在讲MACD策略之前，先介绍几个名词。

名词解释

均线MA(N)
N日平均线的平均数 MA(N)=(C1+C2+C3+..)/N
MA就是一般的平均，一段时间内所有值加起来再除以该段时间内的值的个数
指数平滑移动平均线EMA(N)
EMA(N)=2/(n+1)*(今日收盘价-昨日EMA）
EMA是加权平均，可以理解为越近期的值越被重视，越早期的值越轻视。

好了，现在开始我们的正题，下面我们讲一下MACD策略。

MAC策略是什么

MACD是从双指数移动平均线发展而来的，由快的指数移动平均数（EMA12）减去慢的指数移动平均数（EMA26）
当MACD线上穿signal线的时候看涨。（买入信号）
当MACD线下穿signal线的时候看跌。（卖出信号）
其中signal线是MACD的EMA(9)

总结公式如下：

  • MACD=价格EMA(12) - 价格EMA(26).
  • signal线=MACD的EMA(9)

于是，我们有了下面的策略
买入：当MACD线在前一天的值 < 信号线前一天的值，同时，当天MACD线的值 > 当天信号线的值时，说明发生了金叉，此时看涨，第二天买入。
卖出：若已盈利10%，则卖出；若已亏损10%，则卖出。

代码

数据文件603186.csv，如下
603186.csv

  1. #-*- coding:utf-8 -*-
  2. # @Time:2021/5/19 11:12
  4. import datetime
  5. import backtrader as bt
  7. # dataclose[0] # 当日的收盘价
  8. # dataclose[-1] # 昨天的收盘价
  9. # dataclose[-2] # 前天的收盘价
  11. class TestStrategy(bt.Strategy):
  12.     """
  13.     继承并构建自己的bt策略
  14.     """
  15.     def __init__(self):
  16.         # 初始化相关数据
  17.         self.dataclose = self.datas[0].close
  18.         self.order = None
  19.         self.buyprice = None
  20.         self.buycomm = None
  21.         # self.volume = self.datas[0].volume
  23.         self.me12 = bt.indicators.EMA(self.data, period=12)
  24.         self.me26 = bt.indicators.EMA(self.data, period=26)
  25.         self.macd = self.me12 - self.me26
  26.         self.signal = bt.indicators.EMA(self.macd, period=9)
  27.         # bt.indicators.MACDHisto(self.data)
  29.     def notify_order(self, order):
  30.         """
  31.         订单状态处理
  32.         :param order: 订单状态
  33.         """
  34.         if order.status in [order.Submitted, order.Accepted]:
  35.             # 如订单已被处理，则不用做任何事情
  36.             return
  38.         # 检查订单是否完成
  39.         if order.status in [order.Completed]:
  40.             if order.isbuy():
  41.                 self.buyprice = order.executed.price
  42.                 self.buycomm = order.executed.comm
  43.                 self.bar_executed_close = self.dataclose[0]
  44.             self.bar_exected = len(self)
  47.         # 订单因为缺少资金之类的原因被拒绝执行
  48.         elif order.status in [order.Canceled, order.Margin, order.Rejected]:
  49.             self.log('Order Caceled/Margin/Rejected')
  51.         # 订单状态处理完成，设为空
  52.         self.order = None
  54.     def notify_trade(self, trade):
  55.         """
  56.         交易成果
  57.         :param trade: 交易状态
  58.         :return:
  59.         """
  60.         if not trade.isclosed:
  61.             return
  62.         # 显示交易的毛利率和净利润
  63.         self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %
  64.                  (trade.pnl, trade.pnlcomm), doprint=True)
  65.     def log(self, txt, dt=None, doprint=False):
  66.         '''
  67.         日志函数， 用于统一输出日志格式
  68.         '''
  69.         dt = dt or self.datas[0].datetime.date(0)
  70.         print('%s, %s' % (dt.isoformat(), txt))
  71.         return
  73.     def next(self):
  74.         # 记录收盘价
  75.         self.log('Close,%.2f' % self.dataclose[0])
  77.         # 是否正在下单，如果是的话不能提交第二次订单
  78.         if self.order:
  79.             return
  81.         # 是否已经买入
  82.         if not self.position:
  83.             # 如果没有持仓，若前一天MACD < Signal, 当天 Signal < MACD，则第二天买入
  84.             if self.macd[-1] < self.signal[-1] and self.macd[0] > self.signal[0]:
  85.                 self.log('BUY CREATE, %.2f' % self.dataclose[0])
  86.                 self.order = self.buy()
  87.         else:
  88.             # 若已盈利10%，则卖出；若已亏损10%，则卖出。
  89.             condition = (self.dataclose[0] - self.bar_executed_close) / self.dataclose[0]
  90.             if condition > 0.1 or condition < -0.1:
  92.                 self.log('SELL CREATE, %.2f' % self.dataclose[0])
  93.                 self.order = self.sell()
  95.     def stop(self):
  96.         self.log(u'(金叉死叉有用吗) Ending Value %.2f' %
  97.                  (self.broker.getvalue()), doprint=True)
  100. def load_data():
  101.     data = bt.feeds.GenericCSVData(
  102.         dataname='603186.csv',
  103.         fromdate=datetime.datetime(2010, 1, 1),
  104.         todate=datetime.datetime(2020, 4, 12),
  105.         dtformat='%Y%m%d',
  106.         datetime=2,
  107.         open=3,
  108.         high=4,
  109.         low=5,
  110.         close=6,
  111.         volume=10,
  112.         reverse=True
  113.     )
  114.     return data
  117. def main():
  119.     # 初始化模型
  120.     cerebro = bt.Cerebro()
  122.     # 构建策略
  123.     strats = cerebro.addstrategy(TestStrategy)
  124.     # 设定买入的股数
  125.     cerebro.addsizer(bt.sizers.FixedSize, stake=100)
  127.     data = load_data()
  128.     #加载数据到模型
  129.     cerebro.adddata(data)
  131.     # 设定初始资金
  132.     cerebro.broker.set_cash(10000)
  133.     # 设定交易佣金(万五，交易额每满一万元收取5元佣金)
  134.     cerebro.broker.setcommission(0.005)
  137.     # 策略执行前的资金
  138.     print('Starting Portfolio Value:%.2f' % cerebro.broker.get_value())
  140.     # 策略执行
  141.     cerebro.run()
  143.     # 策略执行后的资金
  144.     print('Final Portfolio Value:%.2f' % cerebro.broker.get_value())
  145.     cerebro.plot()
  147. if __name__ == '__main__':
  148.     main()

结果预览
image.png
Figure_0.png
由上图可以看到，8次操作中盈利了7次，总盈利2600。
虽然量化策略是有效果的，但是最重要的还是选股，如何选到最佳的股票，就需要多看财报、多动脑了，世界上没有不劳而获的财富！