一个典型的双均线策略

定义

　　双均线策略，通过建立m天移动平均线，n天移动平均线，则这两条均线必有交点。若m>n，n天平均线“上穿越”m天均线则为买入点，反之为卖点。该策略基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，进行交易。

　　对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些移动平均值连起来，成为一条线，就叫做N日移动平均线。一般由5日均线（MA5），10日均线（MA10）

　　比如前5个交易日的收盘价分别为10,9,9,10,11元，那么，5日的移动平均股价为9.8元。同理，如果下一个交易日的收盘价为12，那么在下一次计算移动平均值的时候，需要计算9,9,10,11,12元的平均值，也就是10.2元。将这平均值连起来，就是均线。

　　如下图，收盘价是蓝线，橙色的线表示5日的移动平均线。

 　　可以看到股票价格的波动比5天均线的波动要大，这是因为5天均线取的是前5个交易日的均值，相当于做了一个平滑

双均线

　　股名思义，就是两条天数不同的移动平均线，比如，一天是5日的移动平均线，另一条是10日的移动平均线。如图，蓝色是5天均线，黄色为10日均线

 金叉和死叉

　　由时间短的均线（如上图蓝色的线）在下方向上穿越时间长一点的均线（如上图黄色的线），为金叉，反之为死叉

双均线策略

　　构建一个简单的策略：认为双均线金叉的时候，表示股票很强势，反之很弱势，那么我们就在强势的时候买入，弱势的时候卖出即可

使用聚宽平台进行代码的编写与回测

# 导入函数库
from jqdata import *

# 初始化函数，设定基准等等
def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 输出内容到日志 log.info()
    log.info('初始函数开始运行且全局只运行一次')
    # 过滤掉order系列API产生的比error级别低的log
    # log.set_level('order', 'error')

    ### 股票相关设定 ###
    # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')

    ## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的）
      # 开盘前运行
    run_daily(before_market_open, time='before_open', reference_security='000300.XSHG')
      # 开盘时运行
    run_daily(market_open, time='open', reference_security='000300.XSHG')
      # 收盘后运行
    run_daily(after_market_close, time='after_close', reference_security='000300.XSHG')

## 开盘前运行函数
def before_market_open(context):
    # 输出运行时间
    log.info('函数运行时间(before_market_open)：'+str(context.current_dt.time()))

    # 给微信发送消息（添加模拟交易，并绑定微信生效）
    # send_message('美好的一天~')

    # 要操作的股票：万科A股（g.为全局变量）
    g.security = '000002.XSHE'

## 开盘时运行函数
def market_open(context):
    log.info('函数运行时间(market_open):'+str(context.current_dt.time()))
    security = g.security
    #设置均线窗口长度
    n1 = 5
    n2 = 10
    # 获取股票的收盘价
    close_date = attribute_history(security,n2+2,'1d',['close'],df = False)
    #获取过去ma_n1天的平均价格
    ma_n1=close_date['close'][-n1:].mean()
    #获取过去ma_n2 天的平均价格
    ma_n2=close_date['close'][-n2:].mean()
    #取得当前现金
    cash = context.portfolio.available_cash
    #如果当前有余额，并且n1日均线大于n2日均线
    if ma_n1 > ma_n2:
        #用掉所有cash买入股票
        order_value(security,cash)
        #记录此次买入
        log.info("Buying %s" %(security))
    #如果n1 日均线小于n2 日均线，并且目前有头寸
    elif ma_n1 < ma_n2 and context.portfolio.positions[security].closeable_amount > 0:
        #全部卖出
        order_target(security,0)
        #记录此次卖出
        log.info("Selling %s" %(security))
    #绘制n1日均线价格
    record(ma_n1 = ma_n1)
     #绘制n2日均线价格
    record(ma_n2 = ma_n2)
## 收盘后运行函数
def after_market_close(context):
    log.info(str('函数运行时间(after_market_close):'+str(context.current_dt.time())))
    #得到当天所有成交记录
    trades = get_trades()
    for _trade in trades.values():
        log.info('成交记录：'+str(_trade))
    log.info('一天结束')
    log.info('##############################################################')

 可以看出该策略从2016/4/25到2018/4/27收益率27.19，策略年化利率13.14%，最大回撤25.64%