网格交易法（期货）
1. 原理
什么是网格交易法？
网格交易法是一种利用行情震荡进行获利的策略。在标的价格不断震荡的过程中，对标的价格绘制网格，在市场价格触碰到某个网格线时进行加减仓操作尽可能获利。
网格交易法属于左侧交易的一种。与右侧交易不同，网格交易法并非跟随行情，追涨杀跌，而是逆势而为，在价格下跌时买入，价格上涨时卖出。
怎样设计网格？
投资者可以随意设置网格的宽度和数量。既可以设置为等宽度，也可以设置为不等宽度的。设置等宽度网格可能会导致买点卖点过早，收益率较低。设置不等宽度网格能够避免这个问题，但如果行情出现不利变动，可能会错失买卖机会。
网格交易法的盈利情况
在行情震荡上涨时：
假设格子之间的差为1元钱，每变化一个格子相应的买入或卖出1手，则通过网格交易当前账户的净收益为6元，持空仓4手，持仓均价为12.5元。
行情震荡下跌时：
同理可知，净收益为8元，持4手多仓，平均成本为7.5元。
可以看到，无论行情上涨还是下跌，已平仓的部分均为正收益，未平仓的部分需要等下一个信号出现再触发交易。
即使网格交易能够获得较为稳定的收益，但也存在一定的风险。如果行情呈现大涨或大跌趋势，会导致不断开仓，增加风险敞口。这也是为什么网格交易更适用震荡行情，不合适趋势性行情。
核心
网格交易主要包括以下几个核心要点：
- 挑选的标的最好是价格变化较大，交易较为活跃
网格交易是基于行情震荡进行获利的策略，如果标的不活跃，价格波动不大，很难触发交易。
- 选出网格的压力位和阻力位
确定适当的压力位和阻力位，使价格大部分时间能够在压力位和阻力位之间波动。如果压力位和阻力位设置范围过大，会导致难以触发交易；如果压力位和阻力位设置范围过小，则会频繁触发交易。
- 设置网格的宽度和数量
设定多少个网格以及网格的宽度可根据投资者自身喜好自行确定。
2. 策略思路
第一步：确定价格中枢、压力位和阻力位
第二步：确定网格的数量和间隔
第三步：当价格触碰到网格线时，若高于买入价，则每上升一格卖出m手；若低于买入价，则每下跌一格买入m手。
回测标的：SHFE.rb1901
回测时间：2018-07-01 到 2018-10-01
回测初始资金：10万
注意：若修改回测期，需要修改对应的回测标的。
策略难点：
怎样记录价格是否突破网格线？
解决方法：有些人可能会想到用当前价格与网格线对应的价格进行比较，但这样操作比较麻烦，步骤繁琐。这里采用区域判断方式。根据网格线划分网格区域为1、2、3、4、5、6.利用pandas库提供的cut函数，将当前价格所处的网格区域表示出来。当网格区域发生变化，说明价格突破了一个网格线。
如何避免出现4区-5区开仓一次,5区-4区又平仓一次这种“假突破”？
解决方法：4-5开仓一次和5-4平仓一次实际上突破的是一根线，此时的形态是价格沿着这根线上下波动。只有第一次穿过这条线时才是真正的交易信号，其他的并没有形成突破。因此我们需要一个变量储存每一次交易时网格区域的变化形态(按照从大到小的顺序)，比如5-4可以记为[4,5],4-5记为[4,5]。当新的记录=旧的记录时，信号失效。
3. 策略代码
# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
import numpy as np
import pandas as pd
from gm.api import *
'''
本策略标的为：SHFE.rb1901
价格中枢设定为：前一交易日的收盘价
从阻力位到压力位分别为：1.03 * open、1.02 * open、1.01 * open、open、0.99 * open、0.98 * open、0.97 * open
每变动一个网格，交易量变化100个单位
回测数据为:SHFE.rb1901的1min数据
回测时间为:2017-07-01 08:00:00到2017-10-01 16:00:00
'''
def init(context):
# 策略标的为SHFE.rb1901
context.symbol = 'SHFE.rb1901'
# 订阅SHFE.rb1901, bar频率为1min
subscribe(symbols = context.symbol, frequency='60s')
# 设置每变动一格，增减的数量
context.volume = 1
# 储存前一个网格所处区间，用来和最新网格所处区间作比较
context.last_grid = 0
# 以前一日的收盘价为中枢价格
context.center = history_n(symbol= context.symbol,frequency='1d',end_time=context.now,count = 1,fields = 'close')[0]['close']
# 记录上一次交易时网格范围的变化情况（例如从4区到5区，记为4,5）
context.grid_change_last = [0,0]
def on_bar(context, bars):
bar = bars[0]
# 获取多仓仓位
position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
# 获取空仓仓位
position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
# 设置网格和当前价格所处的网格区域
context.band = np.array([0.97, 0.98, 0.99, 1, 1.01, 1.02, 1.03]) * context.center
grid = pd.cut([bar.close], context.band, labels=[1, 2, 3, 4, 5, 6])[0]
# 如果价格超出网格设置范围，则提示调节网格宽度和数量
if np.isnan(grid):
print('价格波动超过网格范围，可适当调节网格宽度和数量')
# 如果新的价格所处网格区间和前一个价格所处的网格区间不同，说明触碰到了网格线，需要进行交易
# 如果新网格大于前一天的网格，做空或平多
if context.last_grid < grid:
# 记录新旧格子范围（按照大小排序）
grid_change_new = [context.last_grid,grid]
# 几种例外：
# 当last_grid = 0 时是初始阶段，不构成信号
# 如果此时grid = 3，说明当前价格仅在开盘价之下的3区域中，没有突破网格线
# 如果此时grid = 4，说明当前价格仅在开盘价之上的4区域中，没有突破网格线
if context.last_grid == 0:
context.last_grid = grid
return
if context.last_grid != 0:
# 如果前一次开仓是4-5，这一次是5-4，算是没有突破，不成交
if grid_change_new != context.grid_change_last:
# 更新前一次的数据
context.last_grid = grid
context.grid_change_last = grid_change_new
# 如果有多仓，平多
if position_long:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Sell, order_type=OrderType_Market,
position_effect=PositionEffect_Close)
print('以市价单平多仓{}手'.format(context.volume))
# 否则，做空
if not position_long:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Sell, order_type=OrderType_Market,
position_effect=PositionEffect_Open)
print('以市价单开空{}手'.format(context.volume))
# 如果新网格小于前一天的网格，做多或平空
if context.last_grid > grid:
# 记录新旧格子范围（按照大小排序）
grid_change_new = [grid,context.last_grid]
# 几种例外：
# 当last_grid = 0 时是初始阶段，不构成信号
# 如果此时grid = 3，说明当前价格仅在开盘价之下的3区域中，没有突破网格线
# 如果此时grid = 4，说明当前价格仅在开盘价之上的4区域中，没有突破网格线
if context.last_grid == 0:
context.last_grid = grid
return
if context.last_grid != 0:
# 如果前一次开仓是4-5，这一次是5-4，算是没有突破，不成交
if grid_change_new != context.grid_change_last:
# 更新前一次的数据
context.last_grid = grid
context.grid_change_last = grid_change_new
# 如果有空仓，平空
if position_short:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Buy,
order_type=OrderType_Market,
position_effect=PositionEffect_Close)
print('以市价单平空仓{}手'.format(context.volume))
# 否则，做多
if not position_short:
order_volume(symbol=context.symbol, volume=context.volume, side=OrderSide_Buy,
order_type=OrderType_Market,
position_effect=PositionEffect_Open)
print('以市价单开多{}手'.format(context.volume))
# 设计一个止损条件：当持仓量达到10手，全部平仓
if position_short == 10 or position_long == 10:
order_close_all()
print('触发止损，全部平仓')
if __name__ == '__main__':
'''
strategy_id策略ID,由系统生成
filename文件名,请与本文件名保持一致
mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
token绑定计算机的ID,可在系统设置-密钥管理中生成
backtest_start_time回测开始时间
backtest_end_time回测结束时间
backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
backtest_initial_cash回测初始资金
backtest_commission_ratio回测佣金比例
backtest_slippage_ratio回测滑点比例
'''
run(strategy_id='strategy_id',
filename='main.py',
mode=MODE_BACKTEST,
token='token_id',
backtest_start_time='2018-07-01 08:00:00',
backtest_end_time='2018-10-01 16:00:00',
backtest_adjust=ADJUST_PREV,
backtest_initial_cash=100000,
backtest_commission_ratio=0.0001,
backtest_slippage_ratio=0.0001)4. 回测结果和稳健性分析
设定初始资金10万，手续费率为0.01%，滑点比率为0.01%。回测结果如下图所示。
回测期间策略累计收益率为4.16%，年化收益率为16.50%，基准收益率为0.91%，整体跑赢指数。最大回撤为0.72%，胜率为100%。在2018年7月12日以后，标的没有交易，说明此时标的价格已经超过设置的网格范围，可以适当加宽或增加网格数量。
为了检验策略的稳健性，保持标的和回测期不变，改变网格间隔和网格数量，得到回测结果如下表所示。
| 网格间隔 | 网格数量 | 手续费 | 年化收益率 | 最大回撤 | 胜率 | 未平头寸 |
|---|---|---|---|---|---|---|
| 0.01*价格中枢 | 6 | 50.55 | 16.50% | 0.72% | 100% | 0手多单 |
| 0.02*价格中枢 | 6 | 36.89 | 26.21% | 7.82% | 100% | 2手空单 |
| 0.005*价格中枢 | 6 | 61.42 | -30.24% | 22.04% | 85.71% | 3手空单 |
| 0.01*价格中枢 | 4 | 18.11 | 15.49% | 4.17% | 100% | 1手多单 |
| 0.02*价格中枢 | 4 | 18.16 | 16.08% | 4.16% | 100% | 1手空单 |
| 0.005*价格中枢 | 4 | 21.72 | -51.27% | 31.39% | 100% | 4手空单 |
可以看到，改变网格间隔和网格数量对回测结果的影响较大。整体胜率较高，但存在部分未平头寸。在网格间隔设置为0.01倍价格中枢时，整体收益率最高，最大回撤也处于较低水平；在网格间隔为0.02倍中枢价格时，整体收益率最差。由此可以看出，网格间隔对收益率的影响要高于网格数量。因此，在利用网格交易法时，需要设置合理的网格间隔。
注：此策略只用于学习、交流、演示，不构成任何投资建议。
加载中,请稍侯......
精彩评论