3sigma量化入门指南：从零构建你的第一个量化交易策略

1次阅读

共计 1893 个字符，预计需要花费 5 分钟才能阅读完成。

3sigma 原则源于统计学中的正态分布特性，指 99.7% 的数据会落在均值±3 倍标准差范围内。在量化交易中，我们利用这个特性来识别价格异常波动：

适合捕捉趋势反转点
计算逻辑直观，易于实现
不需要复杂机器学习模型
特别适合波动率稳定的品种

但要注意，市场价格并不严格服从正态分布，实际应用中需要配合其他指标验证。

推荐使用 AKShare 或 yfinance 获取数据，这里以沪深 300ETF 为例：

import akshare as ak

def get_historical_data(symbol):
    """
    获取股票历史数据
    :param symbol: 股票代码，如 '510300'
    :return: 包含 OHLC 的 DataFrame
    """df = ak.stock_zh_a_hist(symbol=symbol, period="daily")
    df['date'] = pd.to_datetime(df['日期'])
    df.set_index('date', inplace=True)
    return df[['开盘', '最高', '最低', '收盘', '成交量']]

处理缺失值：前向填充或删除
异常值处理：3sigma 本身可检测异常，但需先处理明显错误数据
复权处理：确保价格连续性

import numpy as np

def calculate_3sigma(df, window=20):
    """
    计算 3sigma 通道
    :param window: 滚动窗口大小
    """df['MA'] = df[' 收盘 '].rolling(window).mean()
    df['Std'] = df['收盘'].rolling(window).std() 
    df['Upper'] = df['MA'] + 3 * df['Std']
    df['Lower'] = df['MA'] - 3 * df['Std']
    return df

当价格突破上轨：做空信号
当价格跌破下轨：做多信号
回到均值区间：平仓

def generate_signals(df):
    """生成交易信号"""
    df['Signal'] = 0
    df.loc[df['收盘'] > df['Upper'], 'Signal'] = -1
    df.loc[df['收盘'] < df['Lower'], 'Signal'] = 1
    df['Position'] = df['Signal'].replace(0, np.nan).ffill().fillna(0)
    return df

使用 Backtrader 框架示例：

import backtrader as bt

class ThreeSigmaStrategy(bt.Strategy):
    params = (('window', 20),)

    def __init__(self):
        self.sma = bt.indicators.SMA(period=self.p.window)
        self.std = bt.indicators.StdDev(self.data.close, period=self.p.window)
        self.upper = self.sma + 3 * self.std
        self.lower = self.sma - 3 * self.std

    def next(self):
        if not self.position:
            if self.data.close[0] > self.upper[0]:
                self.sell()
            elif self.data.close[0] < self.lower[0]:
                self.buy()
        elif self.position.size > 0 and self.data.close[0] >= self.sma[0]:
            self.close()
        elif self.position.size < 0 and self.data.close[0] <= self.sma[0]:
            self.close()