VNPY中基于Ta-lib的KDJ策略怎样实现

发布时间：2021-12-18 16:11:01 作者：柒染
来源：亿速云阅读：309

本篇文章给大家分享的是有关VNPY中基于Ta-lib的KDJ策略怎样实现，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

VNPY自带演示策略中，没有kdj策略，作为一个国内常用策略，这里讲讲怎么实现。

首先，Ta-lib这个python库里面并没有提供kdj策略，估计主要因为这个策略主要在流行，不过ta-lib提供了类似的方法STOCH()。可以实现KD效果。

那么首先为class ArrayManager新增一个方法kdj，来输出KDJ值。我是直接修改ctaTemplate.py 文件，更合适方法是继承class ArrayManager。

def kdj(self, fastk_period, slowk_period, slowk_matype ,slowd_period ,slowd_matype, array=False):
"""KDJ指标"""
slowk, slowd = talib.STOCH(self.high,self.low,self.close,fastk_period, slowk_period,
slowk_matype, slowd_period ,slowd_matype)
# 求出J值，J = (3 * D) - (2 * K)
slowj = list(map(lambda x,y: 3 * x - 2 * y, slowk, slowd))
if array:
return slowk, slowd, slowj
return slowk[-1], slowd[-1], slowj[-1]

上面是新增的kdj功能，首先是利用SHOCH计算出kd，在利用kd算出j，输出kdj三个指标。
SHOCH计算需要每条k线中的最高值，最低值，和结束值参数，作为list数列提供；这个直接使用ArraManger提供值；然后是fastK_period, slowk_period和slowd_period, 这个就是kdj设定中常见的N,M1,M2三个窗口参数, 通常设置是（9，3，3）。
然后是slowk_matype, slowd_matype就是平均算法类型，这里可以用SMA滑动平均或EMA指数平滑移动平均等。为了和文华一致，用了SMA。

#MA_Type: 0=SMA, 1=EMA, 2=WMA, 3=DEMA, 4=TEMA, 5=TRIMA, 6=KAMA, 7=MAMA, 8=T3 (Default=SMA)

这个后来发现不是一回事，Ta-lib中的SMA中S是simple简单的意思，SMA是简单移动平均。和文华SMA不一样，文华SMA是指数加权移动平均线，这样的化用EWMA更合适。但是Ta-lib本身并不提供提供EWMA；按照下图发现默认权重为1; EMA或者较为合适，不过此时权重为2。
后来看着此文又不是一回事，以后有空填这个坑。
https://www.joinquant.com/post/7920
VNPY中基于Ta-lib的KDJ策略怎样实现

j值不提供直接只算，直接用kd值，用3*k-2*d算出j值。对了这些返回都是一堆kdj组list，就是可以画成一个线。如果是array是false就返回一个点的kdj值。

好了上面就是对 ArrayManager增加一个kdj方法，在下来就是继承CtaTemplate, 生成策略，这里基本就是
买入思想就是k或d小于某个阈值时候为超卖，当k大于d，就是描述里面K线上穿d线时候，开多单。反之k或d值大于阈值多超买，那么此时k小于d，开空单。。
如果持有多头，那么因为j更加敏感，用j值来做平仓指标. 如果持有多单，，如果j小于d，即j线下穿d线时候卖出多单，或者j值快速下降，下降幅度大于定好的jlimit。。
如果持有空头，同理，如果j大于d，或者j快速增大则平仓。
代码如下：

# encoding: UTF-8
"""
这里的Demo是一个kdj策略实现
"""
from __future__ import division
from vnpy.trader.vtConstant import EMPTY_STRING, EMPTY_FLOAT
from vnpy.trader.app.ctaStrategy.ctaTemplate import (CtaTemplate,
BarGenerator,
ArrayManager)
from talib import MA_Type
########################################################################
class KDJStrategy(CtaTemplate):
"""KDJ策略Demo"""
className = 'KDJStrategy'
author = u'BillyZhang'
# 策略参数
fastk_period = 9
slowk_period = 3
slowk_matype = MA_Type.EMA
slowd_period = 3
slowd_matype = MA_Type.EMA
kdlimit = 20
jlimit = 10
initDays = 10
fixedSize = 1
barmins = 15
# 策略变量
k = 0
d = 0
j = 0
# 参数列表，保存了参数的名称
paramList = ['name',
'className',
'author',
'vtSymbol',
'fastk_period',
'slowk_period',
'slowk_matype',
'slowd_period',
'slowd_matype',
'fixedSize'
'barmins'
]
# 变量列表，保存了变量的名称
varList = ['inited',
'pos',
'k',
'd',
'j']
# 同步列表，保存了需要保存到数据库的变量名称
syncList = ['pos']
# ----------------------------------------------------------------------
def __init__(self, ctaEngine, setting):
"""Constructor"""
super(KDJStrategy, self).__init__(ctaEngine, setting)
self.bg = BarGenerator(self.onBar, self.barmins, self.onXminBar)
self.am = ArrayManager()
# 注意策略类中的可变对象属性（通常是list和dict等），在策略初始化时需要重新创建，
# 否则会出现多个策略实例之间数据共享的情况，有可能导致潜在的策略逻辑错误风险，
# 策略类中的这些可变对象属性可以选择不写，全都放在__init__下面，写主要是为了阅读
# 策略时方便（更多是个编程习惯的选择）
# ----------------------------------------------------------------------
def onInit(self):
"""初始化策略（必须由用户继承实现）"""
self.writeCtaLog(u'KDJ策略初始化')
initData = self.loadBar(self.initDays)
for bar in initData:
self.onBar(bar)
self.putEvent()
# ----------------------------------------------------------------------
def onStart(self):
"""启动策略（必须由用户继承实现）"""
self.writeCtaLog(u'KDJ策略启动')
self.putEvent()
# ----------------------------------------------------------------------
def onStop(self):
"""停止策略（必须由用户继承实现）"""
self.writeCtaLog(u'KDJ策略停止')
self.putEvent()
# ----------------------------------------------------------------------
def onTick(self, tick):
"""收到行情TICK推送（必须由用户继承实现）"""
self.bg.updateTick(tick)
# ----------------------------------------------------------------------
def onBar(self, bar):
"""收到Bar推送（必须由用户继承实现）"""
self.bg.updateBar(bar)
# ----------------------------------------------------------------------
def onXminBar(self, bar):
"""收到Bar推送（必须由用户继承实现）"""
am = self.am
am.updateBar(bar)
if not am.inited:
return
# 计算kdj数值
slowk, slowd, slowj = am.kdj(self.fastk_period, self.slowk_period, self.slowk_matype,
self.slowd_period, self.slowd_matype, array=True)
self.k = slowk[-1]
self.d = slowd[-1]
self.j = slowj[-1]
self.jdif = slowj[-1] - slowj[-2]
tradeindictor = 0
if self.k > (100 - self.kdlimit) or self.d > (100 - self.kdlimit):
tradeindictor = -1
if self.k < self.kdlimit or self.d < self.kdlimit:
tradeindictor = 1
# 当前无仓位，发送开仓委托
if self.pos == 0:
self.intraTradeHigh = bar.high
self.intraTradeLow = bar.low
# 如果k值大于d值均线，开多单；反之，如果如果k值小于d值时候开空单
if self.k > self.d and tradeindictor == 1:
self.buy(bar.close, self.fixedSize, False)
elif self.k < self.d and tradeindictor == -1:
self.short(bar.close, self.fixedSize, False)
# 持有多头仓位; 如果j小于d，或者j最近两个k线，j值下跌超过jlimi平仓, :
elif self.pos > 0:
if self.j < self.d or self.jdif < -1 *self.jlimit:
self.sell(bar.close * 1.03, abs(self.pos))
# 持有空头仓位;如果j大于d,或j快速上扬平仓;
elif self.pos < 0:
if self.j > self.d or self.jdif > self.jlimit:
self.cover(bar.close * 0.97, abs(self.pos))
# 同步数据到数据库
self.saveSyncData()
# 发出状态更新事件
self.putEvent()
# ----------------------------------------------------------------------
def onOrder(self, order):
"""收到委托变化推送（必须由用户继承实现）"""
# 对于无需做细粒度委托控制的策略，可以忽略onOrder
pass
# ----------------------------------------------------------------------
def onTrade(self, trade):
"""收到成交推送（必须由用户继承实现）"""
# 对于无需做细粒度委托控制的策略，可以忽略onOrder
pass
# ----------------------------------------------------------------------
def onStopOrder(self, so):
"""停止单推送"""
pass

以上就是VNPY中基于Ta-lib的KDJ策略怎样实现，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注亿速云行业资讯频道。

VNPY中基于Ta-lib的KDJ策略怎样实现

相关阅读