在 JoinQuant 中编写60日均线反转（下降->走平->向上）策略代码

在量化交易中，识别均线（如60日均线）从“下降 -> 走平 -> 掉头向上”的形态，是一个非常经典的寻找底部反转信号的策略。在 JoinQuant（聚宽）平台上，我们可以通过获取历史收盘价，计算出连续多日的 MA60 序列，然后通过比较这几天 MA60 的数值变化来实现这个逻辑。

实现思路

1. 获取足够长的数据：要计算最近几天的 60 日均线，我们需要获取过去 60 天加上观察天数（例如 5 天）的数据，总共约 65 天的收盘价。
2. 计算 MA60 序列：利用 pandas 的 rolling(window=60).mean() 方法，计算出每日的 60 日均线值。
3. 形态判断：
   • 下降：前期的 MA60 呈递减趋势（如 MA60[-5] > MA60[-4] > MA60[-3]）。
   • 走平：中期的 MA60 变化极小，设定一个极小的阈值（如 abs(MA60[-2] - MA60[-3]) / MA60[-3] < 0.001）。
   • 向上：最新的 MA60 呈递增趋势（如 MA60[-1] > MA60[-2]）。

完整策略代码示例

以下是一个在 JoinQuant 平台上可以直接运行的策略代码示例：

# 导入聚宽函数库
import jqdata
import pandas as pd

# 初始化函数，设定要操作的股票、基准等等
def initialize(context):
    # 设定要操作的股票，这里以平安银行(000001.XSHE)为例
    g.security = '000001.XSHE'
    # 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)
    # 每天开盘时运行
    run_daily(market_open, time='09:30')

def market_open(context):
    security = g.security
    
    # 1. 获取过去 65 天的收盘价数据
    # 65天足以让我们计算出最近 6 天的 60日均线值
    close_data = attribute_history(security, 65, '1d', ['close'])
    
    if len(close_data) < 65:
        return # 数据不足，跳过
        
    # 2. 计算 MA60 序列
    # 使用 pandas 的 rolling 函数计算移动平均
    ma60_series = close_data['close'].rolling(window=60).mean().dropna()
    
    if len(ma60_series) < 5:
        return
        
    # 3. 提取最近 5 天的 MA60 值
    # ma1 为 5天前，ma5 为昨天（最新）
    ma1 = ma60_series.iloc[-5]
    ma2 = ma60_series.iloc[-4]
    ma3 = ma60_series.iloc[-3]
    ma4 = ma60_series.iloc[-2]
    ma5 = ma60_series.iloc[-1]
    
    # 4. 逻辑判断
    # 判断下降：前三天均线依次递减
    is_falling = (ma1 > ma2) and (ma2 > ma3)
    
    # 判断走平：第3天和第4天的均线差值绝对值非常小（这里设定阈值为 0.1%）
    # 阈值可以根据具体标的的波动特性进行调整
    is_flat = abs(ma4 - ma3) / ma3 < 0.001 
    
    # 判断向上：最新一天的均线大于前一天
    is_rising = ma5 > ma4
    
    # 取得当前的现金
    cash = context.portfolio.available_cash
    
    # 5. 交易执行
    # 如果同时满足 下降 -> 走平 -> 向上
    if is_falling and is_flat and is_rising:
        log.info(f"[{context.current_dt}] {security} 60日均线出现 下降->走平->向上 形态！")
        # 如果当前没有持仓，则全仓买入
        if context.portfolio.positions[security].closeable_amount == 0:
            order_value(security, cash)
            log.info(f"买入 {security}")
            
    # 简单的止损/平仓逻辑：如果价格跌破60日均线，卖出
    current_price = close_data['close'].iloc[-1]
    if current_price < ma5 and context.portfolio.positions[security].closeable_amount > 0:
        order_target(security, 0)
        log.info(f"价格跌破60日均线，卖出 {security}")

代码细节解析与优化建议

1. 数据获取长度：attribute_history(security, 65, '1d', ['close']) 获取了 65 天的数据。因为计算 60 日均线需要 60 天的数据，所以第 60 天产生第一个 MA60 值，65 天的数据刚好可以产生 6 个 MA60 值，足够我们提取最近 5 天的均线进行形态对比。
2. “走平”的定义：在数学上，两条均线完全相等（ma3 == ma4）的概率极低。因此，我们引入了一个阈值（Threshold）。代码中 abs(ma4 - ma3) / ma3 < 0.001 表示均线变化率小于千分之一即视为走平。在实际策略中，你可以根据股票的活跃度将这个阈值调大或调小。
3. 观察窗口期：示例代码中使用了 5 天的窗口（2天下降，1天走平，1天向上）。如果你希望形态更加稳固，可以扩大获取的数据量（例如 70 天），并要求连续 3 天下降、连续 2 天走平、连续 2 天向上，只需相应增加 ma_series 的提取和判断条件即可。