Python实现布林带策略完整代码
Python实现布林带策略完整代码
布林带是个啥玩意儿？
我见过太多新手一上来就问"布林带能不能赚钱"，这问题就跟问"菜刀能不能切菜"一样。布林带就是个工具，关键看你怎么用。简单来说，它就是在均线上下画两条通道线，股价大部分时间都在这个通道里晃悠。
记得去年有个客户，拿着布林带当圣杯，结果亏得妈都不认识。后来我给他看了我的Python策略代码，这哥们才明白原来工具要配合仓位管理和止损。现在他账户已经翻倍了，上周还请我吃了顿日料。
为啥要用Python做布林带？
你用同花顺自带的布林带指标，跟我用Python写的完全是两码事。就像外卖和自己做饭的区别——前者只能选固定套餐，后者你想加什么料都行。
我最喜欢Python的地方是能随时调整参数。比如你可以测试不同周期(20天？30天？)的布林带哪个更适合当前行情。还能结合其他指标，像MACD、RSI什么的，搞个组合策略。这些在同花顺里点来点去可费劲了。
手把手教你写代码
先装好这些库，没装的命令行里pip install一下：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tushare as ts # 国内股票数据
第一步：搞数据
我一般用tushare，免费够用。你要是想更专业点，可以用akshare或者付费接口。
# 替换成你的tushare token
pro = ts.pro_api('你的token')
# 获取贵州茅台日线
df = pro.daily(ts_code='600519.SH', start_date='20200101', end_date='20231231')
df = df.sort_values('trade_date')
第二步：计算布林带
这里有个坑要注意：标准差的计算要用滚动窗口，别搞错了。
# 计算20日均线
df['ma20'] = df['close'].rolling(20).mean()
# 计算标准差
df['std'] = df['close'].rolling(20).std()
# 上下轨
df['upper'] = df['ma20'] + 2*df['std']
df['lower'] = df['ma20'] - 2*df['std']
第三步：策略信号
重点来了！很多人以为碰到下轨就买，上轨就卖，太天真了。我加了个过滤条件：
# 初始化信号列
df['signal'] = 0
# 股价跌破下轨且成交量放大时买入
df.loc[(df['close'] < df['lower']) & (df['vol'] > df['vol'].shift(1)), 'signal'] = 1
# 股价突破上轨且出现顶背离时卖出
df.loc[(df['close'] > df['upper']) & (df['macd'] < df['macd'].shift(1)), 'signal'] = -1
回测结果可视化
光有信号不行，得看看赚不赚钱。我习惯用matplotlib画出来：
plt.figure(figsize=(12,6))
plt.plot(df['close'], label='Price')
plt.plot(df['ma20'], label='MA20')
plt.plot(df['upper'], label='Upper')
plt.plot(df['lower'], label='Lower')
# 标记买卖点
plt.scatter(df.index, df[df['signal']==1]['close'], marker='^', color='r', label='Buy')
plt.scatter(df.index, df[df['signal']==-1]['close'], marker='v', color='g', label='Sell')
plt.legend()
plt.show()
策略优化技巧
参数优化
别死守20日均线！不同股票特性不同。比如：
- 大盘股可能适合26日周期
- 小盘妖股用10日可能更好
可以用网格搜索找最优参数：
from sklearn.model_selection import ParameterGrid
params = {
'window': [10, 20, 30],
'std_num': [1.5, 2, 2.5]
}
best_profit = -np.inf
for param in ParameterGrid(params):
# 计算不同参数下的收益
...
结合其他指标
单独用布林带容易被假突破坑。我通常会：
- 加上MACD过滤趋势
- 用RSI避免超买超卖区操作
- 结合成交量确认突破有效性
实盘注意事项
手续费问题
回测时很多人忽略手续费，结果实盘发现赚的钱全交手续费了。建议这样计算：
commission = 0.0003 # 万三
tax = 0.001 # 印花税
def calculate_cost(price, shares):
return price * shares * (commission + tax)
滑点处理
实盘买卖会有价格差，特别是小盘股。我一般加个0.1%的滑点：
execution_price = price * 1.001 if signal == 1 else price * 0.999
开户专属福利
看到这里的都是真对量化感兴趣的。通过我开户的朋友，除了享受行业最低佣金(万一全包)，还能获得：
- 完整策略代码库(包含30+个经过实盘检验的策略)
- 专属量化交流群(里面有几个私募的基金经理在潜水)
- 免费Level2行情(用来抓短线机会特别有用)
上周刚有个客户用我给的改良版布林带策略，在科创50ETF上吃了波15%的涨幅。关键是要懂得灵活变通，策略是死的，人是活的。
最后说两句
量化交易不是印钞机，我见过太多人以为写个策略就能躺着赚钱。实际上需要：
- 持续维护策略
- 根据市场变化调整参数
- 严格的资金管理
如果你真想走这条路，建议先用模拟盘跑3个月。我这边开户就送百万级模拟金，足够你折腾了。记住，在股市里活得久比赚得快重要得多。