均线模型量化股票交易

1、仰军15 金融专硕均线模型量化股票交易摘要：移动平均线（MA）是股市中最常用的一种分析技术，用于在大行情的波动段找到有效的交易信号。移动平均线简单、有效，对股市操作具有较好的指导作用。均线模型能有效地 打败了大部分的主观策略，成为炒股，炒期货的必备基本工具。本文选用阿里巴巴 2014 年 9 月至今的股票数据，对其每日收盘价进行了 5 日、20 日和 60 日移动平均。先用每日收盘价和 20 日平均分析一条均线的交易策略，通过找出交易信号 并模拟交易，发现一条均线交易策略会有些许的亏损，但通过图表分析，此策略能够较好的 预测股价走势，相对主观投资更为合理；然后用 5 日平均和 20 日平均做两

2、条均线的交易策 略，这是对一条均线模型的优化，模拟交易后发现此交易能够盈利。关键词：股票 移动平均 均线交易策略 模拟交易 II1. 均线模型的简单介绍移动平均线本文采用统计学中”移动平均”的原理，计算一股票每日收盘价的简单移动平均，将一 段时期内的股票价格平均值连成曲线，来显示股价的历史波动情况，进而反映股价指数未来 发展趋势。均线的特性（1）平滑性。通过均线的平滑移动来修复股价的不规则偶然变动。（2）灵敏性、稳定性。均线参数取值不同，其特性也不同。参数越小，灵敏性越强， 稳定性越差；参数越大，稳定性越强，灵敏性越差。（3）助涨性、助跌性。上升趋势线有助涨的特性，下降趋势线有助跌的特性。均线

3、模型在日K线图中除了标准的价格K线以外，另外还有4条线，分别是白线、黄线、紫线、绿线依次分别表示：5日、10日、20日和60日移动平均线，通过这 4条线与价格K线的交 叉，就可以形成不同的均线模型StocH BZXBA利用均线平滑的特点，可以发现均线与价格K线会有叉，各均线之间也有交叉，我们可以通过这些交叉点判断交易信号：黄金交叉，当10日均线由下往上穿越30日均线，10日均线在上，30日均线在下，其交叉点就是黄金交叉，黄金交叉是多头的表现，出现黄金交叉 后，后市会有一定的涨幅空间，这是进场的最佳时机；死亡交叉，当30日均线与10日平均线交叉时，30日均线由下住上穿越10日平均线，形成30日平

4、均线在上，10日均线在下时，其交点称之为”死亡交叉”，”死亡交叉”预示空头市场 来临，股市将下跌此时是出场的最佳时机。2. 用R语言实现模型建立从互联网下载股票数据利用quantmod包的getSymbols()函数，默认会通过 Yahoo的金融开放 API下载数据， 我们选择阿里巴巴的股票数据，从2014-09-19至今的1年多的日间交易数据。数据类型为xts格式的时间序列，数据包括 7个列，以日期做索引列，其他 6列分别为 开盘价(Open), 最高价(High), 最低价(Low),收盘价(Close), 交易量(Volume),调整价(Adjusted)。自定义均线图自定义均线指标：以

5、日期时间序列为索引，收盘价做为价格指标，不考虑成交量及其他维度字段。取2014-09-19至今，形成趋势的数据，画出价格曲线，5日均线，20日均线， 60日均线。20Stock BABA1008 £ao -2014-10 2014-12 2015-02 2015-0斗 201 5-06 2015-08 2015-1060 Scrtosma5ma 20 maGOK线图和多条通过自己封装的移动平均函数和可视化函数，就实现了与交易软件中类似的日 均线结合的可视化输出。一条均线的交易策略模型设计思路：1. 以股价和20日均线的交叉，进行交易信号的判断。2. 当股价上穿20日均线则买入（红色）

6、，下穿20日均线卖出（蓝色）。 首先画出股价和20日均线图1以散点覆盖20日均线，红色点为买入持有，蓝色点为卖出空仓。Stock BABAStock_BABASono adown厂mnOup用股价和20日均线价格做比较，把股价大于均线的部分用蓝色表示，股价小于均线的部分 用红色表示。我们看到图中，蓝色点和红色点在20日均线上交替出现，我们可以在每次红色出现的第一个点买入股票，然后在蓝色的第一个点卖出股票。找出交易信号点，并以100000本金做模拟交易。为简化操作假定在信号点满仓买入或卖出，手续费为0。运算结果显示，亏损的有11笔而盈利的只有3笔，一年下来一共亏损了 17038元。似乎 一条均线

7、模型是失败的，因为它不仅没能盈利反而带来的亏损。下面就从股价和模拟现金投 入来进行简单的分析亏损原因。1V XH%n a120 -1QO -60 -fsc 1 Jvariablea> 77v"呂clQ9ecash心1ooooo -90000 -iI2014-102014-122D1S-O22015 Q42O1 5-062015-082015-10Stock BABA该图示，上半红色部分为日收盘价，下半蓝色部分为模拟交易的现金流，对比可见，阿 里股价在14年年底开始走低，而根据一条均线模型进行的投资策略比较合理的预测了股市的 走势并进行了股票的买入卖出，在一定程度上是减少了亏损。

8、两条均线的交易策略一条均线模型，在大的趋势下是可以进行稳定投资的，但由于一条均线对于波动非常敏 感性，如果小波动过于频繁，不仅会增加交易次数，而且会让模型失效。然后，就有二条均 线的策略模型，可以减低对波动的敏感性。二条均线策略模型，与一条均线模型思路类似，以5日均线价格替换股价，是通过5日均线和20日均线交叉来进行信号交易的。画出股价、5日均线和20日均线图： 307StocK BABAiTTi ESS以散点覆盖20日均线，红色点为买入持有，蓝色点为卖出空仓Stock 曰 AB A1 O 20 1 4 1i S 20 1 & 02 20 1 H亠口埠2 0 1 & O<

9、320 ISO以同样的条件进行两条均线交易策略的模拟交易。根据运算结果，虽然依旧亏损了11笔 盈利3笔，但最终带来了总盈利7408元 两种策略的简单分析 策略一在模拟交易中一共进行了 30次交易，最终亏损10000元左右，而策略二只进行了 20次交易，最终带来盈利 7000左右。很明显两条均线的交易策略能更好的追踪股价趋势, 带给投资者回报。看起来均线模型是如此的简单，但实盘交易时真能在趋势行情中跑赢双均线（优化）模型,也真不是一件容易的事情。参考文献:1常宁，徐国祥 . 金融高频数据分析的现状与问题研究. 财经研究，2004，( 3)： 31-392武振，郑丕谔基于遗传神经网络的股价波动预测

10、天津大学学报，2004 ， 6(4)3103马超群，张明良 .ACD 族计量模型的分类与比较分析 . 金融经济，2005，( 8) 86-874蒋学雷，陈敏，王国明等 . 股票市场的流动性度量的动态 ACD 模型 . 统计研究，2004，4)：42-445王 晶 , 王玉玲 , 向东进 , 阮曙芬 . 自回归条件持续期 (ACD) 模型研究 统计与决策20066)2007b.6Economist. 2007a. Ahead of the TapeDodgy Tickers7-Algorithmic . June 23, 2007.-Stock Excha nges. Econo mist. M

11、arch 10, 2007.M. Kearns and L. Ortiz. The PennLehman automatedtrading project.IEEE Intelligent Systems, 2003. To appear.8 Domowitz, I., and H. Yegerman. 2005.The Costof AlgorithmicTrading:A First Look at Comparative Performance. ”Edited byBrian R. Bruce,Algorithmic Trading: Precision,Control, Execut

12、ion. Institutional Investor.附表一： R 语言代码#加载必须的函数包 library(plyr) library(quantmod)library(TTR)library(ggplot2) library(scales)library ( reshape2 )#设置存储位置 setwd("E:/Statistical modeling/")#下载数据download<-function(stock,from="2013-01-01") df<- getSymbols(stock,from=from,env=envi

13、ronment(),=FALSE) #下 载 数 据names(df)<-c("Open","High","Low","Close","Volume","Adjusted") (df,file=paste(stock,".csv",sep=""),sep=",",quote=FALSE) # 保存到本地 #本地读数据read<-function(stock)(file=paste(stock,"

14、.csv",sep=""),header = TRUE,sep=",", format="%Y-%m-%d")stock<-"BABA"download(stock,from='2013-01-01') BABA<-read(stock)#定义移动平均函数ma<-function(cdata,mas=c(5,20,60)ldata<-cdata for(m inmas) ldata<-merge(ldata,SMA(cdata,m) ldata<(lda

15、ta, fromLast=TRUE)names(ldata)<-c('Value',paste('ma',mas,sep='')return(ldata)#定义均线图函数g<-drawLine<- function(ldata,titie="Stock_MA",sDate=min(index(ldata),eDate=max(index(ldata),out =FALSE) g<-ggplot(aes(x=Index, y=Value),data=fortify(ldata,1,melt=TRUE) g

16、+geom_line() g<-g+geom_line(aes(colour=Series),data=fortify(ldata,-1,melt=TRUE)g<-g+scale_x_date(labels=date_format("%Y-%m"),breaks=date_breaks("2months"),limitsc(sDate,eDate) g<-g+xlab("") +ylab("Price")+ggtitle(title)if(out)ggsave(g,file=paste(titie

17、,".png",sep="") else g#选取数据并运行cdata<-BABA'2014/2015'$Close title<-"Stock_BABA" # 图片标题 sDate<("2014-9-19")#开始日期 eDate<("2015-10-23") #结束日期ldata<-ma(cdata,c(5,20,60) # 选择滑动平均指标p0<-drawLine(ldata,title,sDate,eDate) # 画图ggsave(p

18、0,file=paste(title,".png",sep="")#存图#画出股价和 20 日均线图ldata1<-ma(cdata,c(20) # 选择滑动平均指标p11<-drawLine(ldata1,title,sDate,eDate) #画图#以散点覆盖 20 日均线，红色点为买入持有，蓝色点为卖出空仓# 定义均线图 +散点函数drawPoint<-function(ldata,pdata,titie,sDate,eDate)ggplot(aes(x=Index, y=Value),data=fortify(ldata,1,m

19、elt=TRUE) g<-g+geom_line() g<-g+geom_line(aes(colour=Series),data=fortify(ldata,- 1,melt=TRUE) g+geom_point(aes(x=Index,y=pdata,3,colour=compare),data=pg<-g<-data)g<-g+scale_x_date(labels=date_format("%Y-%m"),breaks=date_breaks("2 months"),limits c(sDate,eDate) g&l

20、t;-g+xlab("") + ylab("Price")+ggtitle(title) g#定义获取散点数据函数getPoint<-function(ldata) data<-fortify(ldata) n<-nrow(data)data<(data,compare=vector(length=n)v1<-data,2 v2<-data,3 dist<-(v2-v1)data$comparewhich(dist<0)<-c("down")data$comparewhich(di

21、st>=0)<-c("up")pdata<-data#运行并获取数据pdata<-getPoint(ldata1)p1<-drawPoint(ldata1,pdata,title,sDate,eDate)#定义找出交易信号点函数Signal<-function(cdata,pdata) n<-nrow(pdata) pdata1<(pdata,Sigs=vector(length=n),comp=vector(length=n),p=vector(length=n) pdata1$compwhich(pdata1$compar

22、e="up")<-1 pdata1$compwhich(pdata1$compare="down")<-0 for(i in 2:(n-1) pdata1$pi<-(pdata1$compi-pdata1$compi-1) pdata1$p1<-pdata1$p2pdata1$Sigswhich(pdata1$p<0)+1<-c("B")pdata1$Sigswhich(pdata1$p>0)+1<-c("S") temp<-pdata1-c(1,which(p

23、data1$p=0)+1), x<-c(4,6,7) Signals<-temp,-x#运行并获取数据tdata<-Signal(cdata,pdata)#模拟交易0， #利用交易信号数据，进行模拟交易。设定交易参数，以$10W为本金，满仓买入或卖出，手续为传入交易信号。#参数：交易信号 ,本金,持仓比例 ,手续费比例#规定数据格式以及小数点位数options(scipen=4)options(digits=4)#定义模拟交易函数trade<-function(tdata,capital) n=nrow(tdata) cash<-vector(length=n)a

24、mount<-vector(length=n)asset<-vector(length=n) diff<-vector(length=n)t<(tdata,cash,amount,asset,diff)if(t1,4="S")t1,5<-capitalelset1,5<-(capital%t1,2)if(t1,4="S")t1,6<-0 elset1,6<-floor(capital/t1,2)t1,7<-capitalt1,8<-0for(i in2:n) if(t$Sigsi="B

25、") t$amounti<-floor(t$cashi- 1/t,2i)+amounti-1 t$cashi<-t$cashi-1%t,2i t$asseti<-t$amounti*t,2i+t$cashi t$diffi<- t$asseti-t$asseti-1 else t$amounti<-0t$cashi<-t$amounti-1*t,2i+t$cashi-1 t$asseti<-t$cashit$diffi<-t$asseti-t$asseti-1t#定义数据，运行capital=100000result1<-trad

26、e(tdata,capital) rise<- length(which(result1$diff>0) fall<-length(which(result1$diff<0)#画出资金曲线#定义画出股价 +现金流量对比函数 drawCash<-function(result,ldata) n<-which(result1$Sigs='S') m<-c(1,5) xx<-resultn,mcolnames(xx)<-c("Time","cash") xx<- melt(xx,id=

27、"Time")yy<-fortify(ldata)k<-c(1,2) yy<-yy,kcolnames(yy)<-c("Time","close") yy<- melt(yy,id="Time") zz<-rbind(yy,xx) g<-ggplot(aes(Time,value),data=zz)g<-g+geom_line(aes(group=1,colour=variabl e)g<-g+facet_grid(variable.,scales="

28、free_y") g<-g+scale_x_date(labels=date_format("%Y-%m"),breaks=date_breaks("2 month"),limits=c(sDate,eDate) g<-g+xlab("")+ylab("Price")+ggtitle(title)g#运行p2<-drawCash(result1,ldata1)ggsave(p2,file=paste("close+cash",".png",sep=

29、"")#存图#一条均线模型，在大的趋势下是可以稳定赚钱的，但由于一条均线对于波动非常敏感性，#5日均线#如果小波动过于频繁，不仅会增加交易次数，而且会让模型失效。然后，就有二条均线的 #策略模型，可以减低对波动的敏感性。二条均线策略模型，与一条均线模型思路类似，以 价格替换股价，是通过 5日均线和20日均线交叉来进行信号交易的。#首先画出股价，5日均线和20日均线图。#选择5日和20日滑动平均指标ldata2<-ma(cdata,c(5,20)#画图p33<-drawLi ne(ldata2,title,sDate,eDate)#这步是为了将数据框与之前的函数格

30、式对应ldata2<-ldata2,c(2,3)#获取散点图pdata2<-getPoi nt(ldata2)#画出散点图p3<-drawPoi nt(ldata2,pdata2,title,sDate,eDate)#找出交易信号tdata2<-Sig nal(cdata,pdata2)#模拟交易result2<-trade(tdata2,capital)rise2<-len gth(which(result2$diff>0)fall2<-len gth(which(result2$diff<0)#画出股价现金图p4<-drawCas

31、h(result2,ldata2)附表二：阿里股票数据IndexOpe nHighLowCloseVolumeAdjusted20141902014/9/222014/9/232014/9/242014/9/252014/9/262014/9/292014/9/30892014/10/12014/10/22014/10/32014/10/692684002014/10/72014/10/8882014/10/9882014/10/102014/10/132014/10/142014/10/152014/10/162014/10/172014/10/208898914002014/10/2120

32、14/10/222014/10/232014/10/24982014/10/27972014/10/282014/10/291002014/10/302014/10/312014/11/32014/11/42014/11/52014/11/62014/11/72014/11/102014/11/112014/11/122014/11/131202014/11/142014/11/172014/11/182014/11/192014/11/202014/11/212014/11/241122014/11/252014/11/262014/11/2880778002014/12/12014/12/

33、21102014/12/32014/12/42014/12/52014/12/82014/12/92014/12/102014/12/112014/12/122014/12/152014/12/162014/12/172014/12/182014/12/192014/12/222014/12/232014/12/2458704002014/12/2665291002014/12/2980686002014/12/302014/12/312015/1/22015/1/51011012015/1/62015/1/72015/1/82015/1/92015/1/1279972002015/1/132

34、015/1/142015/1/152015/1/162015/1/202015/1/212015/1/221041042015/1/2398738002015/1/262015/1/272015/1/282015/1/292015/1/30922015/2/22015/2/32015/2/490902015/2/587872015/2/62015/2/986862015/2/102015/2/1186862015/2/122015/2/132015/2/172015/2/1874223002015/2/1976041002015/2/2078217002015/2/2393679002015/

35、2/242015/2/252015/2/2687633002015/2/278583772002015/3/28584842015/3/32015/3/42015/3/52015/3/6862015/3/92015/3/102015/3/11832015/3/122015/3/132015/3/1684842015/3/172015/3/182015/3/19852015/3/202015/3/232015/3/242015/3/252015/3/262015/3/2797038002015/3/302015/3/312015/4/12015/4/2832015/4/62015/4/794430002015/4/82015/4/92015/4/102015/4/132015/4/1485852015/4/152015/4/162015/4/172015/4/202015/4/212015/4/222015/4/232015/4/242015/4/272015/4/282015/4/292015/4/302015/5/12015/5/42015/5/52015/5/680802015/5/786862015/5/82015/5/112015/5/122015/5/13872015/5/142015/5/152015/5/182015/5