PTrade 经典策略：Aberration 波动率突破策略实现指南

这是一个基于 PTrade 平台的 Aberration（非正常）波动率突破策略的实现。

策略原理

Aberration 策略由 Keith Fitschen 于 1986 年发明，是一个经典的趋势跟踪策略，通常用于期货市场（CTA策略），但也可以应用于股票。

它的核心逻辑基于布林带（Bollinger Bands）：

1. 中轨：N 周期的移动平均线（通常 N=35）。
2. 上轨：中轨 + k * 标准差（通常 k=2）。
3. 下轨：中轨 - k * 标准差。
4. 开仓信号：
   • 做多：价格突破上轨。
   • 做空：价格跌破下轨。
5. 平仓信号：
   • 平多：价格回落至中轨。
   • 平空：价格反弹至中轨。

策略代码实现

以下代码是为期货交易设计的（支持双向交易）。如果您用于股票，请忽略做空部分的逻辑，并将下单函数替换为 order_target 等股票专用接口。

import numpy as np

def initialize(context):
    """
    策略初始化函数
    """
    # 1. 设置标的：此处以股指期货主力合约为例
    # 注意：实际回测或实盘请修改为您需要交易的具体合约代码，如 'IF2312.CCFX'
    g.security = 'IF2312.CCFX' 
    
    # 2. 设置要操作的股票池/合约
    set_universe(g.security)
    
    # 3. 策略参数设置 (Aberration 经典参数)
    g.N = 35      # 均线周期
    g.k = 2.0     # 标准差倍数
    g.unit = 1    # 每次开仓手数

    # 4. 设置手续费（可选，根据实际情况调整）
    # set_commission(...) 
    
    # 5. 开启日志输出
    log.info("Aberration 策略初始化完成")

def handle_data(context, data):
    """
    按周期运行的策略逻辑（日线级别）
    """
    security = g.security
    
    # 1. 获取历史数据
    # 获取过去 N 天的收盘价，不包含当前周期（避免未来函数，用过去的数据计算通道）
    # count 设置为 g.N，频率为 '1d'
    hist = get_history(g.N, '1d', 'close', security, include=False)
    
    # 如果数据长度不足 N 天，无法计算指标，直接返回
    if len(hist) < g.N:
        log.info("历史数据不足，跳过计算")
        return
    
    # 提取收盘价数组
    closes = hist['close'].values
    
    # 2. 计算指标 (均线和标准差)
    # 计算均值 (中轨)
    avg_price = np.mean(closes)
    # 计算标准差 (ddof=1 表示样本标准差)
    std_dev = np.std(closes, ddof=1)
    
    # 计算上轨和下轨
    up_band = avg_price + g.k * std_dev
    lo_band = avg_price - g.k * std_dev
    
    # 3. 获取当前最新价格
    # data[security] 返回 SecurityUnitData 对象
    current_price = data[security].close
    
    # 4. 获取当前持仓信息
    position = get_position(security)
    long_pos = position.long_amount    # 多头持仓
    short_pos = position.short_amount  # 空头持仓
    
    # 5. 交易逻辑
    
    # --- 平仓逻辑 ---
    # 如果持有多单，且价格回落到中轨下方，平多
    if long_pos > 0 and current_price < avg_price:
        log.info("价格 %.2f 回落至中轨 %.2f 下方，平多仓" % (current_price, avg_price))
        sell_close(security, long_pos)
        
    # 如果持有空单，且价格反弹到中轨上方，平空
    if short_pos > 0 and current_price > avg_price:
        log.info("价格 %.2f 反弹至中轨 %.2f 上方，平空仓" % (current_price, avg_price))
        buy_close(security, short_pos)
        
    # --- 开仓逻辑 ---
    # 如果没有多单，且价格突破上轨，开多
    if long_pos == 0 and current_price > up_band:
        log.info("价格 %.2f 突破上轨 %.2f，开多仓" % (current_price, up_band))
        # 如果持有空单，先平空（反手逻辑，视情况可选）
        if short_pos > 0:
            buy_close(security, short_pos)
        buy_open(security, g.unit)
        
    # 如果没有空单，且价格跌破下轨，开空
    if short_pos == 0 and current_price < lo_band:
        log.info("价格 %.2f 跌破下轨 %.2f，开空仓" % (current_price, lo_band))
        # 如果持有多单，先平多（反手逻辑，视情况可选）
        if long_pos > 0:
            sell_close(security, long_pos)
        sell_open(security, g.unit)

代码要点解析

1. 数据获取 (get_history):

   • 使用了 include=False。这是为了确保我们使用的是昨天及之前的 N 天数据来构建今天的布林带通道。如果包含今天的数据，通道会随着今天的价格变动而变动，这在回测中可能引入未来函数或导致信号闪烁。
   • 我们比较的是 current_price（当前价格）和基于历史数据计算出的 up_band/lo_band。

2. 指标计算:

   • 使用了 numpy 库的 mean 和 std 函数。这是计算移动平均和标准差的标准方法。
   • ddof=1 用于计算样本标准差，这在金融统计中更为常用。

3. 交易函数:

   • 使用了期货专用的 buy_open (买入开仓), sell_close (卖出平仓), sell_open (卖出开仓), buy_close (买入平仓)。
   • 如果您交易的是股票，请将开仓逻辑改为 order(security, amount)，平仓逻辑改为 order_target(security, 0)，并删除所有关于空头（short）的判断和操作。

4. 持仓判断:

   • 通过 get_position(security).long_amount 和 short_amount 来精确判断当前的多空持仓状态。

常见问题 (Q&A)

Q: 这个策略适合什么频率？
A: Aberration 策略最初是为日线级别设计的。它是一个捕捉中长线趋势的策略。如果在分钟级别使用，可能需要调整 N 和 k 的参数（例如增大 N），否则手续费和滑点会侵蚀利润。

Q: 如何在股票上使用此策略？
A: 股票不能直接做空（除非融券），因此只能使用“突破上轨买入”和“跌破中轨卖出”的逻辑。您需要删除代码中 short_pos 相关的部分，并将 buy_open 替换为 order，sell_close 替换为 order_target(..., 0)。

Q: 为什么回测时没有交易？
A:

1. 检查 g.security 是否设置了正确的代码（注意后缀，如 .CCFX, .XSGE, .SS 等）。
2. 检查回测时间段内，价格是否真的产生了足以突破 2 倍标准差的剧烈波动。
3. 检查 get_history 是否获取到了数据（日志中是否有 "历史数据不足" 的提示）。

Q: 如何优化这个策略？
A:

1. 参数优化：调整 N (周期) 和 k (标准差倍数)。
2. 多品种组合：Aberration 的核心优势在于多品种组合投资，通过分散投资来捕捉不同品种的趋势，同时平滑资金曲线。您可以将 g.security 改为一个列表，并在 handle_data 中遍历列表进行交易。