关于Pandas

Pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

Pandas数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。

关于pandas的安装方法，这里不在赘述，在python环境下，一个简单的pip命令即可搞定，文档方面，请参阅它的官方网站：https://pandas.pydata.org

Pandas的数据结构

• Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

• Time-Series：以时间为索引的Series。

• DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。

• Panel：三维的数组，可以理解为DataFrame的容器。

• Panel4D：是像Panel一样的4维数据容器。

• PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

运用Pandas的强大特性来进行网格策略的编码

网格策略秉持的原则是“仓位策略比择时策略更重要”。其基本操作方式就是以某点为基点，每上涨戓下跌一定点数挂一定数量空单戓多单，设定盈利目标，但不设止损，当价格朝期望方向进展时获利平仓，并在原点位挂同样的买单戓卖单。这样布下的这些交易单形成了一张像鱼网样的阵列，在震荡的市场中来回获利。

本策略首先计算了过去300个价格数据的均值和标准差，并根据均值加减1和2个标准差得到网格的区间分界线，并分别配以0.3和0.5的仓位权重，然后根据价格所在的区间来配置仓位(+/-40为上下界,无实际意义):

• (-40,-3],(-3,-2],(-2,2],(2,3],(3,40](具体价格等于均值+数字倍标准差)

• -0.5, -0.3, 0.0, 0.3, 0.5

第一步，我们需要引入策略代码中需要用到的库

import types
import numpy as np
import pandas as pd

第二步，我们需要在发明者量化平台初始化合约数据，这个例子中，我们还是使用螺纹钢期货为例子。

def init():

    # 订阅螺纹钢的2005合约，并且取得发明者量化平台当前周期的所有收盘价
    exchange.SetContractType("rb2005")
    records = exchange.GetRecords()
    close_01 = records.Close

    # 获取网格区间分界线
    context.band = np.mean(close_01) + np.array([-40, -3, -2, 2, 3, 40]) * np.std(close_01)
    # 设置网格的仓位
    context.weight = [0.5, 0.3, 0.0, 0.3, 0.5]

第三步，也是最重要的，我们开始编写策略逻辑和实现自动化交易

这里需要注意的是，我们需要用到发明者量化平台的国内商品期货模版，模版地址为：https://www.fmz.com/strategy/24288 各位在发明者量化策略编写页面进行编码时，需要把此模版先复制到自己的策略库，然后在回测时勾选上，这里请各位读者注意

关于如何部署托管者和机器人，请参考我之前的文章：https://www.fmz.com/bbs-topic/4140

想购买自己云计算服务器部署托管者的读者，可以参考这篇文章：https://www.fmz.com/bbs-topic/2848

策略逻辑与实现其自动化交易：

def onTick(context, bars):

    obj = ext.NewPositionManager() # 使用发明者量化交易类库    

    # 此处用来获取持仓信息
    positions = exchange.GetPosition() # 获取持仓数组
    if len(positions) == 0: # 如果持仓数组的长度是0
        return 0 # 证明是空仓，返回0
    for i in range(len(positions)): # 遍历持仓数组
        if (positions[i]['Type'] == PD_LONG) or (positions[i]['Type'] == PD_LONG_YD):
            position_long = 1 # 将position_long标记为1

        elif (positions[i]['Type'] == PD_SHORT) or (positions[i]['Type'] == PD_SHORT_YD):
            position_short = -1 # 将position_short标记为-1

    bar = bars[0]
    # 根据价格落在(-40,-3],(-3,-2],(-2,2],(2,3],(3,40]的区间范围来获取最新收盘价所在的价格区间
    grid = pd.cut([close_01], context.band, labels=[0, 1, 2, 3, 4])[0]
    
    # 若无仓位且价格突破则按照设置好的区间开仓
    if not position_long and not position_short and grid != 2:
        # 大于3为在中间网格的上方,做多
        if grid >= 3:
            obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位
        if grid <= 1:
            obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位

    # 持有多仓的处理
    elif position_long:
        if grid >= 3:
            obj.OpenLong("rb2005", 1) # 以市价单调多仓到仓位
        # 等于2为在中间网格,平仓
        elif grid == 2:
            obj.closebuy("rb2005", 1) # 以市价单全平多仓

        # 小于1为在中间网格的下方,做空
        elif grid <= 1:
            obj.closebuy("rb2005", 1) # 以市价单全平多仓
            obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位

    # 持有空仓的处理
    elif position_short:
        # 小于1为在中间网格的下方,做空
        if grid <= 1:
            obj.OpenShort("rb2005", 1) # 以市价单调空仓到仓位
        # 等于2为在中间网格,平仓
        elif grid == 2:
            obj.closesell("rb2005", 1) # 以市价单全平空仓

        # 大于3为在中间网格的上方,做多
        elif grid >= 3:
            obj.closesell("rb2005", 1) # 以市价单全平空仓
            obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位

最后，我们用一个Main函数把策略跑起来。这里建议大家学会部署自己的托管者，即使在自己的电脑中本地部署，这样对于调试程序和回测交易逻辑来讲都有莫大的有益，特别是对于pandas这样的第三方库的安装，运用本地的anaconda环境管理软件来管理这些python库和环境将会起到事半功倍的效果。

以下是完整的策略代码：

import types
import numpy as np
import pandas as pd

# 初始化合约数据
def init():

    # 订阅螺纹钢的2005合约，并且取得发明者量化平台当前周期的所有收盘价
    exchange.SetContractType("rb2005")
    records = exchange.GetRecords()
    close_01 = records.Close

    # 获取网格区间分界线
    context.band = np.mean(close_01) + np.array([-40, -3, -2, 2, 3, 40]) * np.std(close_01)
    # 设置网格的仓位
    context.weight = [0.5, 0.3, 0.0, 0.3, 0.5]

def onTick(context, bars):

    obj = ext.NewPositionManager() # 使用发明者量化交易类库    

    # 此处用来获取持仓信息
    positions = exchange.GetPosition() # 获取持仓数组
    if len(positions) == 0: # 如果持仓数组的长度是0
        return 0 # 证明是空仓，返回0
    for i in range(len(positions)): # 遍历持仓数组
        if (positions[i]['Type'] == PD_LONG) or (positions[i]['Type'] == PD_LONG_YD):
            position_long = 1 # 将position_long标记为1

        elif (positions[i]['Type'] == PD_SHORT) or (positions[i]['Type'] == PD_SHORT_YD):
            position_short = -1 # 将position_short标记为-1

    bar = bars[0]
    # 根据价格落在(-40,-3],(-3,-2],(-2,2],(2,3],(3,40]的区间范围来获取最新收盘价所在的价格区间
    grid = pd.cut([close_01], context.band, labels=[0, 1, 2, 3, 4])[0]
    
    # 若无仓位且价格突破则按照设置好的区间开仓
    if not position_long and not position_short and grid != 2:
        # 大于3为在中间网格的上方,做多
        if grid >= 3:
            obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位
        if grid <= 1:
            obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位

    # 持有多仓的处理
    elif position_long:
        if grid >= 3:
            obj.OpenLong("rb2005", 1) # 以市价单调多仓到仓位
        # 等于2为在中间网格,平仓
        elif grid == 2:
            obj.closebuy("rb2005", 1) # 以市价单全平多仓

        # 小于1为在中间网格的下方,做空
        elif grid <= 1:
            obj.closebuy("rb2005", 1) # 以市价单全平多仓
            obj.OpenShort("rb2005", 1) # 以市价单开空仓到仓位

    # 持有空仓的处理
    elif position_short:
        # 小于1为在中间网格的下方,做空
        if grid <= 1:
            obj.OpenShort("rb2005", 1) # 以市价单调空仓到仓位
        # 等于2为在中间网格,平仓
        elif grid == 2:
            obj.closesell("rb2005", 1) # 以市价单全平空仓

        # 大于3为在中间网格的上方,做多
        elif grid >= 3:
            obj.closesell("rb2005", 1) # 以市价单全平空仓
            obj.OpenLong("rb2005", 1) # 以市价单开多仓到仓位

def main():
    while True:
        onTick()
        Sleep(1000)