乖离率 (BIAS) 的计算与交易策略实现

乖离率（BIAS）是测量股价偏离移动平均线大小程度的指标。它基于“均值回归”的原理：当股价偏离移动平均线太远时，无论是在均线上方还是下方，都有可能向均线回归。

1. 乖离率计算公式

$$
BIAS(N) = \frac{\text{收盘价} - \text{N日移动平均价}}{\text{N日移动平均价}} \times 100%
$$

• N：时间周期，常用的有6日、12日、24日等。
• 正乖离：股价在均线之上，数值越大表示获利盘越多，回调风险越大（超买）。
• 负乖离：股价在均线之下，数值越小表示亏损盘越多，反弹可能性越大（超卖）。

2. 交易策略逻辑

本策略将基于以下简单的均值回归逻辑进行交易：

1. 买入信号：当 BIAS 低于设定的负阈值（例如 -6%），认为股价超卖，进行买入。
2. 卖出信号：当 BIAS 高于设定的正阈值（例如 +6%），认为股价超买，进行卖出。

3. PTrade 策略代码实现

以下是完整的策略代码，您可以直接在 PTrade 回测或交易环境中运行。

def initialize(context):
    """
    初始化函数，设置股票池和全局参数
    """
    # 设置要操作的股票，这里以恒生电子为例
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 策略参数设置
    g.N = 12            # 计算BIAS的周期，如12日
    g.bias_lower = -6   # 买入阈值：乖离率低于 -6%
    g.bias_upper = 6    # 卖出阈值：乖离率高于 +6%
    
    # 设置手续费（可选，回测常用）
    set_commission(commission_ratio=0.0003, min_commission=5.0)

def handle_data(context, data):
    """
    盘中运行函数，每个单位时间（如每天）运行一次
    """
    security = g.security
    
    # 1. 获取历史数据
    # 获取过去 g.N 天的收盘价数据，include=True 表示包含当前周期的最新数据
    # 注意：为了计算准确，如果是在盘中运行，include=True会包含当前的最新价
    hist = get_history(g.N, '1d', 'close', security, fq='pre', include=True)
    
    # 检查数据长度是否足够，不足则不计算
    if len(hist) < g.N:
        return
    
    # 提取收盘价序列
    closes = hist['close']
    
    # 2. 计算指标
    # 计算 N 日移动平均线 (MA)
    ma_n = closes.mean()
    
    # 获取当前最新价格
    current_price = closes[-1]
    
    # 计算乖离率 (BIAS)
    # 公式：(当前价格 - 均线价格) / 均线价格 * 100
    bias = (current_price - ma_n) / ma_n * 100
    
    # 打印日志方便调试
    log.info("日期: %s, 价格: %.2f, MA%d: %.2f, BIAS: %.2f%%" % (
        context.blotter.current_dt, current_price, g.N, ma_n, bias
    ))
    
    # 3. 交易逻辑
    # 获取当前持仓数量
    position = get_position(security).amount
    # 获取当前可用现金
    cash = context.portfolio.cash
    
    # 信号判断：超卖（BIAS 过低），买入
    if bias < g.bias_lower:
        # 如果有现金，则全仓买入
        if cash > 0:
            log.info("BIAS (%.2f%%) 低于阈值 (%.2f%%)，触发买入信号" % (bias, g.bias_lower))
            order_value(security, cash)
            
    # 信号判断：超买（BIAS 过高），卖出
    elif bias > g.bias_upper:
        # 如果有持仓，则清仓卖出
        if position > 0:
            log.info("BIAS (%.2f%%) 高于阈值 (%.2f%%)，触发卖出信号" % (bias, g.bias_upper))
            order_target(security, 0)

def before_trading_start(context, data):
    """
    盘前处理（可选）
    """
    pass

def after_trading_end(context, data):
    """
    盘后处理（可选）
    """
    pass

4. 代码关键点解析

1. 数据获取 (get_history):

   • 使用了 get_history(g.N, '1d', 'close', ...) 获取过去 N 天的收盘价。
   • 参数 include=True 非常重要，它确保计算时包含当天的最新价格，从而计算出实时的 BIAS 值。
   • 参数 fq='pre' 使用前复权数据，这在涉及历史价格比较时是标准做法，避免分红派息导致的价格跳空影响计算。

2. 计算逻辑:

   • 利用 pandas 的 .mean() 方法快速计算均线。
   • 严格按照 BIAS 公式编写代码。

3. 交易执行:

   • order_value(security, cash)：用于按金额买入，这里示例为全仓买入。
   • order_target(security, 0)：用于调整持仓到目标数量，这里设为 0 即代表清仓。

4. Python 版本兼容性:

   • 代码中使用了 % 格式化字符串（如 "BIAS: %.2f%%" % bias），这是为了确保兼容 Python 3.5 及更早版本，避免使用 f-string。

Q&A

Q: 乖离率的阈值（如6%）应该如何设置？
A: 阈值取决于股票的波动性（Beta值）和所选的均线周期。

• 周期越短（如6日），股价波动越频繁，阈值应设置得相对较小。
• 周期越长（如24日），均线越平滑，偏离均线较难，阈值应设置得相对较大。
• 个股特性：大盘股波动小，阈值可设低（如3%-5%）；小盘股或妖股波动大，阈值需设高（如8%-10%）。建议通过回测来寻找最优参数。

Q: 这个策略有什么风险？
A: 乖离率是反趋势指标（均值回归）。在强劲的单边趋势行情中（例如连续暴跌或暴涨），股价可能长时间维持在高乖离状态而不回归，导致策略过早抄底被套或过早卖出踏空。通常建议结合趋势指标（如MACD或均线排列）一起使用。

Q: 如何在多只股票上运行此策略？
A: 可以在 initialize 中使用 get_index_stocks 获取一个指数的成分股列表赋值给 g.security（列表），然后在 handle_data 中使用 for 循环遍历这只列表，对每一只股票分别计算 BIAS 并执行交易逻辑。