WeQuant交易策略—MACD

MACD（指数平滑异同平均线）策略

简介
MACD指标应该是大家最常见的技术指标，在很多股票、比特币的软件中都是默认显示的。MACD是从双指数移动平均线发展而来的。意义和双移动平均线基本相同，即由快、慢均线的离散、聚合表征当前的多空状态和股价可能的发展变化趋势，但阅读起来更方便。

计算方法
MACD的中文名叫做指数平滑异同平均线，听起来很绕口，算起来也不简单。MACD需要先计算两条线：快速（一般选12日）指数移动平均值线EMA1与慢速（一般选26日）指数移动平均值线EMA2。然后用快线减去慢线，得到二者的离差值DIFF。再计算DIFF的指数移动平均线（一般选择9日），得到DEA。用每日的DIFF减去DEA，再乘以2，就得到了MACD的柱状图。

公式总结如下（以日为单位举例）：
（1）计算快（12日）、慢（26日）两条EMA线：
     EMA（12）= 前一日EMA（12）X 11/13 + 今日收盘价 X 2/13
     EMA（26） = 前一日EMA（26）X 25/27 + 今日收盘价 X 2/27
（2）计算离差值DIFF
     DIFF = EMA（12）- EMA（26）
（3）计算DIFF的EMA（9日）值DEA：
     DEA = 前一日DEA X 8/10 + 今日DIF X 2/10
（4）计算MACD：
     MACD = （DIFF - DEA）* 2
大功告成！有些同学是不是已经绕晕了，这都是啥玩意，算起来好复杂。还好python的talib库帮我们实现了MACD的计算，所以我们只要关心MACD怎么用就好了（注意：talib采用的公式为 MACD = DIFF – DEA，没有乘以2）。

使用方法
MACD的值本身反映了股市多空力量的走势。MACD上升，说明多方力量在增强，MACD下降，说明空方力量在增强，平衡点在0轴。当MACD穿越0轴时（由正转负或由负转正），很有可能是价格反转的信号。
最基本，也是最常用的使用方法，是黄金交叉和死亡交叉方法。
（1） 黄金交叉：当DIFF由下向上穿破DEA时, 形成黄金交叉, MACD由负转正，产生买入信号。
（2） 死亡交叉：当DIFF由上向下穿破DEA时, 形成死亡交叉, MACD由正转负，产生卖出信号。


优点
MACD主要适于研判中长期走势.易判断上涨或下跌行情的开始与结束。利用MACD指标,可以判断出目前市况是多头市场还是空头市场,避免逆向操作。在确定趋势后,则可采用相应的买卖策略, 减少无谓频繁进出。

缺点
当价格在短时间内上下波动较大时,由于MACD反应迟缓,不能迅速产生买卖信号,所以不适于短线操作。从上面的图中我们也可以看出，发出卖出信号的时候，已经发生了3个比较大的下跌，损失了很大的收益，滞后性较为明显。

在价格处于盘局中波幅较小 时,MACD发出的买卖信号不明显。在价格波动没有明显的上升或下降趋势，而是保持水平方向的整理，此时DIFF线与DEA线的交叉将会十分频繁，同时MACD柱状线的收放也将频频出现，颜色也会常常由绿转红或者由红转绿，此时MACD指标处于失真状态，使用价值相应降低。如下图中，MACD柱频繁的穿越0轴，不停产生买入卖出信号。而在这种频繁变动的行情，由于MACD本身慢半拍的特性，很难获取收益。


传统MACD的参数，更适用于股票市场，而比特币市场相对来说更加不成熟，又没有涨跌停的限制，所以很容易发生迅速的暴涨暴跌。传统的MACD参数回看时间较长，难以及时对市场的变化做出反应。

我们可以尝试着，将DEA的回看时间窗口，由9天调整为5天，回测结果回测结果明显好于之前的，收益更高，回撤更小。所以，在使用MACD时，我们最好不要照搬参数，应当适当做出调整。

总结
MACD指标是很常见的技术指标，是基于均线原理构造出来的一种趋向类指标。 由于MACD指标通常比较滞后，所以更适用于在中长线的投资中使用。在数字货币市场中使用MACD时，应当对参数适当做出调整（通常是减小参数），不能照搬股票市场。当然，MACD指标还有许多更加复杂的使用方法，有兴趣的同学可以深入学习。

代码

# !/usr/bin/env python
# -*- coding: utf-8 -*-

# 策略代码总共分为三大部分，1)PARAMS变量 2)initialize函数 3)handle_data函数
# 请根据指示阅读。或者直接点击运行回测按钮，进行测试，查看策略效果。

# 策略名称：MACD指标策略
# 策略详细介绍：https://wequant.io/study/strategy.macd.html
# 关键词：指数平滑移动均线、多空头预测。
# 方法：
# 1)利用talib库计算MACD值
# 2)MACD柱>0时买入，MACD柱<0时卖出

import numpy as np
import talib

# 阅读1，首次阅读可跳过:
# PARAMS用于设定程序参数，回测的起始时间、结束时间、滑点误差、初始资金和持仓。
# 可以仿照格式修改，基本都能运行。如果想了解详情请参考新手学堂的API文档。
PARAMS = {
    "start_time": "2017-02-01 00:00:00",
    "end_time": "2017-08-01 00:00:00",
    "slippage": 0.003,  # 此处“slippage"包含佣金（千二）+交易滑点（千一）
    "account_initial": {"huobi_cny_cash": 100000,
                      "huobi_cny_btc": 0},
}


# 阅读2，遇到不明白的变量可以跳过，需要的时候回来查阅:
# initialize函数是两大核心函数之一（另一个是handle_data），用于初始化策略变量。
# 策略变量包含：必填变量，以及非必填（用户自己方便使用）的变量
def initialize(context):
    # 设置回测频率, 可选："1m", "5m", "15m", "30m", "60m", "4h", "1d", "1w"
    context.frequency = "15m"
    # 设置回测基准, 比特币："huobi_cny_btc", 莱特币："huobi_cny_ltc", 以太坊："huobi_cny_eth"
    context.benchmark = "huobi_cny_btc"
    # 设置回测标的, 比特币："huobi_cny_btc", 莱特币："huobi_cny_ltc", 以太坊："huobi_cny_eth"
    context.security = "huobi_cny_btc"

    # 设置使用talib计算MACD的参数
    # 周期快速移动平均
    context.user_data.fast_period = 12
    # 周期慢速移动平均
    context.user_data.slow_period = 26
    # 周期移动平均
    context.user_data.macd_window = 9
    # 历史数据要足够长，才能够拿到收敛的MACD
    context.user_data.longest_history = 100


# 阅读3，策略核心逻辑：
# handle_data函数定义了策略的执行逻辑，按照frequency生成的bar依次读取并执行策略逻辑，直至程序结束。
# handle_data和bar的详细说明，请参考新手学堂的解释文档。
def handle_data(context):
    # 获取历史数据, 取后longest_history根bar
    hist = context.data.get_price(context.security, count=context.user_data.longest_history, frequency=context.frequency)
    if len(hist.index) < context.user_data.longest_history:
        context.log.warn("bar的数量不足, 等待下一根bar...")
        return

    # 历史收盘价
    prices = np.array(hist["close"])
    # 初始化买入卖出信号
    long_signal_triggered = False
    short_signal_triggered = False

    try:
        # talib计算MACD，返回三个数组，分别为DIF, DEA和MACD的值
        macd_tmp = talib.MACD(prices, fastperiod=context.user_data.fast_period, slowperiod=context.user_data.slow_period, signalperiod=context.user_data.macd_window)
        # 获取MACD值
        macd_hist = macd_tmp[2]
        # 获取最新一个MACD的值
        macd = macd_hist[-1]
        context.log.info("当前MACD为: %s" % macd)
    except:
        context.log.error("计算MACD出错...")
        return

    # macd大于0时，产生买入信号
    if macd > 0:
        long_signal_triggered = True
    # macd小于0时，产生卖出信号
    elif macd < 0:
        short_signal_triggered = True

    # 有卖出信号，且持有仓位，则市价单全仓卖出
    if short_signal_triggered:
        context.log.info("MACD小于0，产生卖出信号")
        if context.account.huobi_cny_btc >= HUOBI_CNY_BTC_MIN_ORDER_QUANTITY:
            # 卖出信号，且不是空仓，则市价单全仓清空
            context.log.info("正在卖出 %s" % context.security)
            context.log.info("卖出数量为 %s" % context.account.huobi_cny_btc)
            context.order.sell_limit(context.security, quantity=str(context.account.huobi_cny_btc), price=str(prices[-1]*0.98))
        else:
            context.log.info("仓位不足，无法卖出")
    # 有买入信号，且持有现金，则市价单全仓买入
    elif long_signal_triggered:
        context.log.info("MACD大于0，产生买入信号")
        if context.account.huobi_cny_cash >= HUOBI_CNY_BTC_MIN_ORDER_CASH_AMOUNT:
            # 买入信号，且持有现金，则市价单全仓买入
            context.log.info("正在买入 %s" % context.security)
            context.log.info("下单金额为 %s 元" % context.account.huobi_cny_cash)
            context.order.buy_limit(context.security, quantity=str(context.account.huobi_cny_cash/prices[-1]*0.98), price=str(prices[-1]*1.02))
        else:
            context.log.info("现金不足，无法下单")
    else:
        context.log.info("无交易信号，进入下一根bar")

回测 2017-02-01 —— 2017-08-01

15m

30m

60m

4h

1d

1w