内置策略

内置策略

Jiuhuang提供多种内置策略，可直接使用。

快速使用

from jiuhuang.strategy import *

# 使用内置策略
strategies = {
    "海龟": StrategyTurtle(entry_window=20, exit_window=10),
    "移动均线交叉": StrategyMovingAverageCrossover(12, 24),
    "买入持有": StrategyBuyAndHold(),
}

可用策略

海龟交易策略 (StrategyTurtle)

经典的趋势跟踪策略，基于历史高点/低点突破入场。

策略逻辑：

• 入场：收盘价突破过去 N 天的最高价时买入
• 出场：收盘价跌破过去 M 天的最低价时卖出

参数：

参数	类型	默认值	描述
entry_window	int	20	入场窗口期，计算历史最高价的天数
exit_window	int	10	出场窗口期，计算历史最低价的天数

使用场景：

• 趋势明显的市场
• 波动性较大的品种
• 长期趋势跟踪

StrategyTurtle(entry_window=20, exit_window=10)

---

均线交叉策略 (StrategyMovingAverageCrossover)

利用短期和长期均线的交叉来判断趋势。

策略逻辑：

• 入场（金叉）：短期均线从下向上突破长期均线
• 出场（死叉）：短期均线从上向下突破长期均线

参数：

参数	类型	默认值	描述
short_window	int	50	短期均线窗口期
long_window	int	200	长期均线窗口期

使用场景：

• 中长期趋势跟踪
• 趋势明显的市场
• 避免在震荡市中使用

StrategyMovingAverageCrossover(short_window=50, long_window=200)

---

买入持有策略 (StrategyBuyAndHold)

最简单的长期投资策略，在起始日期买入后一直持有。

策略逻辑：

• 入场：在数据起始日期买入（只触发一次）
• 出场：无卖出信号（持续持有）

使用场景：

• 长期投资
• 作为策略表现的基准对比
• 配合其他风险控制参数使用

StrategyBuyAndHold()

---

成交量趋势策略 (StrategyVolumeTrend)

基于成交量和价格趋势的策略，结合量价关系判断市场动向。

策略逻辑：

• 入场：价格在均线之上 + 成交量显著放大 + 成交量趋势向上
• 出场：价格跌破均线 或 成交量萎缩 或 成交量趋势向下

参数：

参数	类型	默认值	描述
ma_window	int	20	移动平均线窗口期
volume_window	int	20	成交量平均窗口期
volume_threshold	float	1.2	成交量放大阈值（倍数）
volume_trend_threshold	float	0.1	成交量趋势阈值
price_change_threshold	float	0.02	价格变动阈值

使用场景：

• 成交量活跃的市场
• 需要结合量价关系判断趋势
• 捕捉放量突破行情

StrategyVolumeTrend(ma_window=20, volume_window=20, volume_threshold=1.2)

---

量价背离策略 (StrategyVolumeDivergence)

基于RSI指标和成交量背离的策略，捕捉价格与成交量的背离信号。

策略逻辑：

• 入场：RSI超卖 + 成交量趋势向上 + 价格下跌（底背离）
• 出场：RSI超买 + 成交量趋势向下 + 价格上涨（顶背离）

参数：

参数	类型	默认值	描述
rsi_window	int	14	RSI计算窗口期
volume_window	int	20	成交量平均窗口期
volume_trend_threshold	float	0.05	成交量趋势阈值
price_change_threshold	float	0.02	价格变动阈值
rsi_oversold	float	30	RSI超卖阈值
rsi_overbought	float	70	RSI超买阈值

使用场景：

• 震荡市场中的反转信号
• 捕捉背离信号
• 需要结合超买超卖指标使用

StrategyVolumeDivergence(rsi_window=14, rsi_oversold=30, rsi_overbought=70)

---

均值回归策略 (StrategyMeanReversion)

基于价格偏离均值程度的策略，假设价格会回归到均值水平。

策略逻辑：

• 入场：价格显著低于均线（负偏离）+ RSI超卖
• 出场：价格显著高于均线（正偏离）+ RSI超买

参数：

参数	类型	默认值	描述
ma_window	int	20	均线窗口期
deviation_threshold	float	0.02	价格偏离均线阈值（2%）
rsi_window	int	14	RSI计算窗口期
rsi_oversold	int	30	RSI超卖阈值
rsi_overbought	int	70	RSI超买阈值

使用场景：

• 震荡市场
• 价格波动后回归均值的行情
• 适合区间震荡的股票

StrategyMeanReversion(ma_window=20, deviation_threshold=0.02)

---

RSI 策略 (StrategyRSI)

基于RSI指标的超买超卖区域进行交易的策略。

策略逻辑：

• 入场：RSI从超卖区域回升（如从30以下回到30以上）
• 出场：RSI进入超买区域后回落（如从70以上回到70以下）

参数：

参数	类型	默认值	描述
rsi_window	int	14	RSI计算窗口期
rsi_oversold	float	30	RSI超卖阈值
rsi_overbought	float	70	RSI超买阈值
rsi_exit_oversold	float	50	RSI超卖退出阈值
rsi_exit_overbought	float	50	RSI超买退出阈值

使用场景：

• 震荡市场
• 捕捉价格的短期反弹和回调
• 需要配合趋势判断避免逆势交易

StrategyRSI(rsi_window=14, rsi_oversold=30, rsi_overbought=70)

---

布林带策略 (StrategyBollingerBands)

基于布林带上下轨突破进行交易的策略，利用价格统计分布原理。

策略逻辑：

• 入场（突破）：价格突破布林带上轨买入
• 出场：价格跌破布林带中轨卖出

参数：

参数	类型	默认值	描述
window	int	20	布林带中轨窗口期
num_std	float	2.0	标准差倍数
use_mean_reversion	bool	False	是否使用均值回归逻辑

使用场景：

• 波动性较大的市场
• 趋势反转的捕捉
• 震荡区间突破行情

StrategyBollingerBands(window=20, num_std=2.0)

---

动量策略 (StrategyMomentum)

基于价格动量进行交易的策略，假设上涨的股票将继续上涨，下跌的将继续下跌。

策略逻辑：

• 入场：价格动量指标超过阈值且为正 + 价格在均线之上
• 出场：价格动量指标转负或跌破均线

参数：

参数	类型	默认值	描述
momentum_window	int	20	动量计算窗口期
momentum_threshold	float	0.05	动量阈值（5%）
ma_window	int	60	均线窗口期

使用场景：

• 趋势明确的市场
• 捕捉趋势的延续
• 适合中长期交易

StrategyMomentum(momentum_window=20, momentum_threshold=0.05, ma_window=60)

---

突破策略 (StrategyBreakout)

基于价格突破历史高低点进行交易的策略，是经典的趋势跟踪策略。

策略逻辑：

• 入场：价格突破过去N天的最高价
• 出场：价格跌破过去M天的最低价

参数：

参数	类型	默认值	描述
lookback_period	int	20	回溯期，计算历史高低价的天数
atr_multiplier	float	2.0	ATR倍数，用于动态止损
use_atr_stop	bool	False	是否使用ATR跟踪止损

使用场景：

• 趋势明显的市场
• 捕捉突破后的趋势行情
• 适合短线和波段交易

StrategyBreakout(lookback_period=20, atr_multiplier=2.0, use_atr_stop=False)

---

Dual Thrust 策略 (StrategyDualThrust)

由Michael Chalek开发的经典日内交易策略，通过计算上下轨进行突破交易。

策略逻辑：

• 入场：价格突破上轨（开盘价+N倍Range）
• 出场：价格跌破下轨

参数：

参数	类型	默认值	描述
k1	float	0.5	上轨系数
k2	float	0.5	下轨系数
lookback_period	int	20	回溯期

使用场景：

• 日内交易
• 趋势明显的市场
• 捕捉突破行情

StrategyDualThrust(k1=0.5, k2=0.5, lookback_period=20)

---

策略对比

from jiuhuang.data import JiuhuangData, DataTypes
from jiuhuang.strategy import *
from jiuhuang.backtest import backtest
from jiuhuang.dash import display_backtesting
import warnings

warnings.filterwarnings("ignore")

jh = JiuhuangData()

# 对比多个策略
strategies = {
    "海龟": StrategyTurtle(entry_window=20, exit_window=10),
    "移动均线交叉": StrategyMovingAverageCrossover(12, 24),
    "买入持有": StrategyBuyAndHold(),
}

# 获取数据
symbols = ["000001", "600036", "600519", "000858", "601318", "000002"]
stock_price = jh.get_data(
    DataTypes.STOCK_ZH_A_HIST_QFQ,
    start="2024-12-25",
    end="2026-03-11",
    symbol=",".join(symbols),
)
stock_info = jh.get_data(DataTypes.STOCK_INDIVIDUAL_INFO_EM)

# 执行回测
trading_history, backtest_perf = backtest(strategies, stock_price, stock_info)

# 展示结果
display_backtesting(trading_history, backtest_perf)