【Alpha系列】之alpha#1

Alpha是投资者获得与市场波动无关的回报，一般用来度量投资者的投资技艺。比如投资者获得了12%的回报，其基准获得了10%的回报，那么Alpha或者价值增值的部分就是2%. 小编将推出一系列Alpha策略，希望能起到抛砖引玉的作用。如有不足之处，欢迎批评指正~~

策略设计

在这里就不对alpha作介绍了，想了解alpha的读者可以去看看前两天Thomas大大推的《多因子系列之二》~

那我们就直接从策略开始吧。作为alpha系列的第一篇，我们先来实现一个简单的Alpha策略。

首先我们选取前一根K线的开盘价(open)、收盘价(close)、最高价(high)、最低价(low)进行分析。

阳线(close>open)实体越大说明买方强大，上涨越可靠，越小甚至是十字星表明多空争夺激烈，最终打平，收于开盘价附近，最终走势与原先趋势一致的可能性大。阴线(close<open)实体越大说明卖方强大，下跌的可能性更大，越小或是十字星，同上。所以我们可以定义alpha为：alpha = ((close - open) / ((high - low) + 0.001))

为了保证分母不等于0，在后面加上0.001.当alpha>0时，买入股票；当alpha<0时，卖出股票。

策略测试

测试平台： 优矿(uqer.io)

回测时间： 2014-1-1~2015-12-31

测试品种： A股所有股票

代码（python)：

start = '2014-01-01' # 回测起始时间

end = '2015-12-31' # 回测结束时间

benchmark = 'HS300' # 策略参考标准

universe = set_universe('A') # A股

capital_base = 100000 # 起始资金

freq = 'd' # 'd'表示使用日线回测

refresh_rate = 1 # 调仓频率

# 初始化虚拟账户状态

def initialize(account):

pass

# 每个交易日的买入卖出指令

def handle_data(account):

preopen = account.get_attribute_history('openPrice',1)

preclose = account.get_attribute_history('closePrice',1)

prehigh = account.get_attribute_history('highPrice',1)

prelow = account.get_attribute_history('lowPrice',1)

for s in account.universe:

alpha = ((preclose[s][0]-preopen[s][0])/(prehigh[s][0]-prelow[s][0]+0.001))

if s not in account.valid_secpos:

if alpha > 0:

order_pct(s,0.05)#买入

else:

order_to(s,0)#卖出

return

回测结果

年化收益率：63.6%基准年化收益率：30.1%阿尔法：39.2%夏普比率：1.74最大回撤：50.4%

可以看到，简单的策略收益也高于基准的年化收益。但是，该alpha策略也存在很多问题，最大回撤较高，尤其是2015年下半年，该策略表现得比较差。总的来说，虽然策略简单，但其表现也出乎小编意料，后续也可以对其进行优化。

最后再唠叨两句，这次的alpha的策略比较简单，各位大牛如果有什么改进意见的话可以留言或者发邮件到395460642@qq.com联系小编，欢迎批评指正。同时也希望和大家多多交流，共同进步~~以后会陆续推出一些alpha策略，感谢大家的持续关注！