真格量化

跟着“大户”有肉吃?-如何用真格量化设计持仓排名跟踪策略

2019-06-21  本文已影响22人  ce2a5fc7b1e4

许多投资者关注每日持仓排名数据,他们认为某些席位技艺高超,跟着它们操作就能胜多败少。

正好真格量化提供了持仓排名数据,我们可以轻易地验证一下(比如在日线级别回测),跟着这些席位是否靠谱。

首先,我们要设定查询日期,确保查询的是上一个交易日的持仓排名信息。如果查到的是当天的信息,那就犯了“引用未来数据”的错误:

然后我们可以用GetContractRanking函数查询某个合约,比如螺纹钢主力,的持仓排名。

这里我们只查询螺纹钢主力,多头持仓排名,如果排名第一的是我们关注的期货公司,比如“期货公司A”,则我们设定信号为1.

我们可以将这个以字典形式存储持仓信息按键值打印出来,并且与其他信息源进行对照,看看是否是我们想要的数据:

然后就可以根据信号来交易,比如多头第一位是“期货公司A”时我们才做多:

当然我们还可以补充各种细节,比如临近最后交易日就不要持有快到期的合约:

然后就可以回测一下,比如还是螺纹主力,从2017到2019年:

虽然从回测曲线看,这个简单的策略也能赚钱,但其过程跌宕起伏,有惊喜、有乏味、也会有紧张,甚至是我们怀疑大户水平的时刻:

当然读者还可以补充各种细节,比如研究到底跟踪哪个席位会表现最好,本文我们仅用了一家期货公司,读者可以试试其他家或者“一篮子席位”。

本文只是查询了多头排名第一,读者还可以试试空头排名第一,或者多空相减的净持仓。本文只是查询了单个主力合约,读者可以试试用GetProductsRanking函数查询某个商品所有合约汇总的持仓排名。

也可以试试添加回撤止损的语句是否能平滑曲线。或者用全品种扫描方法看看哪个品种更适合“跟踪大户”策略。

希望这些数据能够帮助读者搭上“高手”的便车。

— — — — — — E N D — — — — — —

往期文章:

Numpy处理tick级别数据技巧

真正赚钱的期权策略曲线是这样的

多品种历史波动率计算

如何实现全市场自动盯盘

AI是怎样看懂研报的

真格量化策略debug秘籍

真格量化对接实盘交易

常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法

如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战

如何构建知识图谱

机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法

真格量化制作期权HV-IV价差

另类数据介绍

TensorFlow中的Tensor是什么?

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统

Python调用C++

如何选择数据库代理

统计套利揭秘

一个Call搅动市场?让我们温习一下波动率策略

真格量化可访问:

https://quant.pobo.net.cn

真格量化微信公众号,长按关注:

遇到了技术问题?欢迎加入真格量化Python技术交流QQ群  726895887

上一篇 下一篇

猜你喜欢

热点阅读