以ETF为例—配对交易源码公开

创作时间:

作者:

@小白创作中心

以ETF为例—配对交易源码公开

引用

来源

http://www.yueyingw.cn/show-9-14-1.html

配对交易是一种市场中性投资策略，通过寻找价格走势相似的资产对，并在价差偏离正常范围时进行交易来获取收益。本文将以ETF为例，详细介绍如何通过Python编程实现配对交易策略，包括数据获取、预处理、相关性分析以及策略回测等步骤。

配对交易概述

配对交易是指八十年代中期华尔街著名投行Morgan Stanley的数量交易员Nunzio Tartaglia成立的一个数量分析团队提出的一种市场中性投资策略。

在实际操作中，其执行过程可以简单地描述为：投资者首先选择相互匹配的两个资产，当配对资产价格差异增加的时候，做多价格偏低的资产，同时做空价格偏高的资产，而当价格差异减小的时候，则结束头寸，完成交易；同时，为了控制风险，当价差进一步扩大时，需要在适当的止损点结束头寸。

所以，想开发一个配对交易的策略，核心有两个步骤：

找到待交易的标的。比如说两个走势非常类似的股票或者其他证券。
对两者的价差建模。假设是两者的价差会在一个稳定的区间波动（均值回归）。

配对交易标的筛选方法

在以往的研究中，配对交易的标的的筛选方法有很多种，归纳起来大致有这两种：

最小化偏差平方和法则（最小距离法）
协整理论方法

以ETF为例的配对交易策略实现

1. 获取深交所的所有交易标的

import numpy as np
import pandas as pd
from gm.api import *
import matplotlib.pyplot as plt
set_token('xxxxxxxxxxxx')
# 获取深圳交易所全部标的
data1=get_instruments(exchanges='SZSE',df=True)
# 剔除掉在今年才上市的标的
data1=data1[data1['listed_date']<'2020-12-30']
# 剔除掉今天之前退市的标的
data1=data1[data1['delisted_date']>'2021-08-30']
data1.index=range(len(data1))
data1

2. 取出ETF基金

b=pd.DataFrame()
symbol=[]
for i in range(len(data1)):
    if 'ETF' in data1['sec_name'][i]:
        print(data1['sec_name'][i])
        symbol.append(data1['symbol'][i])
        if len(b)==0:
            b=data1[data1['sec_name']==str(""+data1['sec_name'][i]+"")]
        else:
            b=b.append(data1[data1['sec_name']==str(""+data1['sec_name'][i]+"")])
b

3. 获取这114支ETF的最近半年的历史数据代码

这里理论上应该获取回测时间点前半年的数据出来研究，但这里暂且用今年前半年多的数据来研究，读者可以自行修改数据的时间参数。

data2=pd.DataFrame()
for i in b['symbol']:
    history_data = history(symbol=i, frequency='1d', start_time='2021-01-28',end_time='2021-07-30', fields='close', adjust=ADJUST_PREV, df= True)
    data2["'"+i+"'"]=history_data['close']