如果要波动，我打波动拳 1

网格策略1.0

前面那篇文章，我提到了接下来的金融资产，波动率会提升（为什么我预期接下来的波动率会上升？）。那么，在这种情况下，有没有什么好的交易策略，可以赚钱呢？其实，对冲基金经理们，最喜欢的就是波动率，因为确实有不少交易策略，是需要波动率来驱动的。今天我打算讲一讲我最近回测过的一个策略的最基础版本，带大家玩一玩用波动来赚钱的量化交易。

$\color{red}{警告，由于只是最基础的版本，收益不会很高，如果想直接拿去赚钱的可以止步了。}$

这个策略的名字叫网格策略。我是通过【长赢指数投资】这个公众号接触到这个策略的，作者（E大）的不少文章对有都有很大的启发，我反正是相见恨晚XD。因为是基础版本，我跟着我偶像叫网格策略1.0好了。

网格策略的核心，在我看来，是【均值回归】。什么叫均值回归？一个金融资产，无论上涨还是下跌，长期来看，它的价格都会回到[同一水平]，那这个金融资产的价格走势就符合均值回归，这个同一水平，就是均值。那么，对于这样一种金融资产，如果我我们在低于均值的时候买入，在高于均值的时候卖出，不就稳赚不赔了吗？没错。可你有没有想过，如果这个产品，均值回归的周期非常长，你可能很长一段时间才能做一次买入卖出。这样的话，虽然你赚钱，可是你赚的不怎么多。而且，我现在只告诉了你这个金融资产符合均值回归，我没告诉你它在什么价格下才会开始往均值去回归。如果你在刚跌破均值的时候买入，那不就“抄底抄在半山腰”了吗？再者，虽然它最终一定会朝均值去靠拢，可是天知道在这之前，它会在上半区（均值以上），或者下半区（均值以下）波动多少次呢？如果它一直这样在均值外波动，咱低买高卖的策略就玩不动了。如何能把它的这种波动，变成我们的收入，就是网格策略要研究的事情。

如下图，我选取了南方原油过去一年的价格走势来说明这个问题。

南方原油历史价格

我们把均值设在￥1.1，可以看到，在一整年中，南方原油只从下方突破了￥1.1 七次，并且我们不知道它会去到多高，也不知道它向下会去到多低。假设我们把买入价定位1块，那其实一整年都做不了一次低买高卖。但是，同时我们也看到，在1.1以下的区间，南方原油的价格经历了许多局部的剧烈波动（红圈部分）。网格策略，可以帮助我们捕捉这些波动，变成利润。我们把资金分成N份（对应网格的N格），价格每下跌一格，我们就买入一份的量，价格每上升一格，我们就卖出一份的量，这样就把价格在格与格之间的波动变成了利润。举个例子，假设接下来几天南方原油的价格是￥1.09, ￥1.05, ￥1, ￥1.05,￥1.08, 再假设我们的格子大小为￥0.05. 那么我们在第二天买入一份，在第三天买入另一份，在第四天卖出一份，在第五天的时候，价格差不多回到第一天的水平，并且并没有回到我们的均值￥1.1，但我们已经赚了一份波动收益。

So, how?

接下来我来讲讲怎么实践，我会先给出大体步骤，然后一步一步带你走完整个制定策略和回测的流程。

一，我们要挑选一个交易品种。

只要符合均值回归特质的金融资产，都可以进入我们的筛选范围。在这里，E大特别提到了，选择的品种一定要是【不会死】的品种。什么叫【不会死】？公司破产了，股票价格就归0了，就死了；合约到期了，合约没价值了，就死了。怎样的品种【不会死】呢？股票指数不会死，因为它永远存在。上面的南方原油也大概率不会死，因为它是一个基金，包含了众多的股票。一个股票死，是有可能的，全部股票一起死，那我们的钱都会变成纸，赚再多也没用了不是？

二，挑好品种后，我们要做好压力测试。

简单的说，就是评价一下这个资产的极限跌幅会是什么样子，在极端条件下，我们的账户会是什么样子。这一步，一是为了我们心理上有个准备（亏钱真的很痛苦，别问我怎么知道的），二是为了下一步网格制定做准备。

三，再然后，我们要开始制定我们的网格。

这里面有几个细分步骤：

网格密度：你想赚多大幅度的波动，密度就定多少。
网格宽度：网格的底部到均值的距离就是网格宽度，我们可以选极限跌幅，也可以选极限跌幅往上走一段，这个根据个人爱好决定。
确定投入总资金
根据前几点，确定每一格的交易价格，资金总份数，和每份金额

四，无脑根据网格交易

实践步骤:

一. 我继续选用南方原油作为交易品种，因为它一段时间内确实挺符合均值回归，也基本上不会死。
二. 回顾历史价格，在17年油价低迷的情况下，南方原油最低也有0.8以上的价格，所以极限跌幅我估计大概是0.7.也就说如果我们1.1开始投入，整个账户的极限跌幅是40%。
三.
1. 网格密度我定为￥0.025
2. 网格底部我定为￥0.8，极限涨幅暂时可以不管
3. 投入总资金是￥12,000

所以制定的网格如下：

网格策略表格

接下来就是回测了。

回测:

先贴代码，久了没写手有点生，另外结构还没优化：

def backtest(P, N, history):
# P, dict, 记录账户状态
# N, dict[dict], 2-d hash table 代表制作好的网格数据
# history, list[float], 历史开盘价格
    if not P or not N or not history or len(history) == 0:
        return
    size = N['size']
    prev = 1.074
    for curr in history:
        if curr >= 1.125 and prev >= 1.125:
            P['his'].append(P['cash'])
            continue     
        # 处理小于1的小数运算不精确，所以我先转换成大于1的数来做除法
        curr_loc = (curr * 100) // (size * 100)
        prev_loc = (prev * 100) // (size * 100)
        if curr_loc == prev_loc:#价格在同一格
            if curr == curr_loc * size and prev != curr_loc * size:
                net_pt = round(loc * size, 4)  # price point on the net
                trade_pos = round(N[net_pt]['target'] - P['pos'], 0)
                trade_amt = trade_pos * net_pt
                P['cash'] -= trade_amt
                P['pos'] += (N[net_pt]['target'] - P['pos'])
            P['his'].append(P['cash'] + P['pos'] * curr )    
            
        elif curr_loc < prev_loc:    # 价格从上往下走，如果跨域了网格，就交易买入
            start_loc = prev_loc - 1 if prev == prev_loc * size else prev_loc   # make sure not double counted
            end_loc = curr_loc - 1 if curr == curr_loc * size else curr_loc
            start_loc = min(start_loc, 45) # prevent overflow
            end_loc = min(end_loc, 45)
            for loc in range(int(start_loc), int(end_loc), -1):  
                net_pt = round(loc * size, 4)
                trade_pos = round(N[net_pt]['target'] - P['pos'], 0)
                trade_amt = trade_pos * net_pt
                P['cash'] -= trade_amt
                P['pos'] += (N[net_pt]['target'] - P['pos'])
                P['his'].append(P['cash'] + P['pos'] * curr )


        else:     # 价格从下往上走，如果跨域了网格，就交易卖出
            start_loc = prev_loc + 1
            end_loc = min(curr_loc + 1, 46) # prevent overflow
            for loc in range(int(start_loc), int(end_loc), +1):
                net_pt = round(loc * size, 4)  # 网格上的价格点
                trade_pos = round(N[net_pt]['target'] - P['pos'], 0)
                trade_amt = trade_pos * net_pt
                P['cash'] -= trade_amt
                P['pos'] += (N[net_pt]['target'] - P['pos'])
                P['his'].append(P['cash'] + P['pos'] * curr )
        prev = curr        
    return

N = {'size':0.025,
     1.125:{'target':0,     'buy':0,    'sell':900},
     1.100:{'target':900,   'buy':900,  'sell':900},
     1.075:{'target':1800,  'buy':900,  'sell':900},
     1.050:{'target':2700,  'buy':900,  'sell':900},
     1.025:{'target':3600,  'buy':900,  'sell':900},
     1.000:{'target':4500,  'buy':900,  'sell':1000},
     0.975:{'target':5500,  'buy':1000, 'sell':1000},
     0.950:{'target':6500,  'buy':1000, 'sell':1000},
     0.925:{'target':7500,  'buy':1000, 'sell':1100},
     0.900:{'target':8600,  'buy':1100, 'sell':1100},
     0.875:{'target':9700,  'buy':1100, 'sell':1100},
     0.850:{'target':10800, 'buy':1100, 'sell':1200},
     0.825:{'target':12000, 'buy':1200, 'sell':1200},
     0.800:{'target':13200, 'buy':1200, 'sell':0}
    }
P = {'pos':1800, 'cash': 10042,'his':[11977]}
backtest(P,N,history)

</br>
最后的账户价值为:

Ending Account Value

然后账户的历史净值叠加南方原油的历史价格是这样的:

只要在￥1.1下方有波动，净值就在逐渐走高

于是辛苦了一年这个策略狠狠得给我们带来了2.5%的收益...

But, but, 这是个最基础版本的策略。可以看到，目前的策略完全忽略了1.1上方的波动，我们总是在刚刚向上突破均值的时候，就交出了手上的筹码，这是不太理想的。另外网格策略1.0还有许多不足，最大的缺点是，如果价格单边下跌，我们会进入大量资金被套的状态，有没有办法可以动态调整我们的仓位呢？留一个思考题，我们下次在网格策略2.0再来探讨。

$\color{red}{再次警告，不要直接用这个策略去交易，不要，NO}$