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。 …
上个月市场行情好，可转债日内T0也是做得风生水起。进入7月以来，T0的胜率明显不高，连续亏损后准备暂时放弃日内T0可转债，转而增加两个高密度网格可转债标的。 用账户的剩余资金做日内T0可转债主要目的还是尽量提高资金利用率，尽量不使资金空转。比起盯着5分钟K线和分时图，做低价债的网格要省心很多。目前的想法是用高密度网格做低价债，准备在130-100之间，用-0.3%买入，+0.6%卖出的网格进行交易。 标的选择上，网格的收益与波动性是明显正相关的，我简单写了个脚本对备选标的进行了统计，最终备选选定的是立讯转债和白电转…
周末的时候继续码代码，把我之前的一个通道策略移植到了重构后的系统中，在用pyinstaller进行打包exe时遇到了一个问题：打包正常，但exe运行报错，错误信息如下： 通过错误提示可以看到，打包后的exe文件在运行时导入talib包的时候发生了引入错误。因为之前只写了网格策略，而网格策略中并未用到Talib这个指标库，所以没遇到类似问题。 看了看网上关于pyinstaller的文章，这类问题经常出现在自己手动安装的第三方模块上，我不清楚我的问题是否于此有关，但我的Talib确实是通过whl手动安装的。 解决该问题…
最近做重构的过程中遇到两个关于进程阻塞的问题，这里备忘一下： PySimpleGUI主循环的阻塞问题： 在while循环中进行 window,event,values = sg.read_all_windows 进行事件监听时，如果read_all_windows不加timeout参数，那么默认会阻塞进程，直到event的发生，也就是说，你在调用read_all_windows后的非event代码，只有在event被触发后才有机会得到执行，所以如果有些复杂点的需求，必须加上timeout参数。 os.system的…
上班摸鱼时写了一个小工具，用于计算股票，ETF等交易成本、交易利润、利润率、印花税等明细。有时候做T的话，哪个点进来，哪个点出来，效果如何，还是需要预先考虑一下，有个计算器会方便很多。 代码不复杂，用Python写的，就不在这里贴出来了，有感兴趣的朋友可以自行下载exe使用即可。有问题的话，可以在这个帖子下面留言反馈。 截图如下，默认的费率设置万1.2是站长本人的设置，计算前改成自己的费率就好了： 传送门： 链接：https://pan.baidu.com/s/1ZoWqJOn5Feo4C4cOIeBQ-w提取码：…
最近在进行整个系统的重构，虚拟环境重新进行了搭建，代码在旧环境中运行良好，但在新环境中却产生了一些问题，可能是包版本的一些问题导致的，这里备忘一下： 1、pywin32导入时报错：ImportError: DLL load failed while importing win32api。网上搜索了一下问题，大部分的解决方案是更换旧版本，我觉得算不上彻底解决。既然dll文件找不到，我们就研究下这个包用的dll文件是啥。在.venv\Lib\site-packages\pywin32_system32 目录下，我们发现…
这篇文章原先是发表在我的订阅号里的，现在给它搬回博客上。 做交易有一句话叫做天量天价，地量地价。这句话被很多交易者挂在嘴边，事实是否果然如此？我们从指数角度对量价关系做一个简单量化，来进行印证。 量化量价关系，涉及一个统计学概念：百分位数（percentile）。百分位数是个体样本在总体样本中所处的位置，举个例子，如果我们以一个班的总体成绩为样本，其90百分位数则意味，全班有90%的人分数在这个分数以下，10%的人分数在这个分数以上，以此类推。投资领域，通常会用百分位数来衡量估值水平，50百分位数即为通常所说的中位…
写了一个小工具，用来对既有的网格策略表进行上下拓展，用于在价格运行破网后，表格继续按价格方向进行延伸。 一般来说，向dataframe尾部添加新行我们可以用df.append方便的实现，但是如果要想dataframe头部插入新行，相对就要复杂一些，我的实现方式是这样： 用df.loc[index]的方式，向dataframe插入数据，这个index是从-1开始的负值，依需要插入的数据条目数量逐步递减，最后得到的datafame表是一个具有负索引值的新表，然后我们单独对index列的所有值均加上新插入数据的行数，这样…
如果用python绘制相关性热图，通常选择seaborn包，内置的heatmap函数可以直接将df.corr()生成的相关性数据帧作为参数导入，只需要设置x轴y轴的标签，热图颜色等即可，不需要对数据源进行更改。 但是如果我们用pyecharts绘制交互式的热图，就不能直接利用df.corr()的结果了，因为pyecharts热图的数据源格式是这样的： 这是一个嵌套列表，列表中的每一个元素也是列表，其前两位对应的是热图的x轴和y轴坐标索引，第三个值是需要进行展示的热图数据。这样的话，就不得不对dataframe生成的…
投资的方法有很多，有短炒赚盘口差价炒情绪的，有买定离手赚业绩估值双击的，不论黑猫白猫，能抓到耗子就是好猫，我看待投资手法倒没有那么内卷，习惯了天天看K线起落，频繁操作，今天我们从分红角度看看不同标的当下的投资价值。 写了一简单脚本，计算历年分红中位数对应当前股价的股息率，分红样本选取了5年时间（2017年至今），一般来讲这个周期可以完成一个牛熊轮回，亦即是说当下这个时点，买定离手后，所选标的的分红每年能带来多少红利收益，如果你买入的位置不是那么高，又有足够的耐心持有5年以上，能够跨越一个完整牛熊周期，那么你大概率能…
