问题描述
如何编写一个策略，让它在市场趋势明显时跟随趋势，在市场震荡时进行高抛低吸？
解决方案
这是一个非常经典的量化交易需求，通常被称为**“市场状态识别”或“双模策略”**（Regime Switching Strategy）。
要实现这个策略，核心难点在于如何定义“趋势”和“震荡”。
在本策略中，我将使用**布林带（Bollinger Bands）及其衍生指标布林带宽度（Bandwidth）**来实现：
-
市场状态识别（过滤器）：
- 趋势模式：当布林带开口扩大（带宽变大）时，意味着波动率上升，市场可能进入趋势行情。
- 震荡模式：当布林带开口收窄（带宽变小）时，意味着波动率下降，市场处于横盘整理。
-
交易逻辑：
- 在趋势模式下（追涨杀跌）： 价格突破上轨买入，跌破中轨卖出（止盈/止损）。
- 在震荡模式下（高抛低吸）： 价格触及下轨买入（抄底），触及上轨卖出（高抛）。
策略代码实现
以下是基于 PTrade 框架的完整策略代码。
import numpy as np
import pandas as pd
def initialize(context):
"""
初始化函数，设置策略参数和股票池
"""
# 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 = 20 # 布林带计算周期（通常为20）
g.k = 2 # 布林带标准差倍数（通常为2）
# 核心参数：用于判断趋势还是震荡的阈值
# 逻辑：计算过去一段时间的平均带宽，如果当前带宽 > 平均带宽 * 1.2，认为是趋势；否则为震荡
# 这个系数需要根据具体标的波动性进行调整
g.trend_threshold_ratio = 1.2
# 设置滑点和手续费（回测时建议设置，更接近实盘）
set_commission(commission_ratio=0.0003, min_commission=5.0, type="STOCK")
set_slippage(slippage=0.002)
def get_bollinger_bands(security, n, k):
"""
计算布林带数据的辅助函数
返回: upper(上轨), middle(中轨), lower(下轨), bandwidth(带宽)
"""
# 获取过去 n+5 天的数据，保证计算均线时数据充足
# include=True 包含当前未完成的K线，用于实时计算
hist = get_history(n + 5, '1d', 'close', security, fq='pre', include=True)
if len(hist) < n:
return None, None, None, None
# 提取收盘价序列
close_prices = hist['close']
# 计算中轨（N日移动平均线）
middle = close_prices.rolling(window=n).mean()
# 计算标准差
std = close_prices.rolling(window=n).std()
# 计算上轨和下轨
upper = middle + k * std
lower = middle - k * std
# 计算带宽 (Bandwidth) = (上轨 - 下轨) / 中轨
# 带宽反映了市场的波动率
bandwidth = (upper - lower) / middle
# 返回最新的值（序列的最后一个）以及带宽序列（用于计算历史平均带宽）
return upper.iloc[-1], middle.iloc[-1], lower.iloc[-1], bandwidth
def handle_data(context, data):
"""
盘中运行函数，每个周期执行一次
"""
security = g.security
# 1. 获取布林带数据
up, mid, low, bandwidth_series = get_bollinger_bands(security, g.n, g.k)
if up is None:
return # 数据不足，暂不交易
# 2. 获取当前价格
current_price = data[security]['close']
# 3. 判断市场状态 (Regime Switching)
# 计算当前带宽
current_bandwidth = bandwidth_series.iloc[-1]
# 计算过去20天的平均带宽（作为基准）
avg_bandwidth = bandwidth_series[-20:].mean()
# 定义状态：如果当前波动率显著高于近期平均水平，判定为趋势模式
is_trend_mode = current_bandwidth > (avg_bandwidth * g.trend_threshold_ratio)
# 获取当前持仓
position = get_position(security).amount
cash = context.portfolio.cash
# 4. 执行交易逻辑
if is_trend_mode:
# ====================
# 模式 A: 趋势跟随 (Trend Following)
# ====================
# 逻辑：波动率放大，市场选择了方向，我们要顺势而为
# 买入信号：价格突破上轨，且空仓
if current_price > up and position == 0:
log.info("【趋势模式】价格突破上轨，波动率放大，追涨买入 %s" % security)
order_value(security, cash)
# 卖出信号：价格跌破中轨（趋势减弱或反转），清仓止损/止盈
# 注意：趋势策略中，通常不等到跌破下轨才卖，中轨往往是趋势的生命线
elif current_price < mid and position > 0:
log.info("【趋势模式】价格跌破中轨，趋势可能结束，平仓卖出 %s" % security)
order_target(security, 0)
else:
# ====================
# 模式 B: 震荡回归 (Mean Reversion)
# ====================
# 逻辑：波动率低，价格在布林带通道内运行，高抛低吸
# 买入信号：价格触及下轨（超卖），且空仓
if current_price < low and position == 0:
log.info("【震荡模式】价格触及下轨，波动率平稳，抄底买入 %s" % security)
order_value(security, cash)
# 卖出信号：价格触及上轨（超买），清仓止盈
elif current_price > up and position > 0:
log.info("【震荡模式】价格触及上轨，回归压力位，高抛卖出 %s" % security)
order_target(security, 0)
# 记录日志方便调试
# log.info("当前价格: %.2f, 上轨: %.2f, 下轨: %.2f, 状态: %s" % (
# current_price, up, low, "趋势" if is_trend_mode else "震荡"
# ))
策略逻辑详解
1. 核心指标：布林带宽度 (Bandwidth)
- 计算公式：
(上轨 - 下轨) / 中轨 - 作用：这是衡量市场“活跃度”的关键。
- 当带宽很窄时，说明股价波动很小，市场处于蓄势整理阶段（震荡）。
- 当带宽突然变大时，说明股价波动剧烈，通常伴随着突破，市场进入单边行情（趋势）。
2. 状态切换机制
代码中使用了 g.trend_threshold_ratio = 1.2。
- 我们计算当前的带宽，并与过去20天的平均带宽做比较。
- 如果
当前带宽 > 平均带宽 * 1.2，说明现在的波动率比平时高出20%，我们认为市场“醒了”，开始走趋势。 - 否则，认为市场还在“睡觉”或正常波动，适合高抛低吸。
3. 为什么趋势模式下卖出逻辑不同？
- 震荡时：我们在上轨卖出，因为预期价格会回落。
- 趋势时：价格突破上轨是买入信号（强者恒强），此时不能卖出。在趋势模式下，我们通常用中轨作为移动止损线，只要价格还在中轨上方，就一直持有，直到跌破中轨才认为趋势结束。
优化建议
- 参数调整：
g.trend_threshold_ratio是最敏感的参数。如果你发现策略频繁在震荡中追高被套，可以调高这个值（例如 1.5），让策略更难进入趋势模式。 - 增加过滤：在趋势买入时，可以增加成交量的判断（如：
volume > 20日均量），确保突破是有效的。 - 止损保护：震荡策略最怕的是“假震荡真突破”。例如在下轨买入后，价格没有反弹反而暴跌（单边下跌趋势开始）。建议在震荡买入后设置一个固定的硬止损（如亏损5%强平）。
Q&A
Q: 这个策略适合什么周期的回测？
A: 建议使用日线级别。分钟级别噪音较大，布林带的假突破会更多，导致频繁止损。
Q: 为什么使用 order_value 和 order_target？
A: order_value(security, cash) 表示用当前所有现金买入。order_target(security, 0) 表示将持仓调整为0（即清仓）。这是 PTrade 中最常用的仓位管理函数。
Q: 如何在 PTrade 中查看策略表现？
A: 将上述代码复制到 PTrade 的“策略研究”或“回测”模块中，点击“运行回测”，选择一个较长的时间段（如2020年至今），即可看到收益曲线和交易明细。