为了感谢管理员通过我的专栏申请，再分享一个实盘策略。

这次的策略，我曾经在ptrade上实盘过1年多，由于标的盘口原因，上不了规模，但确实是盈亏比非常合适的策略，在这里分享给大家。

回顾下策略核心，它是利用经典的 MACD 指标进行交易决策，选定了512670、512480、513050三个ETF作为操作标的。每天开盘前 9:00 准备就绪，记录当天日期；开盘时段按 5 分钟间隔检查股票 MACD 指标，依据 DIFF 线与 0 轴的交叉情况，结合持仓状态决定买卖操作；收盘后记录当天交易结束时间，方便复盘。

注意：这个策略在不同的标的上，表现差异较大，所以，需要挑选合适的标的。

看看回测数据呈现出的策略表现：

• 收益对比：策略收益达到了惊人的 172.9%，而同期基准收益却是 -5.49%，这一正一负的鲜明对比，直观展现出策略在盈利能力上远超基准。

• 年化收益率：策略年化收益率为 28.53%，意味着长期下来每年有这样可观的增值速度，反观基准年化收益仅 -1.4%，进一步凸显策略优势。

• 风险评估指标：

• Alpha 值为 0.28，说明策略相对基准有一定的超额收益获取能力。

• Beta 值 0.46，显示策略与市场的相关性程度，相对较低的数值表明策略受市场整体波动影响较小。

• Sharpe 比率达到 1.56，这可是衡量风险调整后收益的关键指标，越高说明在同等风险下收益越好，咱这策略表现相当亮眼。

• Sortino 比率 2.47，着重考量下行风险下的收益，数值越高，在面对不利行情时策略的表现越佳。

• 其他关键指标：

• Information Ratio 为 1.42，反映策略主动管理风险获取超额收益的能力。

• Volatility 即波动率为 0.17，体现收益的波动幅度较小，收益稳定性较好。

• 最大回撤 10.76%，表示策略在最不利阶段的净值下跌幅度，处于相对可控范围。

• Tracking Error 为 0.18，说明策略与基准的偏离程度，一定程度反映策略的独立性。

• Downside Risk 为 0.11，再次强调下行风险状况。

• 胜率 45.8%，意味着交易成功次数占比近半，而次胜率 38.55% 也为策略表现提供了更多细节支撑。

  
  

下面是回测的截图：

接下来是源代码，欢迎交流。因为ptrade账号注销，ptrade的代码没有保留。这份代码是基于其他量化平台的，修改部分函数名后，可以在ptrade平台上直接运行。如果需要交流代码，也可以私信我。

# 股票策略模版
# 引入talib库
import talib

def init(context):
    # 设置基准收益：沪深300指数
    set_benchmark('512100.SH')
    # 打印日志
    log.info('策略开始运行,初始化函数全局只运行一次')
    # 设置股票每笔交易的手续费为万分之一点五(手续费在买卖成交后扣除,不包括税费,税费在卖出成交后扣除)
    set_commission(PerShare(type='stock',cost=0.00015))
    # 设置股票交易滑点0.05%,表示买入价为实际价格乘1.0005,卖出价为实际价格乘0.9995
    set_slippage(PriceSlippage(0.000))
    # 设置日级最大成交比例25%,分钟级最大成交比例50%
    # 日频运行时，下单数量超过当天真实成交量25%,则全部不成交
    # 分钟频运行时，下单数量超过当前分钟真实成交量50%,则全部不成交
    set_volume_limit(0.25,0.5)
    # 设置要操作的股票：
    g.security = ['512670.SH','512480.SH','513050.SH'] #输入股票代码,'513050.SH'
    #设置MACD模型参数
    g.Short = 12 #短周期平滑均线参数
    g.Long = 26 #长周期平滑均线参数
    g.M = 9 #DIFF的平滑均线参数
    g.day_Short = 12 #短周期平滑均线参数
    g.day_Long = 26 #长周期平滑均线参数
    g.day_M = 9 #DIFF的平滑均线参数

#每日开盘前9:00被调用一次,用于储存自定义参数、全局变量,执行盘前选股等
def before_trading(context):

    # 获取日期
    date = get_datetime().strftime('%Y-%m-%d %H:%M:%S')

    # 打印日期
    log.info('{} 盘前运行'.format(date))

## 开盘时运行函数
def handle_bar(context, bar_dict):
    if is_multiple_of_5_minutes(get_datetime()):
        for stock_code in g.security:
            diff,dea,macd = get_macd(stock_code)
            if diff[-1]>0 and diff[-2]<0  and context.portfolio.stock_account.positions[stock_code].amount == 0:
                log.info("======================触发买入信号",stock_code)
                av_cash = context.portfolio.stock_account.available_cash
                target_postion = context.portfolio.total_value/len(g.security)
                target_val = min(av_cash,target_postion)
                order_id = order_value(stock_code,target_val)  
                try:
                    log.info(order_id)
                    avg_price =get_order(order_id).avg_price
                    log.info("买入 %s" % (stock_code),"价格 %F" % (avg_price))
                except:
                    log.info("买入 %s" % (stock_code))
            if  diff[-1]<0  and context.portfolio.stock_account.positions[stock_code].available_amount > 0:    
                log.info("======================触发卖出信号",stock_code)
                try:
                    order_id = order_target(stock_code,0)
                    log.info(order_id)
                    avg_price =get_order(order_id).avg_price
                    log.info("卖出 %s" % (stock_code),"价格 %F" % (avg_price))
                except:
                    log.info("卖出 %s" % (stock_code))
                
## 获取macd指标    
def get_macd(stock):
    price = history(stock, ['close'], 100, '5m', True, 'pre', is_panel=1)['close']
    DIFF, DEA, MACD = talib.MACD(price.values,
    fastperiod = g.Short, slowperiod = g.Long, signalperiod = g.M)
    return DIFF,DEA,MACD

## 获取macd指标    
def get_day_macd(stock):
    price = history(stock, ['close'], 500, '30m', True, 'pre', is_panel=1)['close']
    DIFF, DEA, MACD = talib.MACD(price.values,
    fastperiod = g.day_Short, slowperiod = g.day_Long, signalperiod = g.M)
    return DIFF,DEA,MACD
    
## 判断是否是5分钟
def is_multiple_of_5_minutes(dt):
    minutes = dt.minute
    return minutes % 5 == 0

## 收盘后运行函数,用于储存自定义参数、全局变量,执行盘后选股等
def after_trading(context):

    # 获取时间
    time = get_datetime().strftime('%Y-%m-%d %H:%M:%S')
    # 打印时间
    log.info('{} 盘后运行'.format(time))
    log.info('一天结束')

北京炒家的打首板模式很火，近期在研究如何通过ptrade进行自动监控首板并第一时间参与扫板。

目前已经完成了简单的交易框架代码，有兴趣的朋友也欢迎一起交流。