# Simple Bollinger Bands
> 來源;https://uqer.io/community/share/54b5c1b4f9f06c276f651a15
策略思路: 在一段時間內,股票價格可以認為是在一定水平上下波動。例如,可以簡單認為股價在過去100天的平均值基礎上,上下波動幾個標準差。
策略實現: (1) 股價高于這個波動區間,說明股價虛高,故賣出 (2) 股價低于這個波動區間,說明股價虛低,故買入
PS:本策略適用于股市平穩波動時期,在大牛市或者大熊市不太適用
```py
import quartz
import quartz.backtest as qb
import quartz.performance as qp
from quartz.api import *
import pandas as pd
import numpy as np
from datetime import datetime
from matplotlib import pylab
import talib
```
```py
start = datetime(2011, 1, 1)
end = datetime(2014, 10, 1)
benchmark = 'HS300'
universe = ['601398.XSHG', '600028.XSHG', '601988.XSHG', '600036.XSHG', '600030.XSHG',
'601318.XSHG', '600000.XSHG', '600019.XSHG', '600519.XSHG', '601166.XSHG']
capital_base = 1000000
refresh_rate = 5
window = 200
def initialize(account):
account.amount = 10000
account.universe = universe
add_history('hist', window)
def handle_data(account):
for stk in account.universe:
prices = account.hist[stk]['closePrice']
if prices is None:
return
mu = prices.mean()
sd = prices.std()
upper = mu + 2*sd
middle = mu
lower = mu - 2*sd
cur_pos = account.position.stkpos.get(stk, 0)
cur_prc = prices[-1]
if cur_prc > upper and cur_pos >= 0:
order_to(stk, 0)
if cur_prc < lower and cur_pos <= 0:
order(stk, account.amount)
```

```py
bt
```
| | tradeDate | cash | stock_position | portfolio_value | benchmark_return | blotter |
| --- | --- |
| 0 | 2011-11-01 | 1000000.00000 | {} | 1000000.00000 | 0.000000 | [] |
| 1 | 2011-11-02 | 1000000.00000 | {} | 1000000.00000 | 0.016629 | [] |
| 2 | 2011-11-03 | 1000000.00000 | {} | 1000000.00000 | 0.000697 | [] |
| 3 | 2011-11-04 | 1000000.00000 | {} | 1000000.00000 | 0.007086 | [] |
| 4 | 2011-11-07 | 1000000.00000 | {} | 1000000.00000 | -0.009950 | [] |
| 5 | 2011-11-08 | 1000000.00000 | {} | 1000000.00000 | -0.003120 | [] |
| 6 | 2011-11-09 | 1000000.00000 | {} | 1000000.00000 | 0.008778 | [] |
| 7 | 2011-11-10 | 1000000.00000 | {} | 1000000.00000 | -0.018922 | [] |
| 8 | 2011-11-11 | 1000000.00000 | {} | 1000000.00000 | -0.001699 | [] |
| 9 | 2011-11-14 | 1000000.00000 | {} | 1000000.00000 | 0.020480 | [] |
| 10 | 2011-11-15 | 1000000.00000 | {} | 1000000.00000 | -0.002005 | [] |
| 11 | 2011-11-16 | 1000000.00000 | {} | 1000000.00000 | -0.027167 | [] |
| 12 | 2011-11-17 | 1000000.00000 | {} | 1000000.00000 | -0.003033 | [] |
| 13 | 2011-11-18 | 1000000.00000 | {} | 1000000.00000 | -0.020857 | [] |
| 14 | 2011-11-21 | 1000000.00000 | {} | 1000000.00000 | 0.001225 | [] |
| 15 | 2011-11-22 | 1000000.00000 | {} | 1000000.00000 | -0.000081 | [] |
| 16 | 2011-11-23 | 1000000.00000 | {} | 1000000.00000 | -0.009758 | [] |
| 17 | 2011-11-24 | 1000000.00000 | {} | 1000000.00000 | 0.001898 | [] |
| 18 | 2011-11-25 | 1000000.00000 | {} | 1000000.00000 | -0.007317 | [] |
| 19 | 2011-11-28 | 1000000.00000 | {} | 1000000.00000 | 0.001303 | [] |
| 20 | 2011-11-29 | 1000000.00000 | {} | 1000000.00000 | 0.013697 | [] |
| 21 | 2011-11-30 | 1000000.00000 | {} | 1000000.00000 | -0.033370 | [] |
| 22 | 2011-12-01 | 1000000.00000 | {} | 1000000.00000 | 0.024625 | [] |
| 23 | 2011-12-02 | 1000000.00000 | {} | 1000000.00000 | -0.010180 | [] |
| 24 | 2011-12-05 | 1000000.00000 | {} | 1000000.00000 | -0.014048 | [] |
| 25 | 2011-12-06 | 1000000.00000 | {} | 1000000.00000 | -0.002000 | [] |
| 26 | 2011-12-07 | 1000000.00000 | {} | 1000000.00000 | 0.004724 | [] |
| 27 | 2011-12-08 | 1000000.00000 | {} | 1000000.00000 | -0.001276 | [] |
| 28 | 2011-12-09 | 1000000.00000 | {} | 1000000.00000 | -0.008531 | [] |
| 29 | 2011-12-12 | 1000000.00000 | {} | 1000000.00000 | -0.010293 | [] |
| ... | ... | ... | ... | ... | ... | ... |
| 679 | 2014-08-19 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1149017.27989 | 0.000087 | [] |
| 680 | 2014-08-20 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1168551.04989 | -0.003633 | [Order({'transact_price': 0.0, 'symbol': '6000... |
| 681 | 2014-08-21 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1155719.88989 | -0.005028 | [] |
| 682 | 2014-08-22 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1152026.33989 | 0.004723 | [] |
| 683 | 2014-08-25 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1148250.45989 | -0.009513 | [] |
| 684 | 2014-08-26 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1141866.53989 | -0.008012 | [] |
| 685 | 2014-08-27 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1133729.60989 | 0.001507 | [] |
| 686 | 2014-08-28 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1130309.43989 | -0.007010 | [] |
| 687 | 2014-08-29 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1144849.97989 | 0.011686 | [] |
| 688 | 2014-09-01 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1146127.24989 | 0.007283 | [] |
| 689 | 2014-09-02 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1171994.81989 | 0.013222 | [] |
| 690 | 2014-09-03 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1186363.06989 | 0.009377 | [Order({'transact_price': 0.0, 'symbol': '6000... |
| 691 | 2014-09-04 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1188453.82989 | 0.007218 | [] |
| 692 | 2014-09-05 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1203626.03989 | 0.009494 | [] |
| 693 | 2014-09-09 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1182303.76989 | -0.001647 | [] |
| 694 | 2014-09-10 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1180321.58989 | -0.005231 | [] |
| 695 | 2014-09-11 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1168537.55989 | -0.003691 | [Order({'transact_price': 0.0, 'symbol': '6000... |
| 696 | 2014-09-12 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1171787.86989 | 0.006150 | [] |
| 697 | 2014-09-15 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1153269.96989 | -0.000479 | [] |
| 698 | 2014-09-16 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1141194.90989 | -0.019869 | [] |
| 699 | 2014-09-17 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1145778.58989 | 0.005258 | [] |
| 700 | 2014-09-18 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1152235.30989 | 0.003056 | [] |
| 701 | 2014-09-19 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1162000.35989 | 0.006870 | [] |
| 702 | 2014-09-22 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1136441.48989 | -0.019087 | [] |
| 703 | 2014-09-23 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1139988.07989 | 0.008635 | [] |
| 704 | 2014-09-24 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1157613.46989 | 0.017671 | [] |
| 705 | 2014-09-25 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1169367.30989 | -0.002006 | [] |
| 706 | 2014-09-26 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1169791.29989 | 0.000094 | [] |
| 707 | 2014-09-29 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1170503.49989 | 0.004349 | [] |
| 708 | 2014-09-30 | 96907.47989 | {u'601166.XSHG': 3877.0, u'600036.XSHG': 0, u'... | 1168692.07989 | 0.001303 | [] |
```
709 rows × 6 columns
```
```py
perf = qp.perf_parse(bt)
out_keys = ['annualized_return', 'volatility', 'information',
'sharpe', 'max_drawdown', 'alpha', 'beta']
for k in out_keys:
print '%s: %s' % (k, perf[k])
annualized_return: 0.0594823977045
volatility: 0.214571802928
information: 0.407163653335
sharpe: 0.102806600884
max_drawdown: 0.36585509048
alpha: 0.052294592526
beta: 0.434097117249
```
```py
perf['cumulative_return'].plot()
perf['benchmark_cumulative_return'].plot()
pylab.legend(['current_strategy','HS300'])
<matplotlib.legend.Legend at 0x568fe90>
```

- Python 量化交易教程
- 第一部分 新手入門
- 一 量化投資視頻學習課程
- 二 Python 手把手教學
- 量化分析師的Python日記【第1天:誰來給我講講Python?】
- 量化分析師的Python日記【第2天:再接著介紹一下Python唄】
- 量化分析師的Python日記【第3天:一大波金融Library來襲之numpy篇】
- 量化分析師的Python日記【第4天:一大波金融Library來襲之scipy篇】
- 量化分析師的Python日記【第5天:數據處理的瑞士軍刀pandas】
- 量化分析師的Python日記【第6天:數據處理的瑞士軍刀pandas下篇
- 量化分析師的Python日記【第7天:Q Quant 之初出江湖】
- 量化分析師的Python日記【第8天 Q Quant兵器譜之函數插值】
- 量化分析師的Python日記【第9天 Q Quant兵器譜之二叉樹】
- 量化分析師的Python日記【第10天 Q Quant兵器譜 -之偏微分方程1】
- 量化分析師的Python日記【第11天 Q Quant兵器譜之偏微分方程2】
- 量化分析師的Python日記【第12天:量化入門進階之葵花寶典:因子如何產生和回測】
- 量化分析師的Python日記【第13天 Q Quant兵器譜之偏微分方程3】
- 量化分析師的Python日記【第14天:如何在優礦上做Alpha對沖模型】
- 量化分析師的Python日記【第15天:如何在優礦上搞一個wealthfront出來】
- 第二部分 股票量化相關
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha對沖策略——觀《量化分析師Python日記第14天》有感
- 熔斷不要怕, alpha model 為你保駕護航!
- 尋找 alpha 之: alpha 設計
- 1.2 基本面因子選股
- Porfolio(現金比率+負債現金+現金保障倍數)+市盈率
- ROE選股指標
- 成交量因子
- ROIC&cashROIC
- 【國信金工】資產周轉率選股模型
- 【基本面指標】Cash Cow
- 量化因子選股——凈利潤/營業總收入
- 營業收入增長率+市盈率
- 1.3 財報閱讀 ? [米缸量化讀財報] 資產負債表-投資相關資產
- 1.4 股東分析
- 技術分析入門 【2】 —— 大家搶籌碼(06年至12年版)
- 技術分析入門 【2】 —— 大家搶籌碼(06年至12年版)— 更新版
- 誰是中國A股最有錢的自然人
- 1.5 宏觀研究
- 【干貨包郵】手把手教你做宏觀擇時
- 宏觀研究:從估值角度看當前市場
- 追尋“國家隊”的足跡
- 二 套利
- 2.1 配對交易
- HS300ETF套利(上)
- 【統計套利】配對交易
- 相似公司股票搬磚
- Paired trading
- 2.2 期現套利 ? 通過股指期貨的期現差與 ETF 對沖套利
- 三 事件驅動
- 3.1 盈利預增
- 盈利預增事件
- 事件驅動策略示例——盈利預增
- 3.2 分析師推薦 ? 分析師的金手指?
- 3.3 牛熊轉換
- 歷史總是相似 牛市還在延續
- 歷史總是相似 牛市已經見頂?
- 3.4 熔斷機制 ? 股海拾貝之 [熔斷錯殺股]
- 3.5 暴漲暴跌 ? [實盤感悟] 遇上暴跌我該怎么做?
- 3.6 兼并重組、舉牌收購 ? 寶萬戰-大戲開幕
- 四 技術分析
- 4.1 布林帶
- 布林帶交易策略
- 布林帶回調系統-日內
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均線系統
- 技術分析入門 —— 雙均線策略
- 5日線10日線交易策略
- 用5日均線和10日均線進行判斷 --- 改進版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑異同移動平均線方法
- 4.4 阿隆指標 ? 技術指標阿隆( Aroon )全解析
- 4.5 CCI ? CCI 順勢指標探索
- 4.6 RSI
- 重寫 rsi
- RSI指標策略
- 4.7 DMI ? DMI 指標體系的構建及簡單應用
- 4.8 EMV ? EMV 技術指標的構建及應用
- 4.9 KDJ ? KDJ 策略
- 4.10 CMO
- CMO 策略模仿練習 1
- CMO策略模仿練習2
- [技術指標] CMO
- 4.11 FPC ? FPC 指標選股
- 4.12 Chaikin Volatility
- 嘉慶離散指標測試
- 4.13 委比 ? 實時計算委比
- 4.14 封單量
- 按照封單跟流通股本比例排序,剔除6月上市新股,前50
- 漲停股票封單統計
- 實時計算漲停板股票的封單資金與總流通市值的比例
- 4.15 成交量 ? 決戰之地, IF1507 !
- 4.16 K 線分析 ? 尋找夜空中最亮的星
- 五 量化模型
- 5.1 動量模型
- Momentum策略
- 【小散學量化】-2-動量模型的簡單實踐
- 一個追漲的策略(修正版)
- 動量策略(momentum driven)
- 動量策略(momentum driven)——修正版
- 最經典的Momentum和Contrarian在中國市場的測試
- 最經典的Momentum和Contrarian在中國市場的測試-yanheven改進
- [策略]基于勝率的趨勢交易策略
- 策略探討(更新):價量結合+動量反轉
- 反向動量策略(reverse momentum driven)
- 輕松跑贏大盤 - 主題Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面選股系統:Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR預測股票開盤價 v1.0
- 5.4 決策樹、隨機樹
- 決策樹模型(固定模型)
- 基于Random Forest的決策策略
- 5.5 鐘擺理論 · 鐘擺理論的簡單實現——完美躲過股災和精準抄底
- 5.6 海龜模型
- simple turtle
- 俠之大者 一起賺錢
- 5.7 5217 策略 · 白龍馬的新手策略
- 5.8 SMIA · 基于歷史狀態空間相似性匹配的行業配置 SMIA 模型—取交集
- 5.9 神經網絡
- 神經網絡交易的訓練部分
- 通過神經網絡進行交易
- 5.10 PAMR · PAMR : 基于均值反轉的投資組合選擇策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假說, Hurst 指數 · 分形市場假說,一個聽起來很美的假說
- 5.13 變點理論 · 變點策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用債風險模型初探之:Z-Score Model
- user-defined package
- 5.15 機器學習 · Machine Learning 學習筆記(一) by OTreeWEN
- 5.16 DualTrust 策略和布林強盜策略
- 5.17 卡爾曼濾波
- 5.18 LPPL anti-bubble model
- 今天大盤熔斷大跌,后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之謎——對數周期冪率(LPPL)模型
- 六 大數據模型
- 6.1 市場情緒分析
- 通聯情緒指標策略
- 互聯網+量化投資 大數據指數手把手
- 6.2 新聞熱點
- 如何使用優礦之“新聞熱點”?
- 技術分析【3】—— 眾星拱月,眾口鑠金?
- 七 排名選股系統
- 7.1 小市值投資法
- 學習筆記:可模擬(小市值+便宜 的修改版)
- 市值最小300指數
- 流通市值最小股票(新篩選器版)
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊駝策略
- 羊駝策略
- 羊駝反轉策略(修改版)
- 羊駝反轉策略
- 我的羊駝策略,選5只股無腦輪替
- 7.3 低價策略
- 專撿便宜貨(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 輪動模型
- 8.1 大小盤輪動 · 新手上路 -- 二八ETF擇時輪動策略2.0
- 8.2 季節性策略
- Halloween Cycle
- Halloween cycle 2
- 夏買電,東買煤?
- 歷史的十一月板塊漲幅
- 8.3 行業輪動
- 銀行股輪動
- 申萬二級行業在最近1年、3個月、5個交易日的漲幅統計
- 8.4 主題輪動
- 快速研究主題神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板塊異動類
- 風險因子(離散類)
- 8.5 龍頭輪動
- Competitive Securities
- Market Competitiveness
- 主題龍頭類
- 九 組合投資
- 9.1 指數跟蹤 · [策略] 指數跟蹤低成本建倉策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸優化 · 如何在 Python 中利用 CVXOPT 求解二次規劃問題
- 十 波動率
- 10.1 波動率選股 · 風平浪靜 風起豬飛
- 10.2 波動率擇時
- 基于 VIX 指數的擇時策略
- 簡單低波動率指數
- 10.3 Arch/Garch 模型 · 如何使用優礦進行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高頻交易
- 12.1 order book 分析 · 基于高頻 limit order book 數據的短程價格方向預測—— via multi-class SVM
- 12.2 日內交易 · 大盤日內走勢 (for 擇時)
- 十三 Alternative Strategy
- 13.1 易經、傳統文化 · 老黃歷診股
- 第三部分 基金、利率互換、固定收益類
- 一 分級基金
- “優礦”集思錄——分級基金專題
- 基于期權定價的分級基金交易策略
- 基于期權定價的興全合潤基金交易策略
- 二 基金分析
- Alpha 基金“黑天鵝事件” -- 思考以及原因
- 三 債券
- 債券報價中的小陷阱
- 四 利率互換
- Swap Curve Construction
- 中國 Repo 7D 互換的例子
- 第四部分 衍生品相關
- 一 期權數據
- 如何獲取期權市場數據快照
- 期權高頻數據準備
- 二 期權系列
- [ 50ETF 期權] 1. 歷史成交持倉和 PCR 數據
- 【50ETF期權】 2. 歷史波動率
- 【50ETF期權】 3. 中國波指 iVIX
- 【50ETF期權】 4. Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 三 期權分析
- 【50ETF期權】 期權擇時指數 1.0
- 每日期權風險數據整理
- 期權頭寸計算
- 期權探秘1
- 期權探秘2
- 期權市場一周縱覽
- 基于期權PCR指數的擇時策略
- 期權每日成交額PC比例計算
- 四 期貨分析
- 【前方高能!】Gifts from Santa Claus——股指期貨趨勢交易研究