炒股看均线能挣钱吗

2022-01-13 00:20 作者：黄sir量化交易之路围观：次

先说说常见的均线指标：ma5和ma10，学名是五日价格移动平均线和十日价格移动平均线，简称5日线和10日线。大部分人对这两个均线很熟，但是它们的实际作用，众说纷纭，褒贬各异。具体怎么样，我利用backtrader进行验证。

backtrader是python开发的一个回测框架，简单易用，是国外一个牛人开发的，文档也是英文的，本次做一个简单的量化策略回测。

先来看看这个简单的量化策略：

ma5上穿ma10买入，ma10下穿ma5卖出。

做出这个策略的买入卖出理由很简单：5日线上穿10日线，股价处于强势；10日线下穿5日线，股价处于弱势。明白这个后，接下来就是编写代码了。

第一步，安装backtrader。

pip install backtrader

第二步，准备数据。

我已经利用之前的开源代码提前下载了数据，以股票代码为名的csv文件。

后复权的数据

每个csv文件包含日期，开盘价，收盘价，最高价，最低价，成交量。

第三步，编写代码。

首先编写自己的策略类，引入backtrader，继承里面的策略类。这个地方我给自己的策略命名为MyStrategy，并且定义两个变量分别代表需要的均线，比如5日均线和10日均线。

import backtrader as btclass MyStrategy(bt.Strategy):    # 均线参数，5日和10日    params = (        ('ma_1', 5),        ('ma_2', 10),    )    def stop(self):        print("结束了")

backtrader自带了指标计算的公式，因此我们只需要调用即可，根据策略，我们应该要计算5日均线和10日均线，继续在策略类里面编写，代码实现起来很简单。backtrader真的很优秀。

    def __init__(self):        self.dataclose = self.datas[0].close        self.order = None        self.buyprice = None        self.buycomm = None        # 五日移动平均线        self.sma5 = bt.indicators.SimpleMovingAverage(period=self.params.ma_1)        # 十日移动平均线        self.sma10 = bt.indicators.SimpleMovingAverage(period=self.params.ma_2)

接下来实现买入卖出。按照策略，翻译成通俗语言是：一，如果没有仓位，当天ma5大于ma10，并且前一天ma5小于ma10买入；二，如果当前持仓，那么当ma10大于ma5时就卖出。

backtrader给我们提供了对应的接口方法（notify_order、notify_trade、next），我们只需要编写成这个策略的代码即可。明白这个后，代码应该这样编写：

    def notify_order(self, order):        if order.status in [order.Submitted, order.Accepted]:            # 如订单已被处理，则不用做任何事情            return        # 检查订单是否完成        if order.status in [order.Completed]:            if order.isbuy():                self.log(                    '执行买入，买入价格: %.2f, 花费资金: %.2f, 手续费： %.2f' %                    (order.executed.price,                     order.executed.value,                     order.executed.comm))                self.buyprice = order.executed.price                self.buycomm = order.executed.comm            else:  # 卖出                self.log('执行卖出, 卖出价格: %.2f, 花费资金: %.2f, 手续费： %.2f' %                         (order.executed.price,                          order.executed.value,                          order.executed.comm))            self.bar_executed = len(self)        # 订单因为缺少资金之类的原因被拒绝执行        elif order.status in [order.Canceled, order.Margin, order.Rejected]:            self.log("订单取消或者资金不足原因没有买入成功。")        self.order = None    def notify_trade(self, trade):        if not trade.isclosed:            return        self.log('本次操作利润, 总计: %.2f, 净利润: %.2f' %                 (trade.pnl, trade.pnlcomm))    def next(self):        # self.log('收盘, %.2f' % self.dataclose[0])        # 检查是否正在准备下单，如果是则直接返回        if self.order:            return        # 检查是否持仓        if not self.position:            # 没有仓位，执行买入条件判断：            if self.sma5[0] > self.sma10[0] and self.sma5[-1] < self.sma10[-1]:                self.log('买入, %.2f' % self.dataclose[0])                self.log('当前ma5:%.2f, 当前ma10: %.2f, 前一日ma5:%.2f, 前一日ma10: %.2f' %                         (self.sma5[0], self.sma10[0], self.sma5[-1], self.sma10[-1]))                # 买入                self.order = self.buy()        else:            # 执行条件卖出            if self.sma5[0] < self.sma10[0]:                self.log('卖出, %.2f' % self.dataclose[0])                # 卖出                self.order = self.sell()

上面的代码里面都有注释，阅读起来应该没有难度。顺便说一下，如果你们也编写代码，最好也多写点注释，方便自己后面阅读。有的人可能不信邪，半个月或者半年后，这个代码也许就没人看得懂了[泪奔]。相信黄sir，保持这个习惯，你会收获更多的尊重和成就。

策略类已经编写完了，下一步是把csv的文件数据加载进去运行。backtrader提供了很多加载的接口，非常方便，这里我用的是加载pandas数据接口。当然也可以直接传文件路径进去，因为我的csv文件里面有很多其他的数据，因此读取后进行修改只加载基础的数据即可。

    import pandas as pd        df = pd.read_csv("000001.csv")    new_df = df[["日期", "开盘", "收盘", "最高", "最低", "成交量"]]    new_df.columns = ["trade_date", "open", "close", "high", "low", "volume"]    new_df["trade_date"] = pd.to_datetime(new_df["trade_date"])    new_df.set_index("trade_date", inplace=True)    new_df['openinterest'] = 0    cerebro = bt.Cerebro()    # 加载我们的策略    cerebro.addstrategy(MyStrategy)    # 从2010-01-01到2021-12-17的数据进行回测    data = bt.feeds.PandasData(        dataname=new_df,        fromdate=datetime.datetime(2010, 1, 1),        todate=datetime.datetime(2021, 12, 17)    )    cerebro.adddata(data)

接下来设置初始金额和手续费。

    # 初始资金    init_amount = 300000.0    cerebro.broker.setcash(init_amount)    # 设置每笔交易交易的股票数量    cerebro.addsizer(bt.sizers.FixedSize, stake=100)    # 手续费    cerebro.broker.setcommission(commission=0.0)

最后，运行策略。

    # 运行策略    cerebro.run()    # 结果    result_amount = cerebro.broker.getvalue()    print('初始资金: %.2f' % init_amount)    print('期末资金: %.2f' % result_amount)    print('盈利: %.2f' % (float(result_amount) - init_amount))

一切顺利，结果如下：