原创文章第582篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。
昨天咱们使用backtrader，重写了创业板动量趋势择时：年化19.2%：backtrader+quantstats实现创业板动量择时(代码+数据)
今天咱们换一个通道指标：布林带——backtrader内置的指数，不需要自己实现，使用默认参数20，2。
# 参数定义
params = (
('period', 20),
('devfactor', 2)
)
def __init__(self):
self.bbands = bt.indicators.BollingerBands(period=self.params.period, devfactor=self.params.devfactor)
self.order = None
下面是策略逻辑——收盘价突破上轨时买入，突破下轨时平仓：
def next(self):
if self.order:
return
if self.data.close[0] > self.bbands.lines.top[0]:
if self.position.size == 0:
commission_info = self.broker.getcommissioninfo(self.data)
cash = self.broker.get_cash() - commission_info.getsize(1, self.data.close[0])
size = cash // self.data.close[0]
self.buy(size=size)
# print(f'BUY: {size} shares')
elif self.data.close[0] < self.bbands.lines.bot[0]:
if self.position.size > 0:
size = self.position.size
self.close(size=size)
# print(f'SELL: {size} shares')
使用empyrical来计算风险、收益指标：
import empyrical as em
max_drawdown = em.max_drawdown(returns)
print('夏普比：%.2f'%em.sharpe_ratio(returns))
print('最大回撤：%.2f'%max_drawdown)
print('年化收益：%.2f'%em.annual_return(returns))
代码所在位置：
代码下载：
empyrical的年化收益计算逻辑：
num_years = len(returns) / ann_factor
# Pass array to ensure index -1 looks up successfully.
ending_value = cum_returns_final(returns, starting_value=1)
return ending_value ** (1 / num_years) - 1
而quantstats——区别在于这个years，它计算的是日期区间，比如20100101-20101231，那就是365天——这里应该取len(returns)，它的years偏大，计算出来的年化收益率偏小。
years = (returns.index[-1] - returns.index[0]).days / periods
res = abs(total + 1.0) ** (1.0 / years) - 1
投资，含投机，获利的本质逻辑，是建立概率优势。
结果还是不确定的，但重复博弈结果是有正收益的，这就是一个好的交易系统。
然后咱们再来聊，基本面价值投资（成长型投资），技术分析，量化投资，套利，高频交易等。
普通人做所谓价值投资我是不太看好的。
价值发现的时间，可能是数年甚至更久。这期间会发生什么事情，普通人是没有渠道获知的。
普通人根本判断不了什么是好公司，好的商业模式。
——替代方案是大类资产配置，选择低相关性的长期向上指数，动态再平衡即可。
然后就是偏短线的量化，价量为主，辅以其他一些数据——量化投机。
以控制回撤为前提，获取市场alpha。
从这个意义上看，期货就是一个挺好的选择。
吾日三省吾身
“没有实力做支撑的愤怒毫无意义”。
“你生气，说明你没有赢它的把握”。
不必愤怒，而是持续，抓紧一切机会提升自己，然后潇洒离开那些烂人烂事。
历史文章：
年化19.2%：backtrader+quantstats实现创业板动量择时(代码+数据)
网页链接{年化达21%(K=1)，最大回撤35%，K=3时，卡玛比最优，最大回撤20%（年化15.2%）| Quantlab5.0代码发布}