从研究量化交易这个事开始，断断续续写过许多策略，但是从实盘来讲，用的最多的还是网格策略。原因如下：
1、网格交易赚取的是波动收益，符合当下市场行情特征。
2、网格交易在市场下行阶段分批加仓，上行时分批减仓。低位重仓，高位轻仓，正向收益预期强。
3、网格交易不需要市场有大行情，只要有波动性在，就可以积累差价收益。
实盘系统重构后，增加了对每笔单子利润的记录表格。从6月初开始用重构系统实盘交易以来，通过统计累计的网格利润并对比本金总量，以利润锁定的效率上看，如果能长期保持在这个水平，预期长期年化在15%-20%之间。
目前我的持仓主要集中在地产ETF，游戏ETF，医疗ETF上。还有一部分仓位在做可转债网格。在这个基础上，如果要通过网格交易策略提高整体收益，需要对投资标的重新进行选择。我目前的计划是，后续清仓基建ETF，腾出仓位继续网格低价债，因为从目前的统计上看，高密度网格低价债的利润锁定效率比ETF网格要高很多。
想快速积累网格利润，需要选择波动大的交易标的，低价可转债作为有债底保护的投资品种是首选。两市现在一共400多只可转债，我目前用三个因子进行交易标的的筛选。
1、第一个因子是价格，120以下的可转债是首选。
2、第二个因子是日K的极差比率，每一根日K线的低点至高点之间的涨幅，这个指标反映了标的的日内波动程度。
3、第三个因子是变异系数，日K线的变异系数其含义是每日收盘价序列的标准差与均值的比，表征着标的在日线级别上的波动程度，同样，该指标没有量纲，方便标的横向对比。
接下的思路就很简单了，标的选取原则是：在价格足够低的前提下，选取日K极差比率大，变异系数大的交易标的。当然还有很多其他因子要考虑，比如剩余期限，溢价率之类的，这个可以在前述因子筛选后再进行考量。
从东财上，我们可以很方便的找到可转债比价表，简单写一个爬虫脚本，将这个数据保存到本地，命名为cb.csv。接下来用代码进行数据分析，因子二，我们取日K极差比率的中位数作为参考。
# 研究可转债日内波动与变异系数，作为网格策略的辅助决策工具
import os,sys
sys.path.append(os.getcwd())
import pandas as pd
from analyzer._statistics import series_vsmcr
import numpy as np
from core import spider
import time
# 计算日内波动与日K变异系数的函数
def k_range(code,name):
df = spider.get_k_bars(code,240,500,3,{'qfq_day':'None'})
df['range'] = df['high']/df['low'] - 1
mid = np.percentile(df['range'],50)
cv = series_vsmcr(df['close'])['cv']
print (f'{name} 波动率中位数：{mid:.2%} , 变异系数：{cv}')
return mid,cv
df = pd.read_csv(f'{os.path.dirname(os.path.realpath(__file__))}\cb.csv',index_col=0)
# 完善转债代码，增加sh,sz前缀
df['转债代码'] = list(map(lambda x:'sh'+x if x[:2]=='11' else 'sz'+x,df['转债代码'].astype(str)))
# 去除表格中包含 ‘-’ 的行
factors = ['转股价值','纯债价值','转股溢价率','纯债溢价率','转债价格']
for factor in factors:
# 如果某个factor中不包含-，drop会引发异常，如果发生异常，将df直接复制给temp_df
try:
temp_df = df.drop(df[df[factor].str.contains('-')].index)
except:
temp_df = df
# 去掉-后，选取转债价格小于110元的转债
temp_df['转债价格'] = temp_df['转债价格'].astype(float)
target_df = temp_df[temp_df['转债价格']<110]
# 定义储存结果的df对象
df_result = pd.DataFrame(columns=['转债代码','转债名称','波动率中位数','变异系数'])
# 计算日内波动率中位数与日K线变异系数
for index,rows in target_df.iterrows():
mid,cv = k_range(rows['转债代码'],rows['转债名称'])
df_result = df_result.append({'转债代码':rows['转债代码'],'转债名称':rows['转债名称'],'波动率中位数':mid,'变异系数':cv},ignore_index=True)
time.sleep(5)
print (df_result)
df_result.to_csv(f'{os.path.dirname(os.path.realpath(__file__))}\cb_result_110.csv')程序的输出，大致如下图所示：
程序中我们对110元以下的可转债进行了计算，同样我们可以通过修改程序中关于价格过滤的条件来筛选120元以下的可转债。接下来，我们对计算结果进行分析。
我们先看110元以下的可转债（共36只），我们按波动率降序进行排列：
如上图所示，110元以下的可转债，波动率与变异系数最好的标的，是蓝帆转债。看看转债价格，103.367，剩余期限3.83年，剩余规模15.21亿，还挺nice的，正股是医药股，现在处于合理低估区间。第二名长集转债就不看了，这个之前已经在我的标的池里了，正股是做垃圾发电的，绿电概念，盘子不大，存在炒作空间。接下来看看120元以下的可转债的情况，一共134只：
120元以下的标的里，波动率和变异系数最好的是奥佳转债，波动率中位数高达3.2%，变异系数高达0.16。当前转债价格117，剩余年限3.58年，剩余规模4.59亿，正股奥佳华是做小家电的，属于可选消费。第二名闻泰转债，当前转债价格119.67，剩余年限5年，剩余规模85.98亿，正股闻泰科技，半导体龙头，板块整体还处于左侧区间。这两只债从日K线图上看，都处于一个长时间的横盘摸底形态，适合网格。
目前我在做网格的可转债有两只，一个是中金转债，一个是兴业转债，前者是宽幅网格，网格区间2%-4%，后者是高密度网格，网格区间0.2%-0.4%。标的池中还有长集转债，尚未启动交易，后续准备连同蓝帆转债和奥佳转债开启高密度网格，区间也定在0.2%-0.4%（跌0.2%买入，涨0.4%卖出）
从之前的统计情况看，高密度网格的利润锁定效率相当高，不输于ETF，唯一的风险是，如果出现较大跌幅，容易造成仓位过重，这点还需要随时关注行情，调整策略运行节奏。
文章评论