Boll量化策略实战：从技术原理到Python实现

1次阅读

共计 2002 个字符，预计需要花费 6 分钟才能阅读完成。

Bollinger Bands（布林带）由 John Bollinger 提出，是一种基于统计学的技术分析工具。其核心由三条轨道线组成：

中轨（Middle Band）：通常为 20 日简单移动平均线（SMA）
上轨（Upper Band）：中轨加上 2 倍标准差
下轨（Lower Band）：中轨减去 2 倍标准差

标准差的计算公式为：

\sigma = \sqrt{\frac{1}{N}\sum_{i=1}^{N}(x_i - \mu)^2}

import pandas as pd
import numpy as np
import yfinance as yf
from matplotlib import pyplot as plt

# 获取历史数据
def get_data(ticker, period='1y'):
    data = yf.download(ticker, period=period)
    return data['Adj Close']

def calculate_bollinger_bands(series, window=20, num_std=2):
    """
    计算布林带指标
    :param series: 价格序列
    :param window: 移动平均窗口
    :param num_std: 标准差倍数
    :return: DataFrame 包含中轨 / 上轨 / 下轨
    """
    rolling_mean = series.rolling(window=window).mean()
    rolling_std = series.rolling(window=window).std()

    return pd.DataFrame({
        'Middle': rolling_mean,
        'Upper': rolling_mean + (rolling_std * num_std),
        'Lower': rolling_mean - (rolling_std * num_std)
    })

def generate_signals(price, bands):
    """
    生成交易信号
    1 表示买入，- 1 表示卖出，0 表示持有
    """
    signals = pd.Series(0, index=price.index)

    # 价格突破下轨时买入
    signals[price < bands['Lower']] = 1

    # 价格突破上轨时卖出
    signals[price > bands['Upper']] = -1

    return signals

趋势市场 ：在单边行情中表现优异，能有效捕捉主要趋势
震荡市场 ：频繁产生假信号，需结合其他指标过滤
极端波动 ：需动态调整标准差倍数参数

使用网格搜索确定最佳窗口期（通常 14-26 日）
通过夏普比率优化标准差倍数（1.5-2.5 倍）
采用 Walk-Forward 方法验证参数稳定性

使用 websocket 接收实时行情
实现增量计算避免全量重算
处理可能的缺失值和异常值

引入成交概率模型
设置最大允许滑点阈值
使用 TWAP/VWAP 算法拆分大单

单笔交易不超过资本的 2%
设置动态止损位（如 ATR 止损）
每日最大亏损控制在 5% 以内

如何将机器学习应用于布林带参数动态优化？
在加密货币高频交易中，布林带策略需要哪些特殊调整？
怎样构建布林带与其他指标（如 RSI、MACD）的复合策略？

# 完整策略示例
if __name__ == '__main__':
    # 获取数据
    price = get_data('AAPL')

    # 计算指标
    bands = calculate_bollinger_bands(price)

    # 生成信号
    signals = generate_signals(price, bands)

    # 可视化
    plt.figure(figsize=(12,6))
    plt.plot(price, label='Price')
    plt.plot(bands['Middle'], label='Middle Band')
    plt.plot(bands['Upper'], label='Upper Band')
    plt.plot(bands['Lower'], label='Lower Band')

    # 标记交易信号
    plt.scatter(signals[signals==1].index, 
                price[signals==1], 
                marker='^', color='g', label='Buy')
    plt.scatter(signals[signals==-1].index, 
                price[signals==-1], 
                marker='v', color='r', label='Sell')

    plt.legend()
    plt.title('Bollinger Bands Strategy')
    plt.show()