如何在 JoinQuant 平台用 Python 编写 MACD 金叉死叉交易策略？

这是一个基于 JoinQuant（聚宽）平台的 MACD 指标金叉买入、死叉卖出的单股票策略。

策略逻辑说明

1. 指标定义：使用标准的 MACD 参数（快线12，慢线26，信号线9）。
2. 金叉（买入信号）：当 DIF 线（快线）上穿 DEA 线（慢线/信号线）时，视为金叉，全仓买入。
3. 死叉（卖出信号）：当 DIF 线（快线）下穿 DEA 线（慢线/信号线）时，视为死叉，清仓卖出。
4. 数据获取：每日获取过去 100 天的收盘价数据以计算指标。
5. 计算库：使用 talib 库进行高效的指标计算。

策略代码

# -*- coding: utf-8 -*-
# 导入函数库
from jqdata import *
import talib
import numpy as np

def initialize(context):
    """
    初始化函数，设定基准、股票池、费用等
    """
    # 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)
    
    # 设定要操作的股票，这里以平安银行为例
    g.security = '000001.XSHE'
    
    # 设定MACD参数
    g.fast_period = 12
    g.slow_period = 26
    g.signal_period = 9
    
    # 设定交易费用（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')
    
    # 每日开盘时运行
    run_daily(market_open, time='every_bar')

def market_open(context):
    """
    每日交易逻辑
    """
    security = g.security
    
    # 获取过去100天的收盘价数据（保证有足够的数据计算MACD）
    # 注意：MACD计算需要一定长度的历史数据才能趋于稳定
    close_data = attribute_history(security, 100, '1d', ['close'])
    
    # 将数据转换为numpy数组，供talib使用
    close_array = close_data['close'].values
    
    # 使用talib计算MACD
    # macd_dif: 差离值 (快线)
    # macd_dea: 讯号线 (慢线)
    # macd_hist: 红绿柱
    macd_dif, macd_dea, macd_hist = talib.MACD(
        close_array, 
        fastperiod=g.fast_period, 
        slowperiod=g.slow_period, 
        signalperiod=g.signal_period
    )
    
    # 获取当前的DIF和DEA值（数组最后一个元素）
    current_dif = macd_dif[-1]
    current_dea = macd_dea[-1]
    
    # 获取上一时间点的DIF和DEA值（数组倒数第二个元素）
    prev_dif = macd_dif[-2]
    prev_dea = macd_dea[-2]
    
    # 检查是否有持仓
    current_position = context.portfolio.positions[security].closeable_amount
    # 获取当前可用现金
    cash = context.portfolio.available_cash
    
    # 交易逻辑判断
    
    # 金叉：上一时刻 DIF < DEA，且当前时刻 DIF > DEA
    if prev_dif < prev_dea and current_dif > current_dea:
        # 如果有现金，则全仓买入
        if cash > 0:
            order_value(security, cash)
            log.info("MACD金叉，买入 %s" % security)
            
    # 死叉：上一时刻 DIF > DEA，且当前时刻 DIF < DEA
    elif prev_dif > prev_dea and current_dif < current_dea:
        # 如果有持仓，则清仓卖出
        if current_position > 0:
            order_target(security, 0)
            log.info("MACD死叉，卖出 %s" % security)

代码关键点解析

1. talib.MACD: 这是一个非常高效的技术分析库函数。它返回三个数组，分别是 DIF（快线）、DEA（慢线）和 MACD柱状图。
2. attribute_history: 我们获取了过去 100 天的数据。虽然 MACD 参数是 12 和 26，但为了让 EMA（指数移动平均）的计算结果更加准确和收敛，通常需要比最长周期多 2-3 倍的数据量。
3. 交叉判断逻辑:
   • 我们通过比较 [-1] (当前值) 和 [-2] (前一日值) 来判断交叉。
   • 如果昨天快线在慢线之下，今天快线在慢线之上，即为金叉。
   • 如果昨天快线在慢线之上，今天快线在慢线之下，即为死叉。
4. order_value 与 order_target:
   • order_value(security, cash): 用当前所有现金买入股票。
   • order_target(security, 0): 将股票仓位调整为 0，即清仓。

Q&A

Q: 为什么获取历史数据时要取 100 天，而不是 26 天？
A: MACD 的计算依赖于 EMA（指数移动平均），EMA 具有递归性质，初始值的设定会影响后续的计算结果。如果只取 26 天数据，计算出的 MACD 值在初期会非常不稳定且不准确。获取更多的数据（如 100 天或更多）可以让 EMA 充分收敛，使计算出的指标值与看盘软件上的数值一致。

Q: 如何将此策略修改为多只股票轮动？
A: 可以将 g.security 修改为一个股票列表（例如 g.stocks = ['000001.XSHE', '600519.XSHG']），然后在 market_open 函数中使用 for security in g.stocks: 循环遍历每一只股票，分别执行获取数据、计算指标和下单的逻辑。同时需要注意资金分配问题（例如每只股票分配总资金的 1/N）。

Q: 策略中的 set_option('use_real_price', True) 是什么作用？
A: 这行代码开启了动态复权模式（真实价格）。在回测中，股票会发生分红、拆股等事件，导致价格跳空。开启此选项后，聚宽会在回测引擎内部自动处理复权，使我们获取到的价格是连续的，避免因除权除息导致的技术指标计算错误（例如股价突然“腰斩”导致误触发死叉）。