使用python+mongodb实现网格交易的思路：

网格，顾名思义，就是低买高卖，实现方案是用python，对某只股票的历史数据：

1. 从x天开始算（当天就买入）
2. 设定一个预期卖出价格，比如，比上次买入价格盈利5%，则卖出
3. 设定一个预期买入价格，比如，比上次买入价格下跌5%，再次买入

由于还需要考虑其他问题，比如：

1. 买入的股数，必须是100的整数倍
2. 当天买入的份额，当天是不能卖的
3. 如果股价一飞冲天，会不会卖飞？为了解决这个问题，我们使用一个数值：“累计买入次数”，买入+1，卖出-1，只需要观察数值的大小，就知道最大会卖飞多少，那么对应的，考虑为其建底仓。
4. 股价会不会一直下跌？理论上是会的，我们还是使用“累计买入次数”这个变量，来看极限情况下，最多买入多少次（考虑了卖出-1）

标的选择

这个是很多的，比如我常看的是下面这几个，比较稳健：

数据抓取

抓取历史数据，有很多的方案，比如

• Tushare：https://www.tushare.pro/
• 万得api
• 爬虫（我用过搜狐证券：https://q.stock.sohu.com/cn/512010/lshq.shtml）

网格策略

变量描述

方案跟最开始的描述一致，代码中用到的一些变量

self.collection_detail_name = '策略2-网格-明细'+security
self.collection_summary_name = '策略2-网格-汇总'+security
super().__init__()
####################  计算数据  ########################
self.symbol = security
self.collection_name = security
self.mongo_util = MongoUtil()
self.start_date = start_date
##################  策略过程数据  #######################
self.last_buy_price = 0.000
# 预期买入价格
self.expect_buy_price = 0.000
# 预期卖出价格（根据最近一次买入价格计算） self.last_buy_price*(1+self.expect_percent)
self.expect_sell_price = 0.000
# 最多加仓多少次
self.buy_count = 0
self.sell_count = 0
# 最大浮亏金额
self.lose_total_money = 0.000
# 最大浮亏比例。 比如4.323%，这里就是4.323，不需要%。由于收益率是最终数据，此数据记录中间过程
self.lose_percent = 0.000
# 持有时间（从买到卖总天数，非交易天数，是自然日）
self.hold_days = 0
#####################  持仓情况  ########################
# cost: 成本价； capital：本金；shares：持有份额；benefit：收益；benefit_rate：收益率(不包含%)
# transactions: 交易信息 {'date': '', 'money': 0.000, 'shares':0, 'direction': '买入或卖出'}
self.hold_meta = {'cost': 0.000, 'capital': 0.000, 'shares': 0, 'benefit': 0.000, 'benefit_rate': 0.000,
'transactions': []}
#####################  达标目标  ########################
# 预期达标比例，例如盈利10%，就是0.1
self.expect_percent = 0.05
# 每次买入金额（这个还需要根据实际买入份额计算100整数倍）
self.per_buy_capital = 10000
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

开始测算

计算的时候，只需要如下：

# security是股票代码，date是希望从这一天开始测算，理论上随便选取哪天都可以，这样的话，可以策略在高点回落的极端场景，比如2018年以及之后的走势
strategy_meta = {"security": "SH601939", 'date': '2018-01-02'}
this = StrategyGrid(security=strategy_meta['security'], start_date=strategy_meta['date'])
# 删除mongodb中的旧的测算数据
this.delete_collection()
# 开始测算
this.run()
1
2
3
4
5
6
7

结果分析

这个是重头戏，先贴上来测算的结果（如有不对，麻烦指出）

标题头部：

_id：mongodb的唯一键

Benefit:利润，赚的钱

Benefit_rate：利润率

Buy_count: 前文解释过，是统计的历史"买入-卖出"次数

Capital:本金

cost：成本

date：交易日期（买入或卖出日期）

direction：交易方向（买入或卖出）

money：买入或卖出金额

price：买入或卖出价格

security:股票代码

Shares: 当前持仓数量

Start_date:测算的开始日期

• 从2018-01-02开始，总共交易了多少次？买入和卖出各多少？

  共79次，买入40次，卖出39次

  

  

• buy_count最大和最小多少？

  buy_count代表的是最多买入多少笔（最多加仓次数），最多卖出多少笔（卖飞）,还是比较重要的

  • 最大：5

  • 最小：-3

    
    后续还会增加matplotlib进行可视化显示，比较好分析数据。