SVM择时策略.py

import talib
from jqdata import *
import numpy
from sklearn import svm

'''
================================================================================
总体回测前
================================================================================
'''
#总体回测前要做的事情
def initialize(context):
    set_params(context)    #1设置策参数
    set_variables() #2设置中间变量
    set_backtest()  #3设置回测条件

#1
#设置策略参数
def set_params(context):
    g.security = '600874.XSHG' # 买卖股
    #g.benchmark = '000001.XSHG' # 训练股是大盘
    g.benchmark = g.security # 训练股是买卖股本身
    SVM_train(context)
    set_benchmark(g.security) # 设置基准收益


#2
#设置中间变量
def set_variables():
    return

#3
#设置回测条件
def set_backtest():
    set_option('use_real_price', True) #用真实价格交易
    log.set_level('order', 'error')

# SVM训练分类器
def SVM_train(context):
    end_date = context.previous_date # 结束时间为回测的开始时间的前一天

    trading_days = get_all_trade_days().tolist()
    end_date_index = trading_days.index(end_date)
    start_date_index = end_date_index - (200 * 12)   # 周期为 200*12 个交易日的数据用于训练

    x_train = []    # 特征
    y_train = []    # 标记

    # 计算指标作为特征，并自动标记
    for index in range(start_date_index, end_date_index):

        start_day = trading_days[index - 90] # 指标的计算范围为90个交易日
        end_day = trading_days[index]
        stock_data = get_price(g.benchmark, start_date=start_day, end_date=end_day, frequency='daily', fields=['close', 'volume']) # 获得前三十天的收盘价
        close_prices = stock_data['close'].values # 将收盘价提取出来
        volume = stock_data['volume'].values

        #通过三十天收盘价计算指标
        sma_data = talib.SMA(close_prices)[-1]
        wma_data = talib.WMA(close_prices)[-1]
        mom_data = talib.MOM(close_prices)[-1]

        features = []
        features.append(sma_data)
        features.append(wma_data)
        features.append(mom_data)

        label = False # 标记为跌(False)
        if close_prices[-1] > close_prices[-2]: # 如果今天的收盘价超过了昨天，那么标记为涨(True)
            label = True
        x_train.append(features)
        y_train.append(label)

    g.svm_module = svm.SVC()
    g.svm_module.fit(x_train, y_train) # 训练分类器


'''
================================================================================
每天交易时
================================================================================
'''
def handle_data(context, data):
    dt = context.previous_date
    trading_days = get_all_trade_days().tolist()
    index = trading_days.index(dt)
    today_stock_data = get_price(g.security, start_date=trading_days[index-90], end_date=trading_days[index], frequency='daily', fields=['close', 'volume'])
    close_prices = today_stock_data['close'].values
    volume = today_stock_data['volume'].values

    # 计算指标
    sma_data = talib.SMA(close_prices)[-1]
    wma_data = talib.WMA(close_prices)[-1]
    mom_data = talib.MOM(close_prices)[-1]

    #添加今日的特征
    features = []
    x = []
    features.append(sma_data)
    features.append(wma_data)
    features.append(mom_data)
    x.append(features)

    flag = g.svm_module.predict(x[-1]) # 预测的涨跌结果

    cash = context.portfolio.portfolio_value
    if flag == True:
        if cash > 0:
            #买入
            order_target_value(g.security, cash)
            print ("时间：%d/%d/%d    操作：买入    当前股价：%f"%(dt.year, dt.month, dt.day, data[g.security].price))
    else:
        #卖出
        order_target_value(g.security, 0)
        print ("时间：%d/%d/%d    操作：卖出    当前股价：%f"%(dt.year, dt.month, dt.day, data[g.security].price))