双均线策略(期货)

双均线策略（原作者未知）

1. 原理

均线的“前世今生”

均线，一个进行形态分析时总也绕不过去的指标。

均线最早由美国投资专家Joseph E.Granville(格兰威尔)于20世纪中期提出，现在仍然广泛为人们使用，成为判断买卖信号的一大重要指标。从统计角度来说，均线就是历史价格的平均值，可以代表过去N日股价的平均走势。

1962年7月，Joseph E.Granville在他的书中提出了著名的Granville八大买卖法则。只利用股价和均线即可进行择时，方法简单有效，一经提出，迅速受到市场追捧。尤其是其中的金叉和死叉信号，更是沿用至今。

Granville 八大法则其中有四条是用于判断买进时机，另外四条是用于判断卖出时机。买进和卖出法则一一对应，分布在高点的左右两侧（除买4和卖4以外）。法则内容如下所示：

买1：均线整体上行，股价由下至上上穿均线，此为黄金交叉，形成第一个买点。
买2：股价出现下跌迹象，但尚未跌破均线，此时均线变成支撑线，形成第二个买点。
买3：股价仍处于均线上方，但呈现急剧下跌趋势。当跌破均线时，出现第三个买点。
买4：（右侧）股价和均线都处于下降通道，且股价处于均线下方，严重远离均线，出现第四个买点。

卖1：均线由上升状态变为缓慢下降的状态，股价也开始下降。当股价跌破均线时，此为死亡交叉，形成第一个卖点。
卖2：股价仍处于均线之下，但股价开始呈现上涨趋势，当股价无限接近均线但尚未突破时，此时均线变成阻力线，形成第二个卖点。
卖3：股价终于突破均线，处于均线上方。但持续时间不长，股价开始下跌，直至再一次跌破均线，此为第三个卖点。
卖4：（左侧）股价和均线都在上涨，股价上涨的速度远快于均线上涨的速度。当股价严重偏离均线时，出现第四个卖点。
(部分资料来源于百度百科)

均线理论为什么有效？

Shiller（1981）在研究中发现，资产的长期价格呈现均值回复的特征，即从长期来看，资产的价格会回归均值。这也是均线理论被广泛应用的前提。

均线理论的缺陷

均线归根到底是一种平均值，平均值在应用过程中存在最大的问题就是其滞后性。当出现买入卖出信号时，最佳时机早已过去。举例来说，如果A股票最新价格出现了较大的涨幅，股价和均线都上涨，但均线的速度慢于股价上涨速度。此时，从形态上来看，金叉出现，为买入信号。次日，股价回调，股价下降的速度快于均线下降的速度，形成死叉，为卖点。这样一买一卖不仅没有盈利，反而出现亏损。

均线理论的改进

针对均线的缺点，市场上提出了各种各样的改进方法。

1.对均线的计算方法进行改正。

加权移动平均线是在移动平均线的基础上按照时间进行加权。越靠近当前日期的价格对未来价格的影响越大，赋予更大的权重；越远离当前日期价格，赋予越小的权重。

2.调整均线周期

利用不同周期均线得到的结果也不同。许多有经验的投资者发现，在不同的市场中，有些均线的效果显著优于其他周期均线。有些长线投资者还会将股价替换成短周期均线进行趋势判断。

2. 策略逻辑

第一步：获取数据，计算长短期均线
第二步：设置交易信号

回测数据: SHFE.rb2101的60s频度bar数据
回测时间: 2020-04-01 到 2020-05-31
回测初始资金：3万

3.策略代码 

1. # coding=utf-8

2. from __future__ import print_function, absolute_import

3. from gm.api import *

4. import talib

5. 
   

6. 
   

7. '''

8. 本策略以SHFE.rb2101为交易标的，根据其一分钟(即60s频度）bar数据建立双均线模型，

9. 短周期为20，长周期为60，当短期均线由上向下穿越长期均线时做空，

10. 当短期均线由下向上穿越长期均线时做多,每次开仓前先平掉所持仓位，再开仓。

11. 注：为了适用于仿真和实盘，在策略中增加了一个“先判断是否平仓成功再开仓”的判断逻辑，以避免出现未平仓成功，可用资金不足的情况。

12. 回测数据为:SHFE.rb2101的60s频度bar数据

13. 回测时间为:2020-04-01 09:00:00到2020-05-31 15:00:00

14. '''

15. 
    

16. 
    

17. def init(context):

18.    context.short = 20                                             # 短周期均线

19.    context.long = 60                                              # 长周期均线

20.    context.symbol = 'SHFE.rb2101'                                 # 订阅交易标的

21.    context.period = context.long + 1                              # 订阅数据滑窗长度

22.    context.open_long = False                                      # 开多单标记

23.    context.open_short = False                                     # 开空单标记

24.    subscribe(context.symbol, '60s', count=context.period)         # 订阅行情

25. 
    

26. 
    

27. def on_bar(context, bars):

28.    # 获取通过subscribe订阅的数据

29.    prices = context.data(context.symbol, '60s', context.period, fields='close')

30. 
    

31.    # 利用talib库计算长短周期均线

32.    short_avg = talib.SMA(prices.values.reshape(context.period), context.short)

33.    long_avg = talib.SMA(prices.values.reshape(context.period), context.long)

34. 
    

35.    # 查询持仓

36.    position_long = context.account().position(symbol=context.symbol, side=1)

37.    position_short = context.account().position(symbol=context.symbol, side=2)

38. 
    

39.    # 短均线下穿长均线，做空(即当前时间点短均线处于长均线下方，前一时间点短均线处于长均线上方)

40.    if long_avg[-2] < short_avg[-2] and long_avg[-1] >= short_avg[-1]:

41. 
    

42.        # 无多仓情况下，直接开空

43.        if not position_long:

44.            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Open,

45.                        order_type=OrderType_Market)

46.            print(context.symbol, '以市价单调空仓到仓位')

47. 
    

48.        # 有多仓情况下，先平多，再开空(开空命令放在on_order_status里面)

49.        else:

50.            context.open_short = True

51. 
    

52.            # 以市价平多仓

53.            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Close,

54.                         order_type=OrderType_Market)

55.            print(context.symbol, '以市价单平多仓')

56. 
    

57.    # 短均线上穿长均线，做多（即当前时间点短均线处于长均线上方，前一时间点短均线处于长均线下方）

58.    if short_avg[-2] < long_avg[-2] and short_avg[-1] >= long_avg[-1]:

59. 
    

60.        # 无空仓情况下，直接开多

61.        if not position_short:

62.            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy, position_effect=PositionEffect_Open,

63.                         order_type=OrderType_Market)

64.            print(context.symbol, '以市价单调多仓到仓位')

65. 
    

66.        # 有空仓的情况下，先平空，再开多(开多命令放在on_order_status里面)

67.        else:

68.            context.open_long = True

69. 
    

70.            # 以市价平空仓

71.            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,

72.                        position_effect=PositionEffect_Close, order_type=OrderType_Market)

73.            print(context.symbol, '以市价单平空仓')

74. 
    

75. 
    

76. def on_order_status(context, order):

77. 
    

78.    # 查看下单后的委托状态

79.    status = order['status']

80. 
    

81.    # 成交命令的方向

82.    side = order['side']

83. 
    

84.    # 交易类型

85.    effect = order['position_effect']

86. 
    

87.    # 当平仓委托全成后，再开仓

88.    if status == 3:

89. 
    

90.        # 以市价开空仓，需等到平仓成功无仓位后再开仓

91.        # 如果无多仓且side=2（说明平多仓成功），开空仓

92.        if effect == 2 and side == 2 and context.open_short:

93.            context.open_short = False

94.            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell, position_effect=PositionEffect_Open,

95.                         order_type=OrderType_Market)

96.            print(context.symbol, '以市价单调空仓到仓位')

97. 
    

98.        # 以市价开多仓,需等到平仓成功无仓位后再开仓

99.        # 如果无空仓且side=1（说明平空仓成功），开多仓

100.        if effect == 2 and side == 1 and context.open_long:

101.            context.open_long = False

102.            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy, position_effect=PositionEffect_Open,

103.                         order_type=OrderType_Market)

104.            print(context.symbol, '以市价单调多仓到仓位')

105. 
     

106. 
     

107. if __name__ == '__main__':

108.    '''

109.    strategy_id策略ID,由系统生成

110.    filename文件名,请与本文件名保持一致

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

112.    token绑定计算机的ID,可在系统设置-密钥管理中生成

113.    backtest_start_time回测开始时间

114.    backtest_end_time回测结束时间

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

116.    backtest_initial_cash回测初始资金

117.    backtest_commission_ratio回测佣金比例

118.    backtest_slippage_ratio回测滑点比例

119.    '''

120.    run(strategy_id='strategy_id',

121.        filename='main.py',

122.        mode=MODE_BACKTEST,

123.        token='token_id',

124.        backtest_start_time='2020-04-01 09:00:00',

125.        backtest_end_time='2020-05-31 15:00:00',

126.        backtest_adjust=ADJUST_NONE,

127.        backtest_initial_cash=10000000,

128.        backtest_commission_ratio=0.0001,

129.        backtest_slippage_ratio=0.0001)

4.回测结果与稳健性分析

策略整体收益率5.75%，年化收益率为39.15%，同期沪深300收益率为5.22%，策略跑赢沪深300.最大回撤为10.32%。

为了探究该策略在不同回测期以及不同品种的适用情况，对策略进行调整。调整范围主要包括：标的、回测期、均线周期，调整结果如下表所示：

根据上表可以看出，对于不同的标的、回测期、均线周期，双均线策略的收益情况差异较大。即使相同标的、相同均线周期，不同回测期收益情况也会出现较大差异。在应用时要注意风险管理，避免出现短期过拟合现象。

注：此策略只用于学习、交流、演示，不构成任何投资建议。