是网格交易法？

网格交易法是一种利用行情震荡进行获利的策略。在标的价格不断震荡的过程中，对标的价格绘制网格，在市场价格触碰到某个网格线时进行加减仓操作尽可能获利。

网格交易法属于左侧交易的一种。与右侧交易不同，网格交易法并非跟随行情，追涨杀跌，而是逆势而为，在价格下跌时买入，价格上涨时卖出。

怎样设计网格？

投资者可以随意设置网格的宽度和数量。既可以设置为等宽度，也可以设置为不等宽度的。设置等宽度网格可能会导致买点卖点过早，收益率较低。设置不等宽度网格能够避免这个问题，但如果行情出现不利变动，可能会错失买卖机会。

网格交易法的盈利情况

在行情震荡上涨时：

假设格子之间的差为1元钱，每变化一个格子相应的买入或卖出1手，则通过网格交易当前账户的净收益为5元，持空仓3手，持仓均价为13元。

行情震荡下跌时：

同理可知，净收益为10元，持5手多仓，平均成本为8元。

可以看到，无论行情上涨还是下跌，已平仓的部分均为正收益，未平仓的部分需要等下一个信号出现再触发交易。

即使网格交易能够获得较为稳定的收益，但也存在一定的风险。如果行情呈现大涨或大跌趋势，会导致不断开仓，增加风险敞口。这也是为什么网格交易更适用震荡行情，不合适趋势性行情。

核心

网格交易主要包括以下几个核心要点：

- 挑选的标的最好是价格变化较大，交易较为活跃
网格交易是基于行情震荡进行获利的策略，如果标的不活跃，价格波动不大，很难触发交易。
- 选出网格的压力位和阻力位
确定适当的压力位和阻力位，使价格大部分时间能够在压力位和阻力位之间波动。如果压力位和阻力位设置范围过大，会导致难以触发交易；如果压力位和阻力位设置范围过小，则会频繁触发交易。
- 设置网格的宽度和数量
设定多少个网格以及网格的宽度可根据投资者自身喜好自行确定。

2、策略逻辑

第一步：确定价格中枢、压力位和阻力位
第二步：确定网格的数量和间隔
第三步：当价格触碰到网格线时，若高于买入价，则每上升一格卖出m手；若低于买入价，则每下跌一格买入m手。

回测标的：SHFE.rb1901
回测时间：2018-07-01 到 2018-10-01
回测初始资金：10万
注意：若修改回测期，需要修改对应的回测标的。

策略难点：

• 怎样记录价格是否突破网格线？

解决方法：有些人可能会想到用当前价格与网格线对应的价格进行比较，但这样操作比较麻烦，步骤繁琐。这里采用区域判断方式。根据网格线划分网格区域为1、2、3、4、5、6.利用pandas库提供的cut函数，将当前价格所处的网格区域表示出来。当网格区域发生变化，说明价格突破了一个网格线。

• 如何避免出现4区-5区开仓一次,5区-4区又平仓一次这种“假突破”？

解决方法：4-5开仓一次和5-4平仓一次实际上突破的是一根线，此时的形态是价格沿着这根线上下波动。只有第一次穿过这条线时才是真正的交易信号，其他的并没有形成突破。因此我们需要一个变量储存每一次交易时网格区域的变化形态(按照从大到小的顺序)，比如5-4可以记为[4,5],4-5记为[4,5]。当新的记录=旧的记录时，信号失效。

3、策略代码

1. # coding=utf-8

2. from __future__ import print_function, absolute_import, unicode_literals

3. import numpy as np

4. import pandas as pd

5. from gm.api import *

6. '''

7. 本策略标的为：SHFE.rb1901

8. 价格中枢设定为：前一交易日的收盘价

9. 从阻力位到压力位分别为：1.03 * open、1.02 * open、1.01 * open、open、0.99 * open、0.98 * open、0.97 * open

10. 每变动一个网格，交易量变化100个单位

11. 回测数据为:SHFE.rb1901的1min数据

12. 回测时间为:2017-07-01 08:00:00到2017-10-01 16:00:00

13. '''

14. def init(context):

15.    # 策略标的为SHFE.rb1901

16.    context.symbol = 'SHFE.rb1901'

17.    # 订阅SHFE.rb1901, bar频率为1min

18.    subscribe(symbols = context.symbol, frequency='60s')

19.    # 设置每变动一格，增减的数量

20.    context.volume = 1

21.    # 储存前一个网格所处区间，用来和最新网格所处区间作比较

22.    context.last_grid = 0

23.    # 以前一日的收盘价为中枢价格

24.    context.center = history_n(symbol= context.symbol,frequency='1d',end_time=context.now,count = 1,fields = 'close')[0]['close']

25.    # 记录上一次交易时网格范围的变化情况（例如从4区到5区，记为4,5）

26.    context.grid_change_last = [0,0]

27. def on_bar(context, bars):

28.    bar = bars[0]

29.    # 获取多仓仓位

30.    position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)

31.    # 获取空仓仓位

32.    position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)

33.    # 设置网格和当前价格所处的网格区域

34.    context.band = np.array([0.97, 0.98, 0.99, 1, 1.01, 1.02, 1.03]) * context.center

35.    grid = pd.cut([bar.close], context.band, labels=[1, 2, 3, 4, 5, 6])[0]

36.    # 如果价格超出网格设置范围，则提示调节网格宽度和数量

37.    if np.isnan(grid):

38.        print('价格波动超过网格范围，可适当调节网格宽度和数量')

39.    # 如果新的价格所处网格区间和前一个价格所处的网格区间不同，说明触碰到了网格线，需要进行交易

40.    # 如果新网格大于前一天的网格，做空或平多

41.    if context.last_grid < grid:

42.        # 记录新旧格子范围（按照大小排序）

43.        grid_change_new = [context.last_grid,grid]

44.        # 几种例外：

45.        # 当last_grid = 0 时是初始阶段，不构成信号

46.        # 如果此时grid = 3，说明当前价格仅在开盘价之下的3区域中，没有突破网格线

47.        # 如果此时grid = 4，说明当前价格仅在开盘价之上的4区域中，没有突破网格线

48.        if context.last_grid == 0:

49.            context.last_grid = grid

50.            return

51.        if context.last_grid != 0:

52.            # 如果前一次开仓是4-5，这一次是5-4，算是没有突破，不成交

53.            if grid_change_new != context.grid_change_last:

54.                # 更新前一次的数据

55.                context.last_grid = grid

56.                context.grid_change_last = grid_change_new

57.                # 如果有多仓，平多

58.                if position_long:

59.                    order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Sell, order_type=OrderType_Market,

60.                                 position_effect=PositionEffect_Close)

61.                    print('以市价单平多仓{}手'.format(context.volume))

62.                # 否则，做空

63.                if not position_long:

64.                    order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Sell, order_type=OrderType_Market,

65.                                 position_effect=PositionEffect_Open)

66.                    print('以市价单开空{}手'.format(context.volume))

67.    # 如果新网格小于前一天的网格，做多或平空

68.    if context.last_grid > grid:

69.        # 记录新旧格子范围（按照大小排序）

70.        grid_change_new = [grid,context.last_grid]

71.        # 几种例外：

72.        # 当last_grid = 0 时是初始阶段，不构成信号

73.        # 如果此时grid = 3，说明当前价格仅在开盘价之下的3区域中，没有突破网格线

74.        # 如果此时grid = 4，说明当前价格仅在开盘价之上的4区域中，没有突破网格线

75.        if context.last_grid == 0:

76.            context.last_grid = grid

77.            return

78.        if context.last_grid != 0:

79.            # 如果前一次开仓是4-5，这一次是5-4，算是没有突破，不成交

80.            if grid_change_new != context.grid_change_last:

81.                # 更新前一次的数据

82.                context.last_grid = grid

83.                context.grid_change_last = grid_change_new

84.                # 如果有空仓，平空

85.                if position_short:

86.                    order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Buy,

87.                                 order_type=OrderType_Market,

88.                                 position_effect=PositionEffect_Close)

89.                    print('以市价单平空仓{}手'.format(context.volume))

90.                # 否则，做多

91.                if not position_short:

92.                    order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Buy,

93.                                 order_type=OrderType_Market,

94.                                 position_effect=PositionEffect_Open)

95.                    print('以市价单开多{}手'.format(context.volume))

96.    # 设计一个止损条件：当持仓量达到10手，全部平仓

97.    if position_short == 10 or position_long == 10:

98.        order_close_all()

99.        print('触发止损，全部平仓')

100. if __name__ == '__main__':

101.    '''

102.    strategy_id策略ID,由系统生成

103.    filename文件名,请与本文件名保持一致

104.    mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST

105.    token绑定计算机的ID,可在系统设置-密钥管理中生成

106.    backtest_start_time回测开始时间

107.    backtest_end_time回测结束时间

108.    backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST

109.    backtest_initial_cash回测初始资金

110.    backtest_commission_ratio回测佣金比例

111.    backtest_slippage_ratio回测滑点比例

112.    '''

113.    run(strategy_id='strategy_id',

114.        filename='main.py',

115.        mode=MODE_BACKTEST,

116.        token='token_id',

117.        backtest_start_time='2018-07-01 08:00:00',

118.        backtest_end_time='2018-10-01 16:00:00',

119.        backtest_adjust=ADJUST_PREV,

120.        backtest_initial_cash=100000,

121.        backtest_commission_ratio=0.0001,

122.        backtest_slippage_ratio=0.0001)

4、回测结果与稳健性分析

设定初始资金10万，手续费率为0.01%，滑点比率为0.01%。回测结果如下图所示：

回测期间策略累计收益率为4.16%，年化收益率为16.50%，基准收益率为0.91%，整体跑赢指数。最大回撤为0.72%，胜率为100%。在2018年7月12日以后，标的没有交易，说明此时标的价格已经超过设置的网格范围，可以适当加宽或增加网格数量。

为了检验策略的稳健性，保持标的和回测期不变，改变网格间隔和网格数量，得到回测结果如下表所示。

可以看到，改变网格间隔和网格数量对回测结果的影响较大。整体胜率较高，但存在部分未平头寸。在网格间隔设置为0.01倍价格中枢时，整体收益率最高，最大回撤也处于较低水平；在网格间隔为0.02倍中枢价格时，整体收益率最差。由此可以看出，网格间隔对收益率的影响要高于网格数量。因此，在利用网格交易法时，需要设置合理的网格间隔。

注：此策略只用于学习、交流、演示，不构成任何投资建议。