用Python写一个简单的双均线策略分析

用Python写一个简单的双均线策略

双均线策略

先罗列一下我知道的量化策略：

双均线：一句话来讲就是金叉买死叉卖。
布林带：突破压力线（上轨）清仓，跌破支撑线（下轨）持仓。
PEG：根据PE/G调整仓位。
均值回归：跌下去的要涨，涨上来的要跌（废话。
羊驼：随机选股，定期调仓（意外地能赚？

由于每种策略的持仓清仓逻辑不一样，反映在代码中的表现也就各不相同，以后如果有时间，会把上述量化策略全部实现一遍，今天先来整个最经典的入门级别的活。

首先，啥叫双均线？

从名字上来看，就是两条均线的意思。没错，双均线策略的基本逻辑就是纯粹依靠两条均线进行调仓。

两条均线分别是短期均线和长期均线。我们对于某一支股票的变动，先取一个较小时间段内的股价移动平均画出一条线（短期均线），再取一个较长时间段内的股价移动平均画出一条线（长期均线），然后把它们画在一张图里，定眼…睛一看，我们一定会发现这样的规律：

短期均线的波动比长期均线剧烈。从图的角度来直观的说，就是短期均线更加陡峭，长期均线更加平缓。
大多数股价走势中，如果短期均线向上穿过了长期均线，那么股价在接下来的一段时间一定会上涨；反过来，如果短期均线向下穿过了长期均线，那么股价在接下来的一段时间一定会下跌。

在经验上，常用的短期均线有5、10、20日均线；常用的长期均线有60、90、120日均线。

我们来直观的感受一下：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("D:pythonProjectDataAnalysis-masterMaotai.csv", index_col="date", parse_dates=['date'])

用茅台2019年10月到2020年1月的数据，观察一下短期均线（这里选用5日均线）、长期均线（这里选用60日均线）和股价走势自身的规律。

df_ma5 = df['close'].rolling(5).mean() #计算收盘价5日短期移动平均
df_ma60 = df['close'].rolling(60).mean() #计算收盘价60日长期移动平均
df_ma5o = df_ma5['2020-03':'2020-04'] #取2020年3月和2020年4月的数据
df_ma60o = df_ma60['2020-03':'2020-04']
df_org = df['close']['2020-03':'2020-04']
plt.figure(figsize=(15, 8)) #调整图片大小
plt.plot(df_ma5o.index, df_ma5o, label='5 days moving average')
plt.plot(df_ma60o.index, df_ma60o, label='60 days moving average')
plt.plot(df_org.index, df_org, label='price')
plt.xticks(df_ma60o.index[::10], rotation=45)
plt.gcf().subplots_adjust(bottom=0.20)
plt.legend(loc='upper left') #左上加上图例
plt.show()

得到下图

我们可以看到，在大概2020年3月16日左右，短期均线向下穿过了长期均线，同时绿色的股价趋势线开始下行；3月30日左右，短期均线向上穿过长期均线，股价趋势线开始上行。

我们给「短期均线向下穿过长期均线」形成的叉叉起了个名字叫死叉，给「短期均线向上穿过长期均线」形成的叉叉起了个名字叫金叉。这样我们自然而然得会想到一种持仓策略：不管什么股票，我只要在形成金叉的时候买进，死叉的时候卖出，岂不是稳赚不赔？

用Python实现

既然我们想出来了这种稳赚不赔的策略，那赶紧来算一算这种方法到底怎么样，是不是直接就掌握财富密码，可以从此不做打工人了呢？

我们现在假设一个场景：你现在手里有辛辛苦苦存下来的十万块钱，准备从现在开始通过股市暴富。你盯准了股价堪比黄金的茅台，想要把钱全投进去。假设从你做这个决定的时刻开始（因为我们的股价数据是从2018年7月开始的所以这个时刻就是2018年7月），碰到茅台的一个金叉你就all in，碰到一个死叉就all out。但是买只能买整手，也就是100股的倍数。

在这个假设场景下，我们看看到今天（2021年3月），你的身家有没有过百万。

先看一看在我们的数据范围内，金叉和死叉是什么一个情况。

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("D:pythonProjectDataAnalysis-masterMaotai.csv", index_col="date", parse_dates=['date'])
df_ma5 = df['close'].rolling(5).mean()
df_ma60 = df['close'].rolling(60).mean()
x = df.index
plt.figure(figsize=(15, 8))
plt.plot(x, df_ma5, color='#FF0000', label='5 days moving average')
plt.plot(x, df_ma60, color='#0000FF', label='60 days moving average')
plt.gcf().subplots_adjust(bottom=0.10) #调整一下图片底部余白
plt.legend(loc="upper left")
plt.show()

得到下图

^{由于数据比较多，短期均线和原本的价格趋势线看上去好像重合了，实际上没有。（有一说一茅台是真的顶…}

然后我们来算一算到底这样买能赚多少。

golden = [] #定义一个空列表golden，用来承接之后返回的符合金叉条件的行次
for i in range(1, len(df_ma60)-1):
    if df_ma60[i-1] > df_ma5[i-1] and df_ma60[i] <= df_ma5[i]:
        golden.append(i)

death = [] #定义一个空列表death，用来承接之后返回的符合死叉条件的行次
for i in range(1, len(df_ma60)-1):
    if df_ma60[i-1] < df_ma5[i-1] and df_ma60[i] >= df_ma5[i]:
        death.append(i)

dfg = df['close'][golden]  #在原数据中取出所有金叉的收盘价
dfd = df['close'][death]  #在原数据中取出所有死叉的收盘价

# 决策：一共10万块，每个金叉买进死叉卖出,只能买整数手。
ini = 100000
for i in range(0, len(dfd)):
    ini = ini - int(ini/(dfg[i]*100))*dfg[i]*100 + int(ini/(dfg[i]*100))*dfd[i]*100
print(ini)