量化策略10—择时新思路：波动率与换手率中的牛熊密码（下）

本文是量化策略解析系列的第10篇，本系列的内容为各种量化策略的思路和实现代码，系列连载见：量化策略解析系列—连载

在上一篇文章《择时新思路：波动率与换手率中的牛熊密码（上）》中，我们介绍了用波动率和换手率构建牛熊指标进行择时的思路。本文将用一个具体的例子说明如何用Python实现牛熊指标择时。

本文以沪深300指数为例，用沪深300指数的波动率和换手率计算牛熊指标，然后对沪深300指数进行择时交易。
一、获取基础数据

1. 导入需要的库

#导入需要使用的库

import akshare as ak
import pandas as pd
import numpy as np
import pandas_ta as ta

#在matplotlib绘图中显示中文和负号

import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams[‘font.family’] = ‘STKAITI’ # 中文字体’STKAITI’
plt.rcParams[‘axes.unicode_minus’] = False # 解决坐标轴负数的负号显示问题

#关闭警告信息

import warnings
warnings.filterwarnings(‘ignore’)

2. 从AKShare数据源获取沪深300指数的数据
   关于AKShare的使用，可以参看后附的文章《如何用AKShare获取金融数据》。AKShare的接口有时会有变动，如果获取数据出错请参考AKShare的官网解决。

#获取指数数据

index_code = ‘000300’
start_date = pd.to_datetime(‘2010-01-01’)
end_date = pd.to_datetime(‘2023-12-31’)
price_df = ak.index_zh_a_hist(symbol=index_code, period=”daily”, start_date=start_date, end_date=end_date)
price_df[‘日期’] = pd.to_datetime(price_df[‘日期’])
price_df = price_df.sort_values(‘日期’).set_index(‘日期’)
上述代码用AKShare的index_zh_a_hist接口获取沪深300指数2010年至2023年的行情数据。数据格式如下：

我们将会用到收盘价和换手率这两列数据。

3. 计算每日的收益率

#计算每日的涨跌幅（即日收益率）

price_df[‘涨跌幅’] = price_df[‘收盘’].pct_change().fillna(0)

#将日收益率向上位移1位，用于计算策略收益，避免涉及未来数据

price_df[‘returns’] = price_df[‘涨跌幅’].shift(-1)
二、用波动率和换手率构建牛熊指标
牛熊指标 = 波动率 / 换手率
其中：
波动率：为某个时间段内股票指数日收益率的标准差
换手率：为同一时间段内股票指数日换手率的移动平均值

1. 计算波动率

#计算滚动窗口的波动率

days = 244
price_df[f’波动率_{days}’] = price_df[‘涨跌幅’].rolling(days, min_periods=int(days/2)).std()
在《择时新思路：波动率与换手率中的牛熊密码（上）》中提到，较长周期的牛熊指标更能反映长期趋势。因此我们以一年（约244个交易日）为周期来计算牛熊指标。上述代码计算滚动244个交易日的波动率。

2. 计算换手率

#计算移动平均的换手率

price_df[f’换手率_{days}’] = price_df[‘换手率’].rolling(days, min_periods=int(days/2)).mean()
上述代码计算换手率的移动平均值。移动平均的窗口跟波动率一致，都是244个交易日。

3. 计算牛熊指标

#计算牛熊指标

price_df[‘牛熊指标’] = price_df[f’波动率{days}’] / price_df[f’换手率{days}’]

4. 可视化指数跟牛熊指标的关系

#可视化指数与牛熊指标的关系

fig, ax1 = plt.subplots(figsize = (10,6))

#指数收盘价曲线

ax1.plot(price_df[‘收盘’], label=’收盘价’, color=’r’)
plt.legend(loc=’upper left’)

#牛熊指标曲线

ax2 = ax1.twinx()
ax2.plot(price_df[‘牛熊指标’], label=’牛熊指标’, color=’b’)
ax2.legend(loc = ‘best’)
ax1.set_title(f’指数{index_code}收盘价与牛熊指标’)
plt.show()
结果如下：

从上图可以看出牛熊指标的走势和指数呈现较为明显的负相关。

5. 计算牛熊指标和指数收盘价的相关系数

#计算指数与牛熊指标的相关系数

corr = price_df[‘收盘’].corr(price_df[‘牛熊指标’])
print(f’指数{index_code}与牛熊指标的相关系数为：’,corr)
牛熊指标与指数的相关系数为：-0.75，负相关较为显著。
三、用牛熊指标构建择时策略
根据上述分析我们知道牛熊指标与股票指数的走势呈现负相关性。当牛熊指标上升时，市场通常处于下跌状态；而当牛熊指标下降时，市场往往处于上涨状态。我们可以利用牛熊指标的这个特性进行择时：当牛熊指标下降时开仓，当牛熊指标上升时空仓。
在《择时新思路：波动率与换手率中的牛熊密码（上）》一文中介绍了用牛熊指标择时的方法有：斜率择时法、单均线择时法、双均线择时法、通道突破择时法等。本文以双均线择时法为例，具体方法如下：

1. 计算牛熊指标的长短两条均线

#计算牛熊指标的双均线

days_s = 20 # 短均线天数
days_l = 60 # 长均线天数
price_df[f’牛熊指标_ma{days_s}’] = ta.sma(price_df[‘牛熊指标’], length=days_s)
price_df[f’牛熊指标_ma{days_l}’] = ta.sma(price_df[‘牛熊指标’], length=days_l)
上述代码用Pandas TA库计算牛熊指标的20日和60日的简单移动平均线。Pandas TA库的使用可以参见后附文章《量化宝藏工具箱：技术指标库 Pandas TA 教程》

2. 根据牛熊指标的长短均线计算择时信号
   当牛熊指标的短均线位于长均线之下时，说明指标为下降趋势，由于指数与牛熊指标负相关，因此指数处于上涨的趋势，此时开仓；反之则清仓。

3根据牛熊指标的长短均线计算择时信号

timing_df = pd.DataFrame()
timing_df[‘牛熊指标择时’] = ~(price_df[f’牛熊指标_ma{days_s}’]>price_df[f’牛熊指标_ma{days_l}’]) * 1.
上述代码中，开仓信号为1，清仓信号为0。

3. 作为比较，用双均线直接对指数择时
   为了比较牛熊指标的择时效果，我们还用双均线直接对指数择时：当指数的短均线位于长均线之上时开仓，反之清仓。

#计算指数的双均线

price_df[f’指数_ma{days_s}’] = ta.sma(price_df[‘收盘’], length=days_s)
price_df[f’指数_ma{days_l}’] = ta.sma(price_df[‘收盘’], length=days_l)

#计算择时信号：当指数的短均线在长均线之上时开仓，反之清仓

timing_df[‘指数均线择时’] = (price_df[f’指数_ma{days_s}’]>price_df[f’指数_ma{days_l}’]) * 1.
timing_df[‘不择时’] = 1.

4. 计算策略的择时收益

#计算择时和不择时的每日收益率

timing_ret = timing_df.mul(price_df[‘returns’], axis=0)

#计算累计收益率

cumul_ret = (1 + timing_ret.fillna(0)).cumprod() – 1.
上述代码先将日收益和择时信号相乘，如果择时信号为1，则保留该日收益；如果择时信号为0，则该日收益为0。然后计算累计收益。关于各种收益的计算，可以参看后附的文章《一文讲清7种收益率的python实现》。

5. 可视化择时效果

#可视化择时效果

cumul_ret.plot(figsize = (10,6))
结果如下：

从上图可以看出，用双均线对牛熊指数进行择时的结果不仅比不择时好，也比直接用双均线对指数进行择时的效果要好。
四、策略调优的思路
用牛熊指标进行择时的策略，可以从这么几个方面进行调优：

1. 调整牛熊指标的计算参数。
   本例采用了244个工作日的周期来计算牛熊指标，我们可以调整和优化这个参数。
2. 使用不同的均线和均线参数。
   本例使用了牛熊指标20日和60日的简单移动平均线。我们还可以使用其他的均线以及均线参数。除了双均线择时方法，还可以尝试单均线择时方法。具体方法可以常见后附的文章《均线解密：如何有效利用移动平均线》和《均线择时策略全攻略》。
3. 使用通道突破择时
   除了使用均线择时，我们还可以使用通道突破择时：计算牛熊指标的通道值，当牛熊指标突破通道上轨时表明指标处于上涨趋势，此时指数就处于相反的下跌趋势，应该清仓；反之，当牛熊指标跌破通道下轨时，表明指数处于上涨趋势，应该开仓。具体方法可以参见后附文章《通道突破择时交易策略详解》。