More than 5 years have passed since last update.

QuantXでボリンジャーバンドのアルゴリズムを改良してみる

Last updated at 2019-05-21Posted at 2019-05-07

#QuantXに初挑戦！
##自己紹介
理系大学で、統計を専攻しています。
pythonは初心者で、金融に関してはファイナンスを少しかじってました。
SmartTradeでインターンをすることになりました、よろしくお願いします！！

開発に慣れるためにも、QuantXを使ってアルゴリズムを一つ作ってみました。qiita初投稿としてまとめてみました。

##目標
QuantXに慣れる、一つアルゴリズムを作ってみる。

##作りたいアルゴリズム

ボリンジャーバンドの特徴を活かしてトレードします。
スクイーズではσバンドで逆張りのシグナル
エクスパンションのときは順張りのシグナル
この２点を踏まえて、順張りと逆張りを切り替えるアルゴリズムを作っていきます。

参考サイト
ボリンジャーバンドの使い方・見方　順張り・逆張りで使えるテクニカル分析

##完成コード
完成したコードはこちら

##解説
重要な部分だけ少し解説してみます。

1.使用する関数の作成　

####エクスパンドを判定してフラグを立てる関数 #6~#16 ```python def judge_expand(ar_upperband,ar_lowerband,m): ar_volatility = ar_upperband - ar_lowerband list_vol = ar_volatility.tolist() list_expand = [0]*len(list_vol)

for i in range(m,len(list_vol)):
  if list_vol[i] > 3*min(list_vol[i-m:i]):
    list_expand[i]=1

return np.array(list_expand)

引数に配列`ar_upperband`、`ar_lowerband`、整数`m`をとります。

　　`ar_upperband`、`ar_lowerband`にはボリンジャーバンドの上と下の値が格納されています。ボリンジャーバンドの幅はその差であり、`ar_volatility`に格納し、`.tolist()`でリスト`list_vol`に直します。
　　また、エクスパンドしているかどうかの状態を0/1で格納するリスト`list_expand`を`list_vol`と同じ長さで値は全て０で用意しておきます。

今回はエクスパンドしている状態を、__「過去m日のボリンジャーバンドの幅の最小値の３倍をその日のボリンジャーバンドの幅が越えればエキスパンド している」__、と定義します。

`list_expand`への数字の格納の仕方は下図のようになります。
<img width="941" alt="image.png" src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/401224/958fccd4-fa88-c4dc-1799-79d3852a2618.png">

最後に`list_expand`を配列に直して返します。

####バンドをはみ出したかを判定してフラグを立てる関数 #18~#26
```python

#バンドの上をはみ出したかどうか判定する関数
def judge_plus_sigma(sr_upperband,sr_price):
  ar_a = np.greater(sr_price,sr_upperband)
  return ar_a.astype(int)

#バンドの下をはみ出したかどうか判定する関数
def judge_minus_sigma(sr_lowerband,sr_price):
  ar_a = np.less(sr_price,sr_lowerband)
  return ar_a.astype(int)

引数はpandasのseriesであるsr_upperband（sr_lowerband）、sr_priceをとります。sr_upperband（sr_lowerband）はボリンジャーバンドの上（下）の値、sr_priceは終値が格納されています。
ボリンジャーバンドの上（下）の値を、終値が超えたら（下回ったら）、trueをar_aに格納します。最後にtrueを1に直して返します。

###2.フラグをシグナルに変換する部分 #85~#88

df_ag_buy_sig[sym] = df_minus_sigma[sym] - df_minus_sigma[sym]*df_expand[sym]
df_ag_sell_sig[sym] = df_plus_sigma[sym] - df_plus_sigma[sym]*df_expand[sym]
df_fol_buy_sig[sym] = df_plus_sigma[sym]*df_expand[sym]
df_fol_sell_sig[sym] = df_minus_sigma[sym]*df_expand[sym]