JoinQuant 均值回归实战：BIAS 乖离率交易策略（附代码）

这是一个基于 BIAS (乖离率) 指标的均值回归策略。

策略原理

BIAS (乖离率) 是测量股价偏离移动平均线大小程度的指标。

• 公式：$BIAS(N) = \frac{收盘价 - N日移动平均价}{N日移动平均价} \times 100%$
• 核心逻辑：
  • 当股价严重偏离均线向下（负乖离率过大）时，认为市场超卖，股价有向均线回归的动力，此时买入。
  • 当股价严重偏离均线向上（正乖离率过大）时，认为市场超买，股价有回调的风险，此时卖出。

策略代码

以下代码可以直接在聚宽（JoinQuant）的回测环境中运行。

# -*- coding: utf-8 -*-
import jqdata

def initialize(context):
    """
    初始化函数，设定基准、手续费、策略参数等
    """
    # 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)
    # 过滤掉order系列API产生的比error级别低的log
    log.set_level('order', 'error')
    
    # 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')
    
    # --- 策略参数设置 ---
    # 操作的标的：这里以平安银行为例，也可以换成ETF如 '510300.XSHG'
    g.security = '000001.XSHE'
    
    # 均线周期 N
    g.N = 20
    
    # 买入阈值：当 BIAS 低于此值（负数）时买入
    g.buy_threshold = -6.0 
    
    # 卖出阈值：当 BIAS 高于此值（正数）时卖出
    g.sell_threshold = 6.0
    
    # 每天开盘时运行
    run_daily(market_open, time='09:30')

def market_open(context):
    """
    每日交易逻辑
    """
    security = g.security
    
    # 获取过去 N 天的收盘价数据
    # 注意：这里取 N 天，包含昨天。我们用昨天收盘价计算 BIAS 信号，今天开盘执行。
    # 这样避免了未来函数（即在收盘前不知道当天的最终收盘价）
    hist_data = attribute_history(security, g.N, '1d', ['close'])
    
    # 如果数据不足 N 天，不进行计算
    if len(hist_data) < g.N:
        return
    
    # 1. 计算 N 日移动平均线 (MA)
    ma_n = hist_data['close'].mean()
    
    # 2. 获取最近一个交易日（昨天）的收盘价
    current_price = hist_data['close'][-1]
    
    # 3. 计算 BIAS 乖离率
    # 公式：(收盘价 - 均线) / 均线 * 100
    bias_value = (current_price - ma_n) / ma_n * 100
    
    # 记录 BIAS 值，可以在回测图表中查看曲线
    record(BIAS=bias_value)
    
    # --- 交易决策 ---
    # 获取当前现金和持仓
    cash = context.portfolio.available_cash
    position = context.portfolio.positions[security].total_amount
    
    # 信号 1: 超卖（BIAS < 买入阈值），且当前无持仓 -> 全仓买入
    if bias_value <= g.buy_threshold and position == 0:
        # 用所有现金买入
        order_value(security, cash)
        log.info("BIAS: %.2f%% 触发超卖信号，买入 %s" % (bias_value, security))
        
    # 信号 2: 超买（BIAS > 卖出阈值），且有持仓 -> 清仓卖出
    elif bias_value >= g.sell_threshold and position > 0:
        # 卖出所有持仓
        order_target(security, 0)
        log.info("BIAS: %.2f%% 触发超买信号，卖出 %s" % (bias_value, security))

代码关键点解析

1. 参数设置 (g.N, g.buy_threshold, g.sell_threshold):

   • g.N = 20: 使用20日均线（月线）作为基准。
   • g.buy_threshold = -6.0: 当股价低于20日均线6%时，视为超跌，执行买入。
   • g.sell_threshold = 6.0: 当股价高于20日均线6%时，视为超涨，执行卖出。
   • 注：不同波动率的股票适合不同的阈值，大盘股阈值绝对值可以设小一点（如±4%），小盘股或高波动标的可以设大一点（如±8%）。

2. 数据获取 (attribute_history):

   • 我们获取了过去 g.N 天的数据。
   • 计算逻辑使用的是昨天的收盘价和截止到昨天的均线。这是为了在今天开盘（09:30）时能立即下单。如果在盘中实时计算，需要使用分钟级数据或 get_current_data。

3. 交易执行 (order_value, order_target):

   • 策略设计为全仓买卖（All-in/All-out），简单直接。
   • order_value(security, cash): 用当前所有可用资金买入。
   • order_target(security, 0): 将持仓调整为0，即清仓。

优化建议 (Q&A)

Q: 如何让策略更稳健？
A: 单纯的 BIAS 策略在单边下跌趋势中可能会过早抄底导致被套（俗称“接飞刀”）。可以增加一个趋势过滤器，例如：只有当 60日均线向上时，才允许做 BIAS 的超跌反弹。

Q: 可以应用到多只股票吗？
A: 可以。将 g.security 改为一个列表（如 get_index_stocks('000300.XSHG')），然后在 market_open 中使用 for 循环遍历每只股票进行判断即可。

Q: 阈值该如何选择？
A: 建议使用聚宽的研究模块，统计目标股票历史上 BIAS 的分布情况（例如取 5% 和 95% 分位数），以此作为买卖阈值会比凭感觉设定更科学。