作为策略锦集第五篇，再向大家介绍一个霸道的交易系统—布林强盗交易系统。
import pandas as pd
import numpy as np
# 初始化函数,全局只运行一次
def init(context):
context.security = '159919.OF' #沪深300指数ETF为例
set_benchmark(context.security)
context.steam = False
context.mid50 = 0#储存中轨 每日更新以下5个数据
context.up50 = 0#储存上轨
context.close = 0#储存上个交易日的收盘价
context.closemax = 0#储存过去30个交易日的收盘价最大值
context.day = 50 #自适应均线计算，没持仓一天，减去1
context.maday = 0 #储存自适应均线值
#每日开盘前9:00被调用一次,用于储存自定义参数、全局变量,执行盘前选股等
def before_trading(context):
#开盘前获取中轨，上轨，自适应均线，昨日收盘价，前三十日收盘价，放置账户信息中，以便调用
close = history(context.security, ['close'], 50, '1d', False, 'pre', is_panel=1)['close']
context.maday = np.mean(close[-context.day:])
context.mid50 = np.mean(close) #50日均线，中轨
context.up50 = context.mid50 + np.std(close) #上轨=中规+1*标准差
context.close = close[-1]
context.closemax = max(close[-31:-1])
## 开盘时运行函数
def handle_bar(context, bar_dict):
#判断系统开启条件
if context.steam == False:
context.steam = steam(context,bar_dict)
if context.steam == True:
#满足系统开启条件买入
order_target_percent(context.security,1)
else:
pass
#判断系统是否需要止损或者止盈，以关闭系统
elif context.steam == True:
trade=giveuptrade(context,bar_dict)
if trade =='sell':
#需要止损，并关闭系统,自适应天数回复
order_target(context.security,0)
context.steam = False
context.day = 50
else:
#不需要止损，但是需要将自适应天数减去1
context.day=context.day-1
if context.day <10:
context.day = 10
pass
#离场条件判断，系统是否需要关闭
def giveuptrade(context,bar_dict):#day参数主要是计算自适应均线
if context.close < context.maday:
if context.maday < context.up50:
return 'sell'
else:
return None
else:
return None
#入场条件判断，系统是否需要开启
def steam(context,bar_dict):
if context.close > context.up50:
if context.close > context.closemax:
return True
else:
return False
else:
return False
第五篇：布林通道实战应用
导语：作为策略锦集第五篇，再向大家介绍一个霸道的交易系统—布林强盗交易系统。
一、布林强盗交易系统阐述
布林强盗交易系统的由来
布林线（BOLL）是非常著名的一个技术分析指标，其由John Bollinger在20世纪60年代创建的。布林线由上轨、中轨、下轨三条线组成，期初，人们将上轨当做压力位使用，下轨当做支撑位，但经过测试发现，BOLL技术指标的用法并非如此简单。
布林强盗交易系统其实就是布林线一种使用方法，凭借其其在期货交易上的盈利能力，人们称其为“强盗”，可以说是非常高的评价了。
布林强盗交易系统介绍
布林强盗交易系统只有两个组成部分，分别为：进场、离场。
A.进场：
1.当日收盘价超过50日移动平均线的上轨。注意：上轨值=过去50日收盘价平均值+过去50日收盘价的标准差
2.当日收盘价超过过去30个交易日收盘价的最大值。
3.同时满足上述两个条件，则下个交易日开盘全仓买入。
B.离场:
1.自适应均值：进场后，设置自适应移动均值，首日自适应移动均值为过去50日收盘价均值，即为中轨。之后持仓时间每多一个交易日，计算移动平值的天数减去1。但移动均值的计算天数最小递减到10。如果达到了10，则不再递减。
2.当日收盘价跌破自适应移动均值。
3.自适应移动均值小于上轨。此处的上轨依旧是50日移动平均线的上轨，注意：上轨值=过去50日收盘价平均值+过去50日收盘价的标准差
4.同时满足上述两个条件，则下个交易日开盘清仓。
本篇内容以沪深300指数ETF为例，来向大家展示布林强盗交易系统
以下为策略实现的基本信息：
策略实现难度：2
实现过程中所需要用到的API函数，ps:通过SuperMind量化交易平台API文档快速掌握：
| 需要用到的API函数 | 功能 |
|---|---|
| before_trading() | 定时运行函数，每个交易日9.00运行 |
| history() | 获取多只股票多属性的历史行情数据 |
二、代码示意图
三、编写释义
本策略的编写难点在于理解布林强盗交易系统的运行逻辑，以下是布林强盗交易系统运行逻辑的梳理：
编写布林强盗交易系统的时候，依旧建议采用主干+枝干的思路。
四、最终结果
策略回测区间：2021.01.01-2022.12.31
回测资金：1000000
回测频率：日级
回测结果：红色曲线为策略收益率曲线，蓝色曲线为对应的基准指数收益率曲线
策略源代码：
In [ ]:
import pandas as pd
import numpy as np
# 初始化函数,全局只运行一次
def init(context):
context.security = '159919.OF' #沪深300指数ETF为例
set_benchmark(context.security)
context.steam = False
context.mid50 = 0#储存中轨 每日更新以下5个数据
context.up50 = 0#储存上轨
context.close = 0#储存上个交易日的收盘价
context.closemax = 0#储存过去30个交易日的收盘价最大值
context.day = 50 #自适应均线计算，没持仓一天，减去1
context.maday = 0 #储存自适应均线值
#每日开盘前9:00被调用一次,用于储存自定义参数、全局变量,执行盘前选股等
def before_trading(context):
#开盘前获取中轨，上轨，自适应均线，昨日收盘价，前三十日收盘价，放置账户信息中，以便调用
close = history(context.security, ['close'], 50, '1d', False, 'pre', is_panel=1)['close']
context.maday = np.mean(close[-context.day:])
context.mid50 = np.mean(close) #50日均线，中轨
context.up50 = context.mid50 + np.std(close) #上轨=中规+1*标准差
context.close = close[-1]
context.closemax = max(close[-31:-1])
## 开盘时运行函数
def handle_bar(context, bar_dict):
#判断系统开启条件
if context.steam == False:
context.steam = steam(context,bar_dict)
if context.steam == True:
#满足系统开启条件买入
order_target_percent(context.security,1)
else:
pass
#判断系统是否需要止损或者止盈，以关闭系统
elif context.steam == True:
trade=giveuptrade(context,bar_dict)
if trade =='sell':
#需要止损，并关闭系统,自适应天数回复
order_target(context.security,0)
context.steam = False
context.day = 50
else:
#不需要止损，但是需要将自适应天数减去1
context.day=context.day-1
if context.day <10:
context.day = 10
pass
#离场条件判断，系统是否需要关闭
def giveuptrade(context,bar_dict):#day参数主要是计算自适应均线
if context.close < context.maday:
if context.maday < context.up50:
return 'sell'
else:
return None
else:
return None
#入场条件判断，系统是否需要开启
def steam(context,bar_dict):
if context.close > context.up50:
if context.close > context.closemax:
return True
else:
return False
else:
return False
查看以上策略详情请到supermind量化交易官网查看:同花顺Supermind量化交易 风险控制建模-布林强盗，一个霸道的交易系统
