本文参考了广发证券2015年7月16日《均线交叉策略的另类研究》

移动平均线是重要的技术分析指标，一般而说，当短期均线穿过长期均线时为“金叉信号”，此时可以买入股票，当长期均线穿过短期均线时为“死叉信号”，此时应该卖出股票。然而技术分析并非总是有效，本研究发现根据金叉死叉进行买卖并不一定获得正收益。

下面我们来研究新的均线策略：

首先了解凸组合的概念：设向量空间有一组有限数据x1,x2...xn,则定义x为这些数据点的一个凸组合如果x满足

x=α1x1 α2x2 ... αnxnx=α1x1 α2x2 ... αnxn

<br>x=α1x1 α2x2 ... αnxn<br>

其中实数αi(i=1,2......，n)αi(i=1,2......，n)

αi(i=1,2......，n)

满足α1 α2 ... αn=1α1 α2 ... αn=1${\alpha }_1{\alpha }_2...{\alpha }_n=1$α1 α2 ... αn=1

提出的改进均线交叉策略，主要是改变传统策略的平仓条件，开仓条件仍由传统的金叉死叉确定，平仓条件则是由开仓价格与当前价格来确定。若当前价格不小于开仓价与当前价的凸组合，则继续持有多单，无需平仓；若当前价格不大于开仓价与当前价的凸组合，则继续持有空单，无需平仓。

根据研究，我们发现新的均线策略无论是收益和回撤的表现均大幅提高。

本文参考了广发证券2015年7月16日《均线交叉策略的另类研究》

移动平均线是重要的技术分析指标，一般而说，当短期均线穿过长期均线时为“金叉信号”，此时可以买入股票，当长期均线穿过短期均线时为“死叉信号”，此时应该卖出股票。然而技术分析并非总是有效，本研究发现根据金叉死叉进行买卖并不一定获得正收益。

下面我们来研究新的均线策略：

首先了解凸组合的概念：设向量空间有一组有限数据x1,x2...xn,则定义x为这些数据点的一个凸组合如果x满足

$ x= \alpha_1x_1+\alpha_2x_2+...+\alpha_nx_n $

其中实数$\alpha_i(i=1,2... ...，n)$满足$\alpha_1+\alpha_2+...+\alpha_n=1$

提出的改进均线交叉策略，主要是改变传统策略的平仓条件，开仓条件仍由传统的金叉死叉确定，平仓条件则是由开仓价格与当前价格来确定。若当前价格不小于开仓价与当前价的凸组合，则继续持有多单，无需平仓；若当前价格不大于开仓价与当前价的凸组合，则继续持有空单，无需平仓。

根据研究，我们发现新的均线策略无论是收益和回撤的表现均大幅提高。

import pandas as pd

hs300=get_price('IF8888.CCFX', start_date='2016-01-01', end_date='2016-10-31', frequency='10m', fields='close', skip_paused=False, fq='pre')

datastore=pd.DataFrame()#ma=20timeline=list([5,10,20,30,60,120,240])ma=20for ma in timeline:tempt11=[]for i in arange(len(hs300)-ma):    tempt11.append(float(hs300[i:(i+ma)].mean()))datastore[str(ma)]=tempt11[((timeline[-1])-ma):]datastore.index=hs300.index[timeline[-1]:]

def gain_se(slow='5',fast='10'):##交易函数##输入：短周期均线，长周期均线##返回：总收益，最大回撤，se_type=[]for i in arange(1,len(datastore)):   if datastore[slow].iloc[i-1]>datastore[fast].iloc[i-1] and datastore[slow].iloc[i]<datastore[fast].iloc[i]:se_type.append(-1)elif datastore[slow].iloc[i-1]<datastore[fast].iloc[i-1] and datastore[slow].iloc[i]>datastore[fast].iloc[i]:se_type.append(1)else: se_type.append(0)rate=(hs300[timeline[-1]:].diff(1)[1:]/hs300[timeline[-1]:])[1:]tempt13=[]tempt12=0for i in arange(len(se_type)):    if se_type[i]==-1:tempt12=-1elif se_type[i]==1:tempt12=1tempt13.append(tempt12)rate22=[tempt13[i]*list(rate['close'])[i] for i in arange(len(tempt13))]##计算累计收益率tempt23=1cumreturn=[]for i in arange(len(rate22)):tempt23=(rate22[i]+1)*tempt23cumreturn.append(tempt23)##计算中收益以及回撤finalreturn=cumreturn[-1]-cumreturn[0]huichestore=[]for i in arange(len(cumreturn)):for j in arange(i,len(cumreturn)):huichestore.append(cumreturn[i]-cumreturn[j])huiche=max(huichestore)##画累计收益图#plt.plot(cumreturn)##返回总收益和回撤return finalreturn,huiche

ratestore=pd.DataFrame()time=[str(timeline[i]) for i in arange(len(timeline))]for i in arange(len(time)):for j in arange(i+1,len(time)):ratestore[time[i]+'+'+time[j]]=gain_se(time[i],time[j])ratestore.index=['总收益','回撤']ratestore

2 rows × 21 columns

上述为不同时间周期组合而来的收益以及回撤，可以发现均线策略并不一定总能获得正收益¶

下面我们来研究新的均线策略：¶

首先了解凸组合的概念：设向量空间有一组有限数据x1,x2...xn,则定义x为这些数据点的一个凸组合如果x满足

$ x= \alpha_1x_1+\alpha_2x_2+...+\alpha_nx_n $

其中实数$\alpha_i(i=1,2... ...，n)$满足$\alpha_1+\alpha_2+...+\alpha_n=1$

提出的改进均线交叉策略，主要是改变传统策略的平仓条件，开仓条件仍由传统的金叉死叉确定，平仓条件则是由开仓价格与当前价格来确定。若当前价格不小于开仓价与当前价的凸组合，则继续持有多单，无需平仓；若当前价格不大于开仓价与当前价的凸组合，则继续持有空单，无需平仓。

def gain_se2(slow='5',fast='10'):##交易函数##输入：短周期均线，长周期均线##返回：总收益，最大回撤，se_type=[]for i in arange(1,len(datastore)):   if datastore[slow].iloc[i-1]>datastore[fast].iloc[i-1] and datastore[slow].iloc[i]<datastore[fast].iloc[i]:se_type.append(-1)elif datastore[slow].iloc[i-1]<datastore[fast].iloc[i-1] and datastore[slow].iloc[i]>datastore[fast].iloc[i]:se_type.append(1)else: se_type.append(0)rate=(hs300[timeline[-1]:].diff(1)[1:]/hs300[timeline[-1]:])[1:]tempt13=[]tempt12=0for i in arange(len(se_type)):if tempt12==0:if se_type[i]==-1:##死叉并且空仓需要判断uu1=i##记录死叉位置tempt12=-1##开空单elif se_type[i]==1:##金叉uu2=i##记录金叉位置tempt12=1##开多单elif tempt12<0:if se_type[i]==-1:##死叉位置更新uu1=iif hs300[timeline[-1]+1:]['close'][uu1]>=hs300[timeline[-1]+1:]['close'][i]:tempt12=-1##假如价格没有超过死叉位置价格继续持仓else:tempt12=0elif tempt12>0:if se_type[i]==1:##金叉位置更新uu1=iif hs300[timeline[-1]+1:]['close'][uu2]<=hs300[timeline[-1]+1:]['close'][i]:tempt12=1##假如价格没有超过金叉位置价格继续持仓else:tempt12=0tempt13.append(tempt12)rate22=[tempt13[i]*list(rate['close'])[i] for i in arange(len(tempt13))]##计算累计收益率tempt23=1cumreturn=[]for i in arange(len(rate22)):tempt23=(rate22[i]+1)*tempt23cumreturn.append(tempt23)##计算中收益以及回撤finalreturn=cumreturn[-1]-cumreturn[0]huichestore=[]for i in arange(len(cumreturn)):for j in arange(i,len(cumreturn)):huichestore.append(cumreturn[i]-cumreturn[j])huiche=max(huichestore)##画累计收益图#plt.plot(cumreturn)##返回总收益和回撤return finalreturn,huiche

ratestore2=pd.DataFrame()time=[str(timeline[i]) for i in arange(len(timeline))]for i in arange(len(time)):for j in arange(i+1,len(time)):ratestore2[time[i]+'+'+time[j]]=gain_se2(time[i],time[j])ratestore2.index=['总收益','回撤']ratestore2

2 rows × 21 columns

import seaborn as sns  import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize=(15,5))y1 = ratestore.iloc[0]*100y2 = ratestore.iloc[1]*100index = np.arange(len(y1))bar_width = 0.3ax1=plt.bar(2+index, y1, width=0.3,color='steelblue',label='总收益率')ax2=plt.bar(2+index+bar_width, y2, width=0.3 , color='goldenrod',label='最大回撤')plt.xticks(2+index+0.35,list(ratestore.columns),rotation=28)plt.xlabel('传统均线策略不同周期均线组合')plt.legend()plt.show()

import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize=(15,5))y1 = ratestore2.iloc[0]*100y2 = ratestore2.iloc[1]*100index = np.arange(len(y1))bar_width = 0.3ax1=plt.bar(2+index, y1, width=0.3,color='steelblue',label='总收益率')ax2=plt.bar(2+index+bar_width, y2, width=0.3 , color='goldenrod',label='最大回撤')plt.xticks(2+index+0.35,list(ratestore2.columns),rotation=28)plt.xlabel('新的均线策略不同周期均线组合')plt.legend()plt.show()