數據分析--均值回歸策略（選股）

均值回歸理論

均值回歸：“跌下去的遲早要漲上來”  ,  選股用， 不適合做擇時，因為不知道什么時候是偏離最低

均值回歸的理論基於以下觀測：價格的波動一般會以它的均線為中心。也就是說，

當標的價格由於波動而偏離移動均線時，它將調整並重新歸於均線。

定義偏離程度：（MA-P）/MA       ---MA均線，P價格

均值回歸策略：在每個調倉日進行

   計算股票池中所有股票的N日均線

   計算股票池中所有股票與均線的偏離度

   選取偏離度最高的M只股票並調倉，比如某只股票前幾年波動較小，突然出現波動很大的情況，就有持有的價值

from jqdata import *

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    g.security = get_index_stocks('000300.XSHG')
    
    g.ma_days = 30 # 均值回歸理論選30天為基准
    g.stock_num = 10 # 持倉10支股票

    run_monthly(handle, 1)
def handle(context):
    
    sr = pd.Series(index=g.security)
    for stock in sr.index:
        # 計算偏離程度
        ma = attribute_history(stock, g.ma_days)['close'].mean()
        p = get_current_data()[stock].day_open
        ratio = (ma - p)/ma
        sr[stock] = ratio
    to_hold = sr.nlargest(g.stock_num).index # 選好的股票

    for stock in context.portfolio.positions:
        if stock not in to_hold:
            order_target(stock, 0)
    to_buy = [stock for stock in to_hold if stock not in context.portfolio.positions]
    if len(to_buy) > 0:
        cash_per_stock = context.portfolio.available_cash / len(to_buy)
        for stock in to_buy:
            order_value(stock, cash_per_stock)