量化投研 | 从策略想法到代码，策略如何被高效验证

研究员阿Q用API调取数据之后每天花在数据上的时间变少了，能够更专注于策略本身。

这几天他的脑海中已经有一个新的策略思路了，想确认该模型的有效性。

阿Q以往验证策略的时候，都是手动管理：

• 拉取大量股票信息进行数据整理；
• 根据策略要求进行手动调仓；
• 判断策略结果，手动调整策略。

验证策略的整个过程都需要十分专注，一旦看错数据或调错了仓，将会导致策略输出一个错误结果，直接影响到后续投研分析。操作起来也相对繁琐，都是手动完成。

阿Q想，目前自己有一个清晰的策略思路，如果把自己的这种主观交易规则进行数量化会怎么样呢？感受到用 API 调取数据的便利之后， 他开始主动深入了解量化投研。

阿Q不确定，略懂Python的话能否成功把自己的策略想法变成代码进行验证。之前使用的RQSDK套件提供现成的回测框架。万事开头难，先拿常见的MACD策略试试。

MACD策略是这样的：

• 当DIFF线突破SIGNAL线时开仓，满仓买入指定股票；
• 当DIFF线突破SIGNAL线时平仓，卖出指定股票。

阿Q查阅API文档，将策略逻辑拆分成以下步骤。

1.分析策略需要用到什么数据。

从策略来看，只需要获取指定股票的每日收盘价格序列，所有的历史市场交易数据都可以从 history_bars 拿到。

2.确定策略的调仓条件。

从策略来看，希望在 DIFF 线突破 SIGNAL 线时全仓买入，在 DIFF 线跌穿 SIGNAL 线时平仓，那首先需要得到 DIFF 线和 SIGNAL 线，可以使用 talib 这个常用的计算股票量价指标的库来进行，把收盘价序列传进库中的 MACD 函数，这个函数会返回 DIFF 线、SIGNAL 线。有了两根线后再判断它们的交叉情况——突破或者跌穿，接着进行调仓。

3.下单交易。

首先需要确定做什么样的组合落单，Ricequant 提供了较为丰富的下单 API，因为是简单的尝试，所以就单独操作一个股票满仓买入或平仓，因此使用 order_target_percent 是最方便的。

确认了以上实现步骤后，接着就是查阅说明文档，将想法转换为代码了。

# 利用已有的股票量价指标库，待后续传入收盘价
import talib
# 所选择的证券的数据更新将会触发此段逻辑，这里选择的证券是平安银行000001.XSHE
def handle_bar(context, bar_dict):
    stock = "000001.XSHE"
    # 获取平安银行100根日级别k线的收盘价序列。
    closes = history_bars(stock, 100, "1d", "close")
    # 将收盘价数据传入talib的MACD函数中
    diff, signal, _ = talib.MACD(closes)
    # 判断两根线的交叉情况
    # DIFF线突破SIGNAL线时，DIFF线的最后一个点比SIGNAL线的最后一个点高，且DIFF线的倒数第二个点比SIGNAL线的倒数第二个点低
    if diff[-1] > signal[-1] and diff[-2] < signal[-2]:
        # 全仓买入，将仓位调整100%
        order_target_percent(stock, 1)
    # DIFF线跌穿SIGNAL线时，DIFF线的最后一个点比SIGNAL线的最后一个点低，且DIFF线的倒数第二个点比SIGNAL线的倒数第二个点高
    elif diff[-1] < signal[-1] and diff[-2] > signal[-2]:
        # 清仓，将仓位调整0%
        order_target_percent(stock, 0)

# 制定策略运行的时间和策略账户初始资金100000，-p代表plot，结束后画出收益图
rqalpha-plus run -f strategy.py -s 20190101 -e 20191231 -a STOCK 100000 -

接下来就交给计算机去跑了，很快就出现了策略收益图。

至此，这个策略就从阿Q脑海中的想法转换成代码逻辑并得到检验了。

阿Q在本地安装好 RQSDK 量化套件后开箱即用，在已有的回测框架上填充自己的策略想法，转换为代码后高速调取相关数据进行策略验证，把省下的时间用来调整策略，有效提升了投研策略回测的运行效率和自己的投资决策效率。

让计算机自动验证思路，加快策略研发。

投资行为的盈亏依赖于您的独立思考和决策，本文所述观点并不构成投资或任何其他建议，Ricequant 不提供或推荐任何投资品种。股市有风险，投资需谨慎。

图片源自网络。原创文章除特别声明外，欢迎非商业转载，敬请注明出处。