【期货量化策略】期货量化交易策略均值回归（Python量化）-平芜编程栈

一、前言

均值回归策略基于价格会回归均值的假设，在价格偏离均值时进行反向交易。本文将介绍各种均值回归策略的实现方法。

均值回归基本原理
布林带策略
RSI策略
价差回归策略
统计套利

二、为什么选择天勤量化（TqSdk）

功能	说明
技术指标	内置均值回归指标
实时数据	支持实时行情数据
统计分析	支持统计分析
灵活扩展	支持自定义策略

安装方法：

pipinstalltqsdk pandas numpy

三、均值回归基础

3.1 均值回归原理

原理	说明
价格偏离	价格会偏离均值
回归均值	价格会回归均值
波动范围	价格在均值附近波动
反向交易	偏离时反向交易

3.2 适用条件

条件	说明
震荡市场	适合震荡市场
波动稳定	波动率相对稳定
均值稳定	均值相对稳定
流动性好	有足够流动性

四、布林带策略

4.1 布林带均值回归

#!/usr/bin/env python# -*- coding: utf-8 -*-""" 功能：布林带均值回归策略 说明：本代码仅供学习参考 """fromtqsdkimportTqApi,TqAuthfromtqsdk.tafuncimportbollimportpandasaspddefbollinger_mean_reversion(api,symbol):"""布林带均值回归策略"""klines=api.get_kline_serial(symbol,3600,200)api.wait_update()boll_data=boll(klines['close'],20,2)upper=boll_data['upper']lower=boll_data['lower']middle=boll_data['middle']current_price=klines['close'].iloc[-1]# 价格触及下轨，买入ifcurrent_price<=lower.iloc[-1]:return1# 价格触及上轨，卖出elifcurrent_price>=upper.iloc[-1]:return-1# 价格回到中轨，平仓elifabs(current_price-middle.iloc[-1])/middle.iloc[-1]<0.001:return0return0# 使用示例api=TqApi(auth=TqAuth("快期账户","快期密码"))signal=bollinger_mean_reversion(api,"SHFE.rb2510")print(f"交易信号:{signal}")api.close()

4.2 布林带宽度策略

defbollinger_width_strategy(api,symbol,width_threshold=0.1):"""布林带宽度策略"""klines=api.get_kline_serial(symbol,3600,200)api.wait_update()boll_data=boll(klines['close'],20,2)upper=boll_data['upper']lower=boll_data['lower']middle=boll_data['middle']# 计算带宽bandwidth=(upper-lower)/middle current_price=klines['close'].iloc[-1]current_bandwidth=bandwidth.iloc[-1]# 带宽过窄，等待ifcurrent_bandwidth<width_threshold:return0# 价格偏离中轨deviation=(current_price-middle.iloc[-1])/middle.iloc[-1]ifdeviation<-0.02:# 价格低于中轨2%return1elifdeviation>0.02:# 价格高于中轨2%return-1return0

五、RSI策略

5.1 RSI均值回归

fromtqsdk.tafuncimportrsidefrsi_mean_reversion(api,symbol,period=14,overbought=70,oversold=30):"""RSI均值回归策略"""klines=api.get_kline_serial(symbol,3600,200)api.wait_update()rsi_value=rsi(klines['close'],period)current_rsi=rsi_value.iloc[-1]# RSI超卖，买入ifcurrent_rsi<oversold:return1# RSI超买，卖出elifcurrent_rsi>overbought:return-1return0

5.2 RSI背离策略

defrsi_divergence_strategy(api,symbol):"""RSI背离策略"""klines=api.get_kline_serial(symbol,3600,200)api.wait_update()rsi_value=rsi(klines['close'],14)prices=klines['close']# 检测背离# 价格创新高，RSI未创新高（顶背离）ifprices.iloc[-1]>prices.iloc[-20:].max()andrsi_value.iloc[-1]<rsi_value.iloc[-20:].max():return-1# 卖出# 价格创新低，RSI未创新低（底背离）elifprices.iloc[-1]<prices.iloc[-20:].min()andrsi_value.iloc[-1]>rsi_value.iloc[-20:].min():return1# 买入return0

六、价差回归策略

6.1 价差计算

defcalculate_price_deviation(klines,window=20):"""计算价格偏离"""mean_price=klines['close'].rolling(window).mean()std_price=klines['close'].rolling(window).std()current_price=klines['close'].iloc[-1]mean_value=mean_price.iloc[-1]std_value=std_price.iloc[-1]# Z-scorez_score=(current_price-mean_value)/std_valuereturnz_score

6.2 价差回归策略

defprice_deviation_strategy(api,symbol,threshold=2):"""价差回归策略"""klines=api.get_kline_serial(symbol,3600,200)api.wait_update()z_score=calculate_price_deviation(klines)# Z-score过大，卖出ifz_score>threshold:return-1# Z-score过小，买入elifz_score<-threshold:return1return0

七、统计套利

7.1 协整配对

fromstatsmodels.tsa.stattoolsimportcointdefcointegration_pair_trading(api,symbol1,symbol2,klines1,klines2,threshold=2):"""协整配对交易"""# 协整检验price1=klines1['close']price2=klines2['close']score,pvalue,_=coint(price1,price2)ifpvalue>0.05:return0# 不协整# 计算价差spread=price1-price2 spread_mean=spread.rolling(20).mean()spread_std=spread.rolling(20).std()current_spread=spread.iloc[-1]z_score=(current_spread-spread_mean.iloc[-1])/spread_std.iloc[-1]# Z-score过大，做空价差ifz_score>threshold:api.insert_order(symbol1,"SELL","OPEN",1)api.insert_order(symbol2,"BUY","OPEN",1)return1# Z-score过小，做多价差elifz_score<-threshold:api.insert_order(symbol1,"BUY","OPEN",1)api.insert_order(symbol2,"SELL","OPEN",1)return-1return0