Análise da estratégia da colheitadeira de alho-poró
Recentemente, o inventor do grupo de discussão quantitativa WeChatprint moneyA discussão sobre robôs foi muito acalorada, e uma estratégia muito antiga voltou a entrar na visão dos quants:Colheitadeira de alho-poró。
print moneyO princípio de negociação do robô se baseia na estratégia da colheitadeira de alho-poró. Eu me culpo por não entender a estratégia da colheitadeira de alho-poró claramente naquela época. Então, revisei cuidadosamente a estratégia original novamente e também revisei a versão transplantada no Inventor Quant.Transplante OKCoin Colheitadeira de Alho-poró。
Vamos pegar a versão transplantada da estratégia da colheitadeira de alho-poró da Plataforma Quantitativa do Inventor para analisar a estratégia e explorar as ideias por trás dela. Para que os usuários da plataforma possam aprender essa ideia estratégica.
Neste artigo, analisaremos mais a partir da perspectiva do pensamento estratégico, intenções, etc., e tentaremos reduzir o conteúdo chato relacionado à programação.
[Transplante OKCoin Leek Harvester] Código-fonte da estratégia:
pine
function LeeksReaper() {
var self = {}
self.numTick = 0
self.lastTradeId = 0
self.vol = 0
self.askPrice = 0
self.bidPrice = 0
self.orderBook = {Asks:[], Bids:[]}
self.prices = []
self.tradeOrderId = 0
self.p = 0.5
self.account = null
self.preCalc = 0
self.preNet = 0
self.updateTrades = function() {
var trades = _C(exchange.GetTrades)
if (self.prices.length == 0) {
while (trades.length == 0) {
trades = trades.concat(_C(exchange.GetTrades))
}
for (var i = 0; i < 15; i++) {
self.prices[i] = trades[trades.length - 1].Price
}
}
self.vol = 0.7 * self.vol + 0.3 * _.reduce(trades, function(mem, trade) {
// Huobi not support trade.Id
if ((trade.Id > self.lastTradeId) || (trade.Id == 0 && trade.Time > self.lastTradeId)) {
self.lastTradeId = Math.max(trade.Id == 0 ? trade.Time : trade.Id, self.lastTradeId)
mem += trade.Amount
}
return mem
}, 0)
}
self.updateOrderBook = function() {
var orderBook = _C(exchange.GetDepth)
self.orderBook = orderBook
if (orderBook.Bids.length < 3 || orderBook.Asks.length < 3) {
return
}
self.bidPrice = orderBook.Bids[0].Price * 0.618 + orderBook.Asks[0].Price * 0.382 + 0.01
self.askPrice = orderBook.Bids[0].Price * 0.382 + orderBook.Asks[0].Price * 0.618 - 0.01
self.prices.shift()
self.prices.push(_N((orderBook.Bids[0].Price + orderBook.Asks[0].Price) * 0.35 +
(orderBook.Bids[1].Price + orderBook.Asks[1].Price) * 0.1 +
(orderBook.Bids[2].Price + orderBook.Asks[2].Price) * 0.05))
}
self.balanceAccount = function() {
var account = exchange.GetAccount()
if (!account) {
return
}
self.account = account
var now = new Date().getTime()
if (self.orderBook.Bids.length > 0 && now - self.preCalc > (CalcNetInterval * 1000)) {
self.preCalc = now
var net = _N(account.Balance + account.FrozenBalance + self.orderBook.Bids[0].Price * (account.Stocks + account.FrozenStocks))
if (net != self.preNet) {
self.preNet = net
LogProfit(net)
}
}
self.btc = account.Stocks
self.cny = account.Balance
self.p = self.btc * self.prices[self.prices.length-1] / (self.btc * self.prices[self.prices.length-1] + self.cny)
var balanced = false
if (self.p < 0.48) {
Log("开始平衡", self.p)
self.cny -= 300
if (self.orderBook.Bids.length >0) {
exchange.Buy(self.orderBook.Bids[0].Price + 0.00, 0.01)
exchange.Buy(self.orderBook.Bids[0].Price + 0.01, 0.01)
exchange.Buy(self.orderBook.Bids[0].Price + 0.02, 0.01)
}
} else if (self.p > 0.52) {
Log("开始平衡", self.p)
self.btc -= 0.03
if (self.orderBook.Asks.length >0) {
exchange.Sell(self.orderBook.Asks[0].Price - 0.00, 0.01)
exchange.Sell(self.orderBook.Asks[0].Price - 0.01, 0.01)
exchange.Sell(self.orderBook.Asks[0].Price - 0.02, 0.01)
}
}
Sleep(BalanceTimeout)
var orders = exchange.GetOrders()
if (orders) {
for (var i = 0; i < orders.length; i++) {
if (orders[i].Id != self.tradeOrderId) {
exchange.CancelOrder(orders[i].Id)
}
}
}
}
self.poll = function() {
self.numTick++
self.updateTrades()
self.updateOrderBook()
self.balanceAccount()
var burstPrice = self.prices[self.prices.length-1] * BurstThresholdPct
var bull = false
var bear = false
var tradeAmount = 0
if (self.account) {
LogStatus(self.account, 'Tick:', self.numTick, ', lastPrice:', self.prices[self.prices.length-1], ', burstPrice: ', burstPrice)
}
if (self.numTick > 2 && (
self.prices[self.prices.length-1] - _.max(self.prices.slice(-6, -1)) > burstPrice ||
self.prices[self.prices.length-1] - _.max(self.prices.slice(-6, -2)) > burstPrice && self.prices[self.prices.length-1] > self.prices[self.prices.length-2]
)) {
bull = true
tradeAmount = self.cny / self.bidPrice * 0.99
} else if (self.numTick > 2 && (
self.prices[self.prices.length-1] - _.min(self.prices.slice(-6, -1)) < -burstPrice ||
self.prices[self.prices.length-1] - _.min(self.prices.slice(-6, -2)) < -burstPrice && self.prices[self.prices.length-1] < self.prices[self.prices.length-2]
)) {
bear = true
tradeAmount = self.btc
}
if (self.vol < BurstThresholdVol) {
tradeAmount *= self.vol / BurstThresholdVol
}
if (self.numTick < 5) {
tradeAmount *= 0.8
}
if (self.numTick < 10) {
tradeAmount *= 0.8
}
if ((!bull && !bear) || tradeAmount < MinStock) {
return
}
var tradePrice = bull ? self.bidPrice : self.askPrice
while (tradeAmount >= MinStock) {
var orderId = bull ? exchange.Buy(self.bidPrice, tradeAmount) : exchange.Sell(self.askPrice, tradeAmount)
Sleep(200)
if (orderId) {
self.tradeOrderId = orderId
var order = null
while (true) {
order = exchange.GetOrder(orderId)
if (order) {
if (order.Status == ORDER_STATE_PENDING) {
exchange.CancelOrder(orderId)
Sleep(200)
} else {
break
}
}
}
self.tradeOrderId = 0
tradeAmount -= order.DealAmount
tradeAmount *= 0.9
if (order.Status == ORDER_STATE_CANCELED) {
self.updateOrderBook()
while (bull && self.bidPrice - tradePrice > 0.1) {
tradeAmount *= 0.99
tradePrice += 0.1
}
while (bear && self.askPrice - tradePrice < -0.1) {
tradeAmount *= 0.99
tradePrice -= 0.1
}
}
}
}
self.numTick = 0
}
return self
}
function main() {
var reaper = LeeksReaper()
while (true) {
reaper.poll()
Sleep(TickInterval)
}
}
Visão geral da estratégia
Geralmente, quando você recebe uma estratégia para aprender, ao lê-la, você deve primeiro observar a estrutura geral do programa. Essa estratégia não tem muito código, apenas menos de 200 linhas de código, o que é muito conciso, e o grau de restauração da estratégia original é muito alto, sendo basicamente o mesmo. O código da política vai demain()A função começa a ser executada e todo o código da estratégia émain(), é umLeeksReaper()A função,LeeksReaper()A função também é fácil de entender. Esta função pode ser entendida como o construtor do módulo de lógica de estratégia do leek harvester (um objeto). SimplificandoLeeksReaper()Ele é responsável por construir uma lógica de transação do coletor de alho-poró.
Palavras-chave:
-
Estratégia
mainA primeira linha da função:
var reaper = LeeksReaper(), o código declara uma variável localreaperEm seguida, chame a função LeeksReaper() para construir um objeto de lógica de estratégia e atribuí-lo areaper。 -
Estratégia
mainA função é a seguinte:javascriptwhile (true) { reaper.poll() Sleep(TickInterval) }Digite um
whileLoop morto, execução infinitareaperFunção de processamento de objetospoll()，poll()A função é a lógica principal da estratégia de negociação, e todo o programa de estratégia começa a executar a lógica de negociação continuamente.
Quanto aSleep(TickInterval)Esta linha é fácil de entender. Ela é para controlar o tempo de pausa após cada execução da lógica geral da transação. O propósito é controlar a frequência de rotação da lógica da transação.
Criação de perfilLeeksReaper()Construtor
dê uma olhadaLeeksReaper()Como as funções constroem um objeto de lógica de estratégia.
LeeksReaper()No início da função, um objeto vazio é declarado.var self = {},existLeeksReaper()Durante a execução da função, alguns métodos e propriedades serão gradualmente adicionados a este objeto vazio e, finalmente, a construção deste objeto será concluída e, finalmente, este objeto será retornado (ou seja,main()Dentro da funçãovar reaper = LeeksReaper()Nesta etapa, o objeto retornado é atribuído areaper）。
DarselfAdicionar propriedades a um objeto
Próximo darselfMuitas propriedades foram adicionadas. Descreverei cada propriedade abaixo para que você possa entender rapidamente o propósito e a intenção dessas propriedades e variáveis, o que facilitará seu entendimento da estratégia e evitará confusão ao ver essa pilha de código.
python
self.numTick = 0 # 用来记录poll函数调用时未触发交易的次数，当触发下单并且下单逻辑执行完时，self.numTick重置为0
self.lastTradeId = 0 # 交易市场已经成交的订单交易记录ID，这个变量记录市场当前最新的成交记录ID
self.vol = 0 # 通过加权平均计算之后的市场每次考察时成交量参考（每次循环获取一次市场行情数据，可以理解为考察了行情一次）
self.askPrice = 0 # 卖单提单价格，可以理解为策略通过计算后将要挂卖单的价格
self.bidPrice = 0 # 买单提单价格
self.orderBook = {Asks:[], Bids:[]} # 记录当前获取的订单薄数据，即深度数据（卖一...卖n,买一...买n）
self.prices = [] # 一个数组，记录订单薄中前三档加权平均计算之后的时间序列上的价格，简单说就是每次储存计算得到的订单薄前三档加权平均价格，放在一个数组中，用于后续策略交易信号参考，所以该变量名是prices，复数形式，表示一组价格
self.tradeOrderId = 0 # 记录当前提单下单后的订单ID
self.p = 0.5 # 仓位比重，币的价值正好占总资产价值的一半时，该值为0.5，即平衡状态
self.account = null # 记录账户资产数据，由GetAccount()函数返回数据
self.preCalc = 0 # 记录最近一次计算收益时的时间戳，单位毫秒，用于控制收益计算部分代码触发执行的频率
self.preNet = 0 # 记录当前收益数值
DarselfMétodo de adição de objeto
Depois de adicionar esses atributos a si mesmo, comece aselfAdicionar métodos a um objeto permite que ele faça algum trabalho e tenha algumas funções.
A primeira função adicionada:
cpp
self.updateTrades = function() {
var trades = _C(exchange.GetTrades) # 调用FMZ封装的接口GetTrades，获取当前最新的市场成交数据
if (self.prices.length == 0) { # 当self.prices.length == 0时，需要给self.prices数组填充数值，只有策略启动运行时才会触发
while (trades.length == 0) { # 如果近期市场上没有更新的成交记录，这个while循环会一直执行，直到有最新成交数据，更新trades变量
trades = trades.concat(_C(exchange.GetTrades)) # concat 是JS数组类型的一个方法，用来拼接两个数组，这里就是把“trades”数组和“_C(exchange.GetTrades)”返回的数组数据拼接成一个数组
}
for (var i = 0; i < 15; i++) { # 给self.prices填充数据，填充15个最新成交价格
self.prices[i] = trades[trades.length - 1].Price
}
}
self.vol = 0.7 * self.vol + 0.3 * _.reduce(trades, function(mem, trade) { # _.reduce 函数迭代计算，累计最新成交记录的成交量
// Huobi not support trade.Id
if ((trade.Id > self.lastTradeId) || (trade.Id == 0 && trade.Time > self.lastTradeId)) {
self.lastTradeId = Math.max(trade.Id == 0 ? trade.Time : trade.Id, self.lastTradeId)
mem += trade.Amount
}
return mem
}, 0)
}
updateTradesO objetivo desta função é obter os dados mais recentes de transações de mercado, realizar alguns cálculos com base nos dados e registrá-los para uso na lógica subsequente da estratégia.
Escrevi os comentários linha por linha diretamente no código acima.
para_.reduceAlunos que não têm uma base de programação podem ficar confusos. Aqui vai uma breve explicação._.reducesimUnderscore.jsAs funções desta biblioteca são suportadas pela estratégia FMZJS, por isso é muito conveniente usá-la para cálculos iterativos.Link de dados Underscore.js
O significado também é muito simples, por exemplo:
python
function main () {
var arr = [1, 2, 3, 4]
var sum = _.reduce(arr, function(ret, ele){
ret += ele
return ret
}, 0)
Log("sum:", sum) # sum 等于 10
}
Ou seja, a matriz[1, 2, 3, 4]Some cada número em . Voltando à nossa estratégia,tradesOs valores de volume de transação de cada registro de transação na matriz são somados. Obtenha o registro de transações mais recente e o volume total de transações.self.vol = 0.7 * self.vol + 0.3 * _.reduce(...)Por favor, permita-me usar...Em vez desse monte de código. Não é difícil ver aqui queself.volO cálculo também é uma média ponderada. Ou seja, o volume total de transações mais recente representa 30% do peso, e o volume de transações obtido pelo cálculo ponderado anterior representa 70%. Essa proporção é definida artificialmente pelo autor da estratégia e pode estar relacionada à observação de padrões de mercado.
Quanto à sua pergunta, e se a interface para obter os dados de transação mais recentes retornar dados antigos duplicados para mim? Então os dados que eu obtiver estarão errados, então há algum sentido em usá-la? Não se preocupe, esse problema foi levado em consideração ao projetar a estratégia, por isso está incluído no código.
python
if ((trade.Id > self.lastTradeId) || (trade.Id == 0 && trade.Time > self.lastTradeId)) {
...
}
Este julgamento. Pode ser julgado com base no ID da transação no registro da transação. A acumulação é acionada somente quando o ID é maior que o ID do último registro, ou se a interface de troca não fornece o ID, ou seja,trade.Id == 0, usando o registro de data e hora no registro da transação para determinar, neste momentoself.lastTradeIdO que é armazenado é o registro de data e hora do registro da transação, não o ID.
A segunda função adicionou:
python
self.updateOrderBook = function() {
var orderBook = _C(exchange.GetDepth)
self.orderBook = orderBook
if (orderBook.Bids.length < 3 || orderBook.Asks.length < 3) {
return
}
self.bidPrice = orderBook.Bids[0].Price * 0.618 + orderBook.Asks[0].Price * 0.382 + 0.01
self.askPrice = orderBook.Bids[0].Price * 0.382 + orderBook.Asks[0].Price * 0.618 - 0.01
self.prices.shift()
self.prices.push(_N((orderBook.Bids[0].Price + orderBook.Asks[0].Price) * 0.35 +
(orderBook.Bids[1].Price + orderBook.Asks[1].Price) * 0.1 +
(orderBook.Bids[2].Price + orderBook.Asks[2].Price) * 0.05))
}
Próxima observaçãoupdateOrderBookComo o nome sugere, esta função é usada para atualizar o livro de ordens. No entanto, é mais do que apenas atualizar o livro de pedidos. A função começa a chamar a função API do FMZGetDepth()Obtenha os dados atuais do livro de ordens do mercado (venda um... venda n, compre um... compre n) e registre os dados do livro de ordens emself.orderBookmeio. Em seguida, se os dados do livro de ordens contiverem menos de 3 ordens de compra e venda, a função será considerada inválida e retornará diretamente.
Posteriormente, foram calculados dois dados:
-
Calcular o preço do conhecimento de embarque
O cálculo do preço do conhecimento de embarque também é baseado na média ponderada. Ao calcular a ordem de compra, a ordem de compra recebe um peso maior de 61,8% (0,618), e a ordem de venda responde pelo peso restante de 38,2% ( (0,382).
O mesmo se aplica ao calcular o preço de venda do conhecimento de embarque, sendo dado maior peso ao preço de venda. Quanto ao motivo de ser 0,618, pode ser que o autor prefira a proporção áurea. Quanto ao ligeiro aumento ou diminuição final do preço (0,01), é para deslocá-lo ligeiramente em direção ao centro do mercado. -
Atualizar o preço médio ponderado dos três primeiros níveis do livro de ordens na série temporal
Um cálculo de média ponderada é realizado nos três primeiros níveis de preços de ordens de compra e venda no livro de ordens, com o primeiro nível tendo um peso de 0,7, o segundo nível tendo um peso de 0,2 e o terceiro nível tendo um peso de 0,1. . Alguns alunos podem dizer: "Ah, isso não está certo, não há 0,7, 0,2, 0,1 no código"
Vamos expandir o cálculo:(买一 + 卖一) * 0.35 + (买二 + 卖二) * 0.1 + (买三 + 卖三) * 0.05 -> (买一 + 卖一) / 2 * 2 * 0.35 + (买二 + 卖二) / 2 * 2 * 0.1 + (买三 + 卖三) / 2 * 2 * 0.05 -> (买一 + 卖一) / 2 * 0.7 + (买二 + 卖二) / 2 * 0.2 + (买三 + 卖三) / 2 * 0.1 -> 第一档平均的价格 * 0.7 + 第二档平均的价格 * 0.2 + 第三档平均的价格 * 0.1Aqui você pode ver que o preço final calculado na verdade reflete a posição de preço médio dos três níveis no mercado atual.
Em seguida, use este preço calculado para atualizarself.pricesMatriz, expulse os dados mais antigos (por meio deshift()função), atualizar os dados mais recentes (por meio depush()Function, shift e push functions são métodos de objetos array da linguagem JS. Você pode verificar as informações do JS para obter detalhes). Assim formandoself.pricesUma matriz é um fluxo de dados ordenados em séries temporais.
Ahem, beba um pouco de água, vou parar por aqui por enquanto, até a próxima~
- 1