量化交易策略——简易波动指标（EMV）

转载：http://blog.sina.com.cn/shearing

简易波动指标简介

    Ease of Movement Value，又称EMV指标，由RichardW.ArmJr.根据等量图和压缩图的原理设计而成。指示投资者在人气聚集且成交热络的时候买进股票，并且在成交量逐渐展现无力，而狂热的投资者尚未察觉能量即将用尽时，卖出股票。实际上EMV也是一个量价合成指标，因为股价的变化和成交量的变化都可以引发该指标数值的变动。EMV的特点总结下来可以归纳出它的应用方法:

    1、当EMV由下往上穿越0轴时，买进。

    2、当EMV由上往下穿越0轴时，卖出。

计算公式：

1.A=（今日最高+今日最低）/2

  B=（前日最高+前日最低）/2

  C=今日最高-今日最低

2.EM=（A-B）*C/今日成交额

3.EMV=N日内EM的累和

回测伪略

a.获取交易日前2（第一个交易日取3）天的最高价，最低价和成交额。

b.建立EM函数和EMV函数，获取EM和EMV的序列。

c.根据EMV判断当个交易日是否进行操作。如果上上个交易日EMV<0,上个交易日EMV>0，则买入，反之卖出。

回测

我选择民生银行进行回测，600016.XSHG。

回测时间段 ：2012年1月1日至2015年11月16日（和股票上市实际时间段的交集）

回测频率 ：按日回测

回测资金：100万

手续费：每笔交易时的手续费是, 买入时万分之八，卖出时千分之1.3, 每笔交易最低扣5块钱。

回测结果：

Total returns：97%

Benchmark returns:60.47%

Max Drawdown：38.21%

5.结果解释：

策略最终收益始终高于benchmark，并且策略后期具有很好的止损效果，在后期及时退出保住收益。最大回撤略大。

收益风险

http://s13/mw690/001mSSqdzy75I3kPc8A0c&690

http://s4/mw690/001mSSqdzy75I3kQS7V83&690

源码：

#此例子采用EMV指标作为买入/卖出信号。

#当EMV信号从上方穿越0时卖出。

#当EMV信号从下方穿越0时买入。

import talib

import numpy as np

import pandas as pd

def initialize(context):

    #定义全局变量，保存EM，EMV序列

    g.EM1=[]

    g.EMV1=[]

    # 定义一个全局变量, 保存要操作的证券

    context.stocks='600016.XSHG' 

    # 设置我们要操作的股票池

    set_universe(context.stocks)

    

    # 初始化此策略

def handle_data(context, data):

    #获取股票

    stock=context.stocks

    #获取EMV序列

    EMV(g.EM1,stock)

    # 取得当前的现金

    cash = context.portfolio.cash

    #获取股票当前价格

    current_price=data[stock].price

    #判断指标，进行买入卖出操作

    #如果昨天EMV<0而前天EMV>0,并且当天开盘,卖出。

    #如果前天EMV>0而昨天EMV<0,并且当天开盘，买入。

    #记录买入卖出操作

    if g.EMV1[len(g.EMV1)-1]>0 and g.EMV1[len(g.EMV1)-2]<0 and data[stock].money>0:

       number_of_share=int(cash/current_price)

       if number_of_share>0:

          order(stock,+number_of_share)

          log.info('Buying %s'%(stock))

    elif g.EMV1[len(g.EMV1)-1]<0 and g.EMV1[len(g.EMV1)-2]>0 and data[stock].money>0 and context.portfolio.positions[stock].amount > 0:

        order_target(stock,0)

        log.info('sellng %s'%(stock))

    

    

    #获取EM指标函数

def EM(high_today,low_today,money,high_yesterday,low_yesterday):

    A=0.5*(high_today+low_today)

    B=0.5*(high_yesterday+low_yesterday)

    C=high_today-low_today

    EM=(A-B)*C/money

    return EM

    #获取EMV序列函数

def EMV(EM1,stock):

    #第一天应该获取前三日的数据才能得到前两日的EMV，进而判断进行何种操作

    #后面每天只需获取前两日可得到前一日的EMV

    #high/low/money后缀today yesterday before_yesterday代表昨天，前天，大前天。

    #em后缀的yesterday和before_yesterday代表昨天，前天

    #判断是否是回测第一天，分别进行操作

    if len(g.EM1)==0:

        #如果是回测第一天

        # 获取股票的价格数据（最高价格，最低价格，成交额）

        h=attribute_history(stock,3,'1d',('high','low','money'))

        high_today=h['high'][-1]

        low_today=h['low'][-1]

        high_yesterday=h['high'][-2]

        low_yesterday=h['low'][-2]

        high_before_yesterday=h['high'][-3]

        low_before_yesterday=h['low'][-3]

        money_today=h['money'][-1]

        money_yesterday=h['money'][-2]

        #通过EM函数获取EM指标，并添加到序列EM1中

        em_yesterday=EM(high_today,low_today,money_today,high_yesterday,low_yesterday)

        em_before_yesterday=EM(high_yesterday,low_yesterday,money_yesterday,high_before_yesterday,low_before_yesterday)

        g.EM1.append(em_before_yesterday)

        g.EM1.append(em_yesterday)

        #EMV序列的前两个数据是回测前两天的EMV指标

        g.EMV1.append(em_before_yesterday)

        emv2=sum(g.EM1[0:2])

        g.EMV1.append(emv2)

    elif len(g.EM1)>0:

        #如果不是回测第一天

        # 获取股票的价格数据（最高价格，最低价格，成交额）

        h=attribute_history(stock,2,'1d',('high','low','money'))

        high_today=h['high'][-1]

        low_today=h['low'][-1]

        high_yesterday=h['high'][-2]

        low_yesterday=h['low'][-2]

        money=h['money'][-1]

        if money>0:

           em=EM(high_today,low_today,money,high_yesterday,low_yesterday)

           g.EM1.append(em)

        emv=sum(EM1[0:len(EM1)])

        g.EMV1.append(emv)