发布于vn.py社区公众号【vnpy-community】
原文作者：Bili | 发布时间：2021-07-29
系列前言
经过这两年2.0大版本下的持续迭代，vn.py在易用性方面有了不少提升，现阶段对于许多社区新人来说，可能最难的已经不再是如何安装使用vn.py，而是如何用vn.py开发出优秀的量化策略。
开发策略这件事情确实需要一定的灵感，但更多还是应该参考爱迪生的名言：
天才是1%的灵感加上99%的汗水。
在当今2021年的中文互联网上，其实已经可以找到非常丰富的量化策略研究资料：
- 券商和期货公司研究所发布的金融工程研报；
- 知名高校和业内公司发表的量化投资论文；
- 微信公众号等自媒体上分享的策略研究文章；
- 各家量化平台线上公开的经典策略源代码。
初学者最快的学习方式，无疑是站在这些巨人的肩膀上，付出99%的汗水掌握前人的已有知识和经验，然后再加上1%的灵感来开发出属于自己的量化策略。
所以在许多社区用户的建议下，我们决定推出这个新的【Veighna量化策略实验室】文章系列，帮助大家尽可能体系化的学习量化策略开发：
- 找到好的量化研究资料；
- 在vn.py中复现策略代码；
- 和原资料对比检验正确性；
- 加入更多灵感来改进提升。
那么，接下来就是本系列的第一篇正式内容，策略资料来源于vn.py社区用户分享的券商金工研报，作者是财通证券研究所的陶勤英博士。
基本信息
策略原理
RV计算公式
高频已实现波动率（Realized Volatility）是一种根据高频数据（这里指的是日内分钟线级别的数据，而非Tick级别数据）计算的日内波动率指标，该指标的计算公式为：
RSJ计算公式
由 Bollerslev 等作者（相关论文请参考研报PDF中的内容）研究的【好】与【坏】的波动率，是在RV的基础上将其分解为单独的上涨（好）和下跌（坏）两种情形下的波动率度量。将波动率分解为【好】波动和【坏】波动后，可以基于其相对的差值，去度量日内价格波动的不对称性（RSJ），该指标的计算公式为：
RSJ指标应用
根据原论文中的内容，日内高频数据计算得出的【好】波动率，描述了价格上涨时候的特征（反之【坏】波动率则是描述了价格下跌时候的特征）。
该指标用于横截面的选股策略上时，对未来收益率可以起到反转的预测效果。如果应用到时序类的CTA策略，则对应的逻辑大概为：
- RSJ数值越大，则说明未来越倾向于下跌；
- RSJ数值越小，则说明未来越倾向于上涨。
策略核心逻辑
考虑到RSJ指标衡量的是当天日内整体价格波动所反应出来的信息，且每天股票市场的成交量大多集中在开盘和收盘附近的时间，因此我们选择在临近收盘的时间点，计算过去一段时间的RSJ指标，并对隔夜以及第二天日内的价格走势变化进行预测。
具体策略逻辑：
- 使用5分钟级别的K线来计算RSJ指标；
- 在每日的14:55计算前一段时间（可调参数）的RSJ指标；
- 若RSJ指标大于0则发出空头信号，反之则发出多头信号；
- 基于指标发出的交易信号，在收盘前完成交易（比如14:56）；
- 持仓到第二天的14:55分，然后重复2-4步骤调整仓位。
该策略的特点：
- 策略始终在市场中（持有仓位），要么做多，要么做空；
- 每天最多执行一次交易（如果信号方向变化）。
代码实现
计算RSJ指标
由于talib工具库中没有提供RSJ指标的计算功能，因此我们需要自行实现其计算代码，好在整个公式并不复杂。为了保持代码的简洁清爽，我们选择基于vn.py中内置的时间序列缓存容器ArrayManager，来进行扩展实现RSJ的计算。
首先创建子类NewArrayManager继承父类ArrayManager，用于按时间序列缓存bar数据，提供技术指标的计算。注意在构造函数init中，需要传入一个size参数（缓存数据的长度），将其默认值设为100（表示缓存的K线数量为100根)，同时也增加了一个用于缓存收益率序列的return_array数组：
class NewArrayManager(ArrayManager):
def __init__(self, size=100):
""""""
super().__init__(size)
self.return_array: np.ndarray = np.zeros(size)
接下来构造update_bar函数用于更新K线到容器中，除了缓存K线本身的OHLCV数据外，也同时将收益率数据计算好缓存在return_array数组中，方便后续计算RSJ指标：
def update_bar(self, bar: BarData) -> None:
"""更新K线"""
# 先调用父类的方法，更新K线
super().update_bar(bar)
# 计算涨跌变化
if not self.close_array[-2]: # 如果尚未初始化上一根收盘价
last_return = 0
else:
last_return = self.close_array[-1] / self.close_array[-2] - 1
# 缓存涨跌变化
self.return_array[:-1] = self.return_array[1:]
self.return_array[-1] = last_return
之后即可实现RSJ的计算函数，使用上一步已经缓存了的return_array，结合NumPy的向量化计算功能来保证计算速度：
def rsj(self, n: int) -> float:
"""计算RSJ指标"""
# 切片出要计算用的收益率数据
return_data = self.return_array[-n:]
# 计算RV
rv = np.sum(pow(return_data, 2))
# 计算RV +/-
positive_data = np.array([r for r in return_data if r > 0])
negative_data = np.array([r for r in return_data if r <= 0])
rv_positive = np.sum(pow(positive_data, 2))
rv_negative = np.sum(pow(negative_data, 2))
# 计算RSJ
rsj = (rv_positive - rv_negative) / rv
return rsj
交易信号执行
由于选择了5分钟K线来计算RSJ指标，因此我们需要先使用BarGenerator将1分钟K线合成为5分钟K线，在RsjStrategy类的构造函数下创建NewArrayManager对象am和BarGenerator对象bg，其中bg对象传入了额外的5分钟合成回调函数（self.on_5min_bar）：
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
""""""
super().__init__(cta_engine, strategy_name, vt_symbol, setting)
self.bg = BarGenerator(self.on_bar, 5, self.on_5min_bar)
self.am = NewArrayManager()
收到1分钟K线的推送后，将其推送到bg中合成5分钟K线：
def on_bar(self, bar: BarData):
"""
K线更新
"""
self.bg.update_bar(bar)
每当有5分钟K线合成后，on_5min_bar函数会被自动调用，在其中驱动策略的核心交易逻辑：
def on_5min_bar(self, bar: BarData):
"""5分钟K线更新"""
# 全撤委托
self.cancel_all()
# 缓存K线
am = self.am
am.update_bar(bar)
if not am.inited:
return
# 计算技术指标
self.rsj_value = self.am.rsj(self.rsj_window)
# 判断交易信号
if bar.datetime.time() == time(14, 50):
if self.rsj_value > 0:
if self.pos > 0:
self.sell(bar.close_price - 10, 1)
self.short(bar.close_price - 10, 1)
elif self.rsj_value < 0:
if self.pos < 0:
self.cover(bar.close_price + 10, 1)
self.buy(bar.close_price + 10, 1)
一些注意点：
- vn.py中的K线采用合成时间段的开始时间戳，因此14:55分合成出的K线其时间戳（datetime）应该为14:50；
- 当发出做多信号时，策略应该持有1手的多头仓位，此时如果有昨日空头仓位，应该先买入平仓（cover），再买入开仓（buy）；
- 当发出做多信号时，策略应该持有1手的空头仓位，此时如果有昨日多头仓位，应该先卖出平仓（sell），再卖出开仓（short）。
回测结果
回测数据上，本文中选择使用米筐RQData提供的IH888平滑主力合约数据，在后续的篇幅中我们会尝试更多的品种，在CtaBacktester中的回测配置如下：
- 本地代码：IH888.CFFEX
- K线周期：1分钟
- 开始日期：2017-7-30
- 结束日期：2020-7-22
- 手续费率：0.00003
- 交易滑点：0.4
- 合约乘数：300
- 价格跳动：0.2
- 回测资金：100W
作为原始版本策略的源码复现，初步回测结果还不错：
资金曲线的形状和财通研报中的结果基本一致（下图中的蓝线），可以认为比较正确的复现了策略逻辑：
策略回测的关键统计结果：
- 总交易日：715
- 盈利交易日：370
- 总收益率：83.73%
- 年化收益：28.11%
- 百分比最大回撤：-25.03%
完整代码
最后，秉承vn.py社区的一贯精神：
Talk is cheap, show me your pnl (or code) !
自然必须附上策略的源代码：
from datetime import time
import numpy as np
from vnpy.app.cta_strategy import (
CtaTemplate,
BarGenerator,
ArrayManager,
OrderData,
TradeData,
StopOrder)
from vnpy.trader.object import (
BarData,
TickData
)
class RsjStrategy(CtaTemplate):
""""""
author = "Bili"
# 定义参数
rsj_window = 12
# 定义变量
rsj_value = 0.0
parameters = [
"rsj_window"
]
variables = [
"rsj_value"
]
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
""""""
super().__init__(cta_engine, strategy_name, vt_symbol, setting)
self.bg = BarGenerator(self.on_bar, 5, self.on_5min_bar)
self.am = NewArrayManager()
def on_init(self):
"""
策略初始化
"""
self.write_log("策略初始化")
self.load_bar(10)
def on_start(self):
"""
启动策略
"""
self.write_log("策略启动")
self.put_event()
def on_stop(self):
"""
策略停止
"""
self.write_log("策略停止")
self.put_event()
def on_tick(self, tick: TickData):
"""
TICK更新
"""
self.bg.update_tick(tick)
def on_bar(self, bar: BarData):
"""
K线更新
"""
self.bg.update_bar(bar)
def on_5min_bar(self, bar: BarData):
"""5分钟K线更新"""
# 全撤委托
self.cancel_all()
# 缓存K线
am = self.am
am.update_bar(bar)
if not am.inited:
return
# 计算技术指标
self.rsj_value = self.am.rsj(self.rsj_window)
# 判断交易信号
if bar.datetime.time() == time(14, 50):
if self.rsj_value > 0:
if self.pos > 0:
self.sell(bar.close_price - 10, 1)
self.short(bar.close_price - 10, 1)
elif self.rsj_value < 0:
if self.pos < 0:
self.cover(bar.close_price + 10, 1)
self.buy(bar.close_price + 10, 1)
# 更新图形界面
self.put_event()
def on_order(self, order: OrderData):
"""
Callback of new order data update.
"""
pass
def on_trade(self, trade: TradeData):
"""
Callback of new trade data update.
"""
self.put_event()
def on_stop_order(self, stop_order: StopOrder):
"""
Callback of stop order update.
"""
pass
class NewArrayManager(ArrayManager):
def __init__(self, size=100):
""""""
super().__init__(size)
self.return_array: np.ndarray = np.zeros(size)
def update_bar(self, bar: BarData) -> None:
"""更新K线"""
# 先调用父类的方法，更新K线
super().update_bar(bar)
# 计算涨跌变化
if not self.close_array[-2]: # 如果尚未初始化上一根收盘价
last_return = 0
else:
last_return = self.close_array[-1] / self.close_array[-2] - 1
# 缓存涨跌变化
self.return_array[:-1] = self.return_array[1:]
self.return_array[-1] = last_return
def rsj(self, n: int) -> float:
"""计算RSJ指标"""
# 切片出要计算用的收益率数据
return_data = self.return_array[-n:]
# 计算RV
rv = np.sum(pow(return_data, 2))
# 计算RV +/-
positive_data = np.array([r for r in return_data if r > 0])
negative_data = np.array([r for r in return_data if r <= 0])
rv_positive = np.sum(pow(positive_data, 2))
rv_negative = np.sum(pow(negative_data, 2))
# 计算RSJ
rsj = (rv_positive - rv_negative) / rv
return rsj
