学习python量化不要迷信指标MACDRSI都赚不到钱

“弱水三千，只取一瓢饮。”我不贪图能吃到从行情的起涨点到最高点的全部收益，只要尝到其中的一小段就足够了。这是策略设想的最初本意。

一、最初思路

当行情位于上升趋势时，MACD的红柱会一根比一根长，而在下跌趋势时，绿柱则会一根比一根长。MACD 的红绿柱展示了多空力量强弱情况，所以，我们选择在MACD出现红柱时进场，出现绿柱时离场。

二、写出代码

今天我们选择用akshare来获取数据，用backtrader来回测。

1、导入模块

import backtrader as bt
import akshare as ak
import pandas as pd

2、获取行情数据、转换为Backtrader 数据格式

# 获取股票数据
df = ak.stock_zh_a_hist('600863', start_date='20200101', end_date='20240601')

# 确保 '日期' 列被转换为 'datetime' 列，并且是 pandas 的 Timestamp 类型
df['datetime'] = pd.to_datetime(df['日期'])

# 需要将 akshare 返回的列名映射为 backtrader 能够识别的列名
data_columns = {
    '开盘': 'open',
    '收盘': 'close',
    '最高': 'high',
    '最低': 'low',
    '成交量': 'volume'
}

# 映射列名
for ak_name, bt_name in data_columns.items():
    df[bt_name] = df[ak_name]

# 转换为 Backtrader 数据格式
data = bt.feeds.PandasData(
    dataname=df,
    datetime='datetime',  # 确保 datetime 列名正确
    open='开盘',          # 列名映射
    high='最高',
    low='最低',
    close='收盘',
    volume='成交量'
)

3、编写策略：

class MACDStrategy(bt.Strategy):
    # 定义策略参数
    params = (
        ('fast_period', 12),
        ('slow_period', 26),
        ('signal_period', 9),
    )

    def __init__(self):
        # 初始化MACD指标
        self.macd = bt.indicators.MACD(self.data.close,
                                       period_me1=self.params.fast_period,
                                       period_me2=self.params.slow_period,
                                       period_signal=self.params.signal_period)
        # 获取MACD直方图
        self.macd_hist = self.macd.macd - self.macd.signal

    def next(self):
        # 获取当前和前一个周期的MACD直方图值
        current_hist = self.macd_hist[0]
        previous_hist = self.macd_hist[-1]

        # MACD柱子由绿变红时买入
        if current_hist > previous_hist and previous_hist <= 0 and current_hist > 0:
            if self.position.size == 0:
                self.buy()

        # MACD柱子缩短且由正变负时卖出
        elif current_hist < previous_hist and previous_hist > 0 and current_hist <= 0:
            if self.position:
                self.close()

4、将数据及策略导入backtrader中进行回策

# 创建Cerebro引擎
cerebro = bt.Cerebro()

# 将数据添加到Cerebro引擎
cerebro.adddata(data)

# 添加策略
cerebro.addstrategy(MACDStrategy)

# 设置初始资金
initial_capital= 100000

# 设置交易费用和滑点
cerebro.broker.setcash(initial_capital)
cerebro.broker.setcommission(commission=0.001)

# 运行回测
cerebro.run()

# 打印结果
print(f"Final Portfolio Value: {cerebro.broker.getvalue()}")
print(f"Total Return: {(cerebro.broker.getvalue() - initial_capital) / initial_capital * 100:.2f}%")
cerebro.plot()

三、运行程序，查看回测结果

结果怎么样？辛辛苦苦四年半，最后还没赚到1元钱。难道是等出现绿柱时抛，有点儿卖完了，那等红柱一开如缩短就开始逃跑吧。修改一下卖出条件：

        elif current_hist < previous_hist:
            if self.position:
                self.close()

但是结果反而亏了几毛：

四、优化策略：MACD+RSI

macd的红绿柱虽能表示多空力量，但单独使用它来进行交易还是有局限性的。下面来改进优化策略，加上RSI强弱指标，在超卖区买入，超买区卖出。完整代码如下：

# MACD红柱买入策略：MACD柱子绿翻红，全仓买入，当MACD红柱翻绿，全仓卖出。
# 本策略仅用于学习，不支持实盘

import backtrader as bt
import akshare as ak
import pandas as pd

# 获取股票数据
df = ak.stock_zh_a_hist('600863', start_date='20200101', end_date='20230101')

# 确保 '日期' 列被转换为 'datetime' 列，并且是 pandas 的 Timestamp 类型
df['datetime'] = pd.to_datetime(df['日期'])

# 需要将 akshare 返回的列名映射为 backtrader 能够识别的列名
data_columns = {
    '开盘': 'open',
    '收盘': 'close',
    '最高': 'high',
    '最低': 'low',
    '成交量': 'volume'
}

# 映射列名
for ak_name, bt_name in data_columns.items():
    df[bt_name] = df[ak_name]

# 转换为 Backtrader 数据格式
data = bt.feeds.PandasData(
    dataname=df,
    datetime='datetime',  
    open='开盘',         
    high='最高',
    low='最低',
    close='收盘',
    volume='成交量'
)

# 定义MACD策略
class MACDStrategy(bt.Strategy):
    # 定义策略参数
    params = (
        ('fast_period', 12),
        ('slow_period', 26),
        ('signal_period', 9),
        ('rsi_period', 14),
        ('rsi_upper', 70),
        ('rsi_lower', 30),
    )

    def __init__(self):
        # 初始化MACD指标
        self.macd = bt.indicators.MACD(self.data.close,
                                       period_me1=self.params.fast_period,
                                       period_me2=self.params.slow_period,
                                       period_signal=self.params.signal_period)
        # 获取MACD直方图
        self.macd_hist = self.macd.macd - self.macd.signal
        self.rsi = bt.indicators.RSI(self.data.close, period=self.params.rsi_period)

    def next(self):
        # 获取当前和前一个周期的MACD直方图值
        current_hist = self.macd_hist[0]
        previous_hist = self.macd_hist[-1]
        current_rsi = self.rsi[0]

        # MACD柱子由绿变红时买入
        if current_hist > previous_hist and previous_hist <= 0 and current_hist > 0 and current_rsi < self.params.rsi_lower:
            if self.position.size == 0:
                self.buy()

        # MACD柱子缩短且由正变负时卖出
        elif current_hist < previous_hist and previous_hist > 0 and current_hist <= 0 and current_rsi > self.params.rsi_upper:
            if self.position:
                self.close()

# 创建Cerebro引擎
cerebro = bt.Cerebro()

# 将数据添加到Cerebro引擎
cerebro.adddata(data)

# 添加策略
cerebro.addstrategy(MACDStrategy)

# 设置初始资金
initial_capital= 100000

# 设置交易费用和滑点
cerebro.broker.setcash(initial_capital)
cerebro.broker.setcommission(commission=0.001)

# 运行回测
cerebro.run()

# 打印结果
print(f"Final Portfolio Value: {cerebro.broker.getvalue()}")
print(f"Total Return: {(cerebro.broker.getvalue() - initial_capital) / initial_capital * 100:.2f}%")
cerebro.plot()