KDJ随机指标策略

策略介绍
KDJ指标又叫随机指标,是一种相当新颖、实用的技术分析指标,它起先用于期货市场的分析,后被广泛用于股市的中短期趋势分析,是期货和股票市场上最常用的技术分析工具。

随机指标KDJ一般是用于股票分析的统计体系,根据统计学原理,通过一个特定的周期(常为9日、9周等)内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系,来计算最后一个计算周期的未成熟随机值RSV,然后根据平滑移动平均线的方法来计算K值、D值与J值,并绘成曲线图来研判股票走势。适合趋势分析。

计算公式
(1)N日的RSV值(未成熟随机指标)
     RSV(n)=(Cn-Ln)÷(Hn-Ln)×100
(2)计算K值
     K = 2/3 * 前一日K 值+ 1/3 * 当日RSV
(3)计算D值
     D = 2/3 * 前一日D值+ 1/3 * 当日K值
(4)计算J值
     J = 3 * D – 2 * K
其中,Cn为第n日收盘价;Ln为n日内的最低价;Hn为n日内的最高价。

当没有前一日的K值或D值时,用50来代替。

使用方法
由KDJ指标的公式我们可以看出,K值和D值一定位于0到100之间。根据KDJ的取值,可将其划分为几个区域,即超买区、超卖区和徘徊区。按一般划分标准,K、D、J这三值在20以下为超卖区,是买入信号;K、D、J这三值在80以上为超买区,是卖出信号;K、D、J这三值在20-80之间为徘徊区,宜观望。

从变化趋势上看,K值比D值变化要快,而J值最快。我们可以从KDJ三条线的走势上判断行情。

本策略在D<20, K线和D线同时上升,且K线从下向上穿过D线时,全仓买入;当 D>80, K线和D线同时下降,且K线从上向下穿过D线时,全仓卖出。
 
优点
KDJ指标在计算中考虑了计算周期内的最高价、最低价,兼顾了股价波动中的随机振幅,因而人们认为随机指标更真实地反映股价的波动,其提示作用更加明显。

缺点
(1) 在短期波动剧烈或者瞬间行情幅度太大时,使用KD值交叉讯号买卖,经常发生买在高点、卖在低点的窘境。
(2) 极强或者极弱的行情,会造成指标在超买或超卖区内上下徘徊,反复震荡,出现来回金叉死叉的钝化现象,此时KDJ指标的状态让投资者无法继续按照买卖标准继续使用。

KDJ指标较为适用于震荡的行情,通过对超买超卖的判断以及价格走势的分析来产生交易信号。这里使用30分钟频率来回测,所以回看周期不宜过大,否则会有很大的滞后性。
在急速的上涨和下跌中反应的都很慢,甚至出现的高买低卖的现象。所以在使用KDJ指标时,要结合其他指标一起使用,对行情有所判断,不能盲目交易。

总结
KDJ指标利用一段时间的最高价、最低价以及收盘价,绘制出了3条参考线。利用这三条线,可以有很多种不同的使用方法。KDJ比较适合在中短期的震荡行情中使用,而在单边行情或是急剧的大幅震荡中效果不佳,使用者需要结合其他指标对行情进行判断,再考虑择机使用。

代码

# !/usr/bin/env python
# -*- coding: utf-8 -*-

# 策略代码总共分为三大部分,1)PARAMS变量 2)initialize函数 3)handle_data函数
# 请根据指示阅读。或者直接点击运行回测按钮,进行测试,查看策略效果。

# 策略名称:KDJ指标策略
# 策略详细介绍:https://wequant.io/study/strategy.kdj.html
# 关键词:随机指标、中短期。
# 方法:
# 1)通过特定周期内的最高价、最低价、收盘价以及移动平均线法计算KDJ值;
# 2)用KDJ判断超买超卖线,超买则卖出,超卖则买入。

import numpy as np
import talib

# 阅读1,首次阅读可跳过:
# PARAMS用于设定程序参数,回测的起始时间、结束时间、滑点误差、初始资金和持仓。
# 可以仿照格式修改,基本都能运行。如果想了解详情请参考新手学堂的API文档。
PARAMS = {
    "start_time": "2017-02-01 00:00:00",  # 回测起始时间
    "end_time": "2017-08-01 00:00:00",  # 回测结束时间
    "slippage": 0.003,  # 此处"slippage"包含佣金(千二)+交易滑点(千一)
    "account_initial": {"huobi_cny_cash": 100000,
                      "huobi_cny_btc": 0},  # 设置账户初始状态
}

# 阅读2,遇到不明白的变量可以跳过,需要的时候回来查阅:
# initialize函数是两大核心函数之一(另一个是handle_data),用于初始化策略变量。
# 策略变量包含:必填变量,以及非必填(用户自己方便使用)的变量
def initialize(context):
    # 设置回测频率, 可选:"1m", "5m", "15m", "30m", "60m", "4h", "1d", "1w"
    context.frequency = "30m"
    # 设置回测基准, 比特币:"huobi_cny_btc", 莱特币:"huobi_cny_ltc", 以太坊:"huobi_cny_eth"
    context.benchmark = "huobi_cny_btc"
    # 设置回测标的, 比特币:"huobi_cny_btc", 莱特币:"huobi_cny_ltc", 以太坊:"huobi_cny_eth"
    context.security = "huobi_cny_btc"

    # 设置策略的参数
    # 快线回看周期为9
    context.user_data.fastk_period = 9
    # 慢线回看周期为3
    context.user_data.slowk_period = 3
    context.user_data.slowd_period = 3
    # 使用简单平均
    context.user_data.slowk_matype = 0
    # 每个frequency读取历史数据的bar数
    context.user_data.longest_history = 100
    # 超买信号线
    context.user_data.over_buy_signal = 80
    # 超卖信号线
    context.user_data.over_sell_signal = 20

    # 至此initialize函数定义完毕。

# 阅读3,策略核心逻辑:
# handle_data函数定义了策略的执行逻辑,按照frequency生成的bar依次读取并执行策略逻辑,直至程序结束。
# handle_data和bar的详细说明,请参考新手学堂的解释文档。
def handle_data(context):
    # 获取历史数据, 取后longest_history根bar
    hist = context.data.get_price(context.security, count=context.user_data.longest_history, frequency=context.frequency)
    if len(hist.index) < context.user_data.longest_history:
        context.log.warn("bar的数量不足, 等待下一根bar...")
        return
    # 最高价
    high_prices = np.array(hist["high"])
    # 最低价
    low_prices = np.array(hist["low"])
    # 收盘价
    close_prices = np.array(hist["close"])

    # matype: 0=SMA, 1=EMA, 2=WMA, 3=DEMA, 4=TEMA, 5=TRIMA, 6=KAMA, 7=MAMA, 8=T3 (Default=SMA)
    # 用talib计算K,D两条线
    K, D = talib.STOCH(high_prices, low_prices, close_prices, fastk_period=context.user_data.fastk_period,
    slowk_matype=context.user_data.slowk_matype, slowk_period=context.user_data.slowk_period, slowd_period=context.user_data.slowd_period)
    current_k_value = K[-1]
    current_d_value = D[-1]
    previous_k_value = K[-2]
    previous_d_value = D[-2]

    long_signal_triggered = False
    short_signal_triggered = False

    context.log.info("当前 K = %s, D = %s; 前一周期 K = %s, D = %s" % (current_k_value, current_d_value, previous_k_value, previous_d_value))

    # 生成买入/卖出信号
    # 当D < 超卖线, K线和D线同时上升,且K线从下向上穿过D线时,买入
    if current_d_value < context.user_data.over_sell_signal and current_d_value > previous_d_value and
        current_k_value > previous_k_value and previous_k_value < previous_d_value and current_k_value > current_d_value:
        long_signal_triggered = True
    # 当D > 超买线, K线和D线同时下降,且K线从上向下穿过D线时,卖出
    elif current_d_value > context.user_data.over_buy_signal and current_d_value < previous_d_value and
        current_k_value < previous_k_value and previous_k_value > previous_d_value and current_k_value < current_d_value:
        short_signal_triggered = True

    # 有卖出信号,卖出全部仓位
    if short_signal_triggered:
        if context.account.huobi_cny_btc >= HUOBI_CNY_BTC_MIN_ORDER_QUANTITY:
            context.log.info("产生卖出信号")
            # 若持有仓位,则全仓卖出
            if context.account.huobi_cny_btc >= HUOBI_CNY_BTC_MIN_ORDER_QUANTITY:
                context.log.info("正在卖出 %s" % context.security)
                context.log.info("卖出数量为 %s" % context.account.huobi_cny_btc)
                context.order.sell(context.security, quantity=str(context.account.huobi_cny_btc))
            else:
                context.log.info("仓位不足,无法卖出")
    # 有买入信号,全仓买入
    elif long_signal_triggered:
        context.log.info("产生买入信号")
        if context.account.huobi_cny_cash >= HUOBI_CNY_BTC_MIN_ORDER_CASH_AMOUNT:
            context.log.info("正在买入 %s" % context.security)
            context.log.info("下单金额为 %s 元" % context.account.huobi_cny_cash)
            context.order.buy(context.security, cash_amount=str(context.account.huobi_cny_cash))
        else:
            context.log.info("现金不足,无法下单")
    else:
        context.log.info("无交易信号,进入下一根bar")

15m

WeQuant交易策略—KDJ-LMLPHP

30m

WeQuant交易策略—KDJ-LMLPHP

60m

WeQuant交易策略—KDJ-LMLPHP

4h

WeQuant交易策略—KDJ-LMLPHP

1d

WeQuant交易策略—KDJ-LMLPHP

05-11 09:37