原创文章第80篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。
昨天的入门级的动量策略，但确实有效。长期年化20%到底难不难呢？量化给你看
今天做一个通道策略——布林带。
01 布林带通道突破策略
布林带指标的逻辑简单且直接，布林带有三条线，中线就是20日均线，上轨是中线加上2倍的移动标准差，下轨是中线减去2倍的移动标准差。
这里相当于“4个希格玛”，从概率的角度，已经包含95%+的取值范围。也就是说如果突破了上轨，我们认为动量很强，则入场，反之出场。
指标准备：
class StrategyBolling(StrategyBase):
def __init__(self):
self.inds = {}
for data in self.datas:
self.inds[data] = {}
top = bt.indicators.BollingerBands(data, period=20).top
self.inds[data]['buy'] = data.close - top
bot = bt.indicators.BollingerBands(data, period=20).bot
self.inds[data]['sell'] = data.close - bot
def next(self):
# 判断当前已经持仓
to_buy = []
to_sell = []
holding = []
for data, ind in self.inds.items():
if ind['buy'][0] > 0:
to_buy.append(data)
if ind['sell'][0] < 0:
to_sell.append(data)
if self.getposition(data).size > 0:
holding.append(data)
for sell in to_sell:
if self.getposition(sell).size > 0:
logger.debug('清仓' + sell.p.name)
self.close(sell)
new_hold = list(set(to_buy + holding))
for data in to_sell:
if data in new_hold:
new_hold.remove(data)
K = 1
if len(new_hold) > K:
data_roc = {}
for item in new_hold:
data_roc[item] = self.inds[item][0]
#排序
new_hold = sorted(data_roc.items(), key=lambda x: x[1], reverse=True)
new_hold = new_hold[:K]
new_hold = [item[0] for item in new_hold]
# 等权重分配 todo: 已持仓的应应该不变，对cash对新增的等权分配
if len(new_hold) > 0:
weight = 1 / len(new_hold)
for data in new_hold:
self.order_target_percent(data, weight*0.99)
年化17.48%，最大回撤30%。
创业板指数的十年年化本身就是15%，只是回撤达到了46.7%。
对比一下创业板的动量策略：
动量策略完胜，且动量策略是有明显alpha的。
动量策略是我们改进的重要一环，我们可以把动量和大类资产结合起来。
02 动量+大类资产轮动
长期优秀的ETF和LOF，城投债，医药，黄金，消费，纳指，另外两支lof，兴全商业模式和万家行业优选。
这七支基金按动量0.08入场，低于0出场，选择动量最大的：
年化24.2%，回撤才19.39%。
小结：
布林带通道从回测看是没有明显效果的，但更加简单的动量alpha明显。
但趋势对于单边市场有效，震荡市场会长时间回撤。
大类资产的优点是波动低，缺点是收益偏低。
所以把大类资产与动量有机结合起来。
后续继续改进方向： 大类资产并不需要按动量一刀切，非黑即白，而是配置权重。比如你的风险偏好是股债20：80，那么在股市动量强时，可以变成股债30：70等等。另外股市本身可以通过“行业轮动”来增厚收益。
最近文章：