上次，我们简单地用backtrader和最简单的买入卖出策略进行了一次量化投资分析：
这一次，让我们把策略变得复杂一点，使用MACD策略的信号线交叉交易法：
本系列教程源代码Github仓库：/Ckend/pythondict-quant
1.原理
为了解释MACD的原理，我们需要先了解指数移动平均线(下称EMA), 指数移动平均线是移动平均线的一种，能够根据数据点的新旧程度分配不同的权重，其更重视近期价格，减轻对往期价格的权重 ，而普通的移动平均线在所有价格上权重都一致，这是二者最大的不同。
EMA线还有周期上的不同，长期投资者通常选择50、100、200周期来追踪数月、甚至是年的价格趋势。而12天和26天的时间周期短，则广受短期投资者欢迎。而大部分股票软件的MACD线也是按照12天EMA和26天EMA进行计算的。
好了，接下来开始从上图讲起，上图可以看出两个基本规律：
蓝线上穿信号线（橙色）的时候看涨。
蓝线下穿信号线（橙色）的时候看跌。
蓝线是什么呢？是MACD线，它通过将一个价格短期EMA和价格长期EMA相减得到，在大部分股票软件中是EMA(12) - EMA(26).
信号线是什么呢？它其实是MACD线的EMA，周期一般为9.
而图中那些一个个的方块，则是由MACD线 - 信号线得到的差值，正值在上，负值在下。
明白了这些，我们就能够开始构建回测脚本了：
买入：当 MACD线在前一天的值 < 信号线前一天的值且 当天MACD线的值 > 当天信号线的值 时说明发生了金叉，此时看涨，第二天买入。
卖出：若已盈利10%，则卖出；若已亏损10%，则卖出。
这个策略在股票 603186 上的年回报率为26.9%.
2.准备
开始之前，你要确保Python和pip已经成功安装在电脑上噢，如果没有，请访问这篇文章：超详细Python安装指南进行安装。如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。
当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端运行命令安装依赖模块，多舒服的一件事啊：Python 编程的最好搭档—VSCode 详细指南。
在终端输入以下命令安装我们所需要的依赖模块:
pip install backtrader
看到 Successfully installed xxx 则说明安装成功。
本文全部代码，请在Python实用宝典后台回复：量化投资2进行下载。
3.构建策略
如果你没看第一篇文章，可能不知道如何构建这个策略，一脸懵逼也正常，所以推荐先阅读backtrader教程—量化投资原来这么简单(1)，当然，如果你只希望跑起来，修改一些参数，可以 Python实用宝典后台回复：量化投资2下载全部源代码。
从MACD的原理中我们知道，MACD由EMA线计算而来，因此我们需要构建一个短期EMA和一个长期EMA，常规的选择是周期分别为12和26的EMA线：
根据前面的分析我们知道，信号线是MACD线周期为9的EMA：
self.signal = EMA(self.macd, period=9)
这样我们就构建完这两条重要的线了，是不是特别简单？接下来和第一篇文章一样，在策略的next函数中，编写买入卖出逻辑：
买入逻辑就是我们在原理中提到的：若前一天MACD < Signal, 当天 Signal < MACD，则第二天买入。
卖出逻辑则简单许多： 若已盈利10%，则卖出；若已亏损10%，则卖出。
设置佣金为千分之五，每次交易为100股，初始资金为10000元：
在命令行中运行脚本：
python macd.py
得到回测结果如下：
其实结果好得出乎意料，因为这是一个不算复杂的策略，在代码最后加上一句：
cerebro.plot()
能看到整个策略的回测情况如图：
用红色的框标记策略交易成功上涨部分，绿色的框标记下跌部分。
可以看到，8次操作中盈利了7次。为什么能有这么好的结果呢？首先， 603186 是一个业绩不错的股票，其本身基本面不差，回测的前期也处于上涨状态，因此其回测效果极佳也就在意料之中。
此外，我们的卖出策略虽然无脑，但是在这种情况下发挥了非常好的作用，有几个地方成功在高点卖出。
从这个例子大家可以看到，虽然量化策略是有效果的，但是最重要的还是选股，如何选到最佳的股票，就需要大家多看财报、多动脑了，世界上没有不劳而获的财富，如果本文对你走向财富自由的道路有帮助的话，请记得点个在看或分享一下哦。
如果你喜欢今天的Python 教程，请持续关注Python实用宝典，如果对你有帮助，麻烦在下面点一个赞/在看
，有任何问题都可以在下方留言，我们会耐心解答的！
点击下方阅读原文可以获取所有代码和链接哦！
Python实用宝典 ()
不只是一个宝典
欢迎关注公众号：Python实用宝典
