3
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

QuantXでバズ(メディアの言及度)を用いたシステムトレード

Last updated at Posted at 2018-12-30

#自己紹介
この度Smart Tradeでインターンすることになったゴンです。

ゴンについて、知りたい方はこちら。

ブログぜひ読んでね〜

初めての記事はこちら(QuantXを初めてみて)
https://qiita.com/investor-gon/items/2b1952ae5c2c88334c74

#何を作るのか(完成目標)


日経平均寄与率上位10位の銘柄(2018年12月25日)を用いて、バズを用いたアルゴリズムを作る!!!

とりあえず動けば良い。

バズの25日移動平均線が75日移動平均線を上に抜けたら買い、下に抜けたら売りのアルゴリズムで売買しているよ。


#まずは完成コード(コピペ、どうぞ)

############################################################################
# 日経225 バズ cup

  #ライブラリーの設定
import pandas as pd
import talib as ta
import numpy as np

def initialize(ctx):
    # 設定
    ctx.logger.debug("initialize() called")
    ctx.configure(
      target="jp.stock.daily",
      channels={          # 利用チャンネル
        "jp.stock": {
          "symbols": [
            "jp.stock.9983", #ファーストリテイリング
            "jp.stock.9984", #ソフトバンク
            "jp.stock.6954", #ファナック
            "jp.stock.9433", #KDDI
            "jp.stock.8028", #ファミリーマート
            "jp.stock.8035", #東京エレクトロン
            "jp.stock.4543", #テルモ
            "jp.stock.6367", #ダイキン
            "jp.stock.6971", #京セラ
            "jp.stock.9735", #セコム
          ],
          "columns": [
            #"open_price_adj",    # 始値(株式分割調整後)
            #"high_price_adj",    # 高値(株式分割調整後)
            #"low_price_adj",     # 安値(株式分割調整後)
            #"close_price",        # 終値
            "close_price_adj",    # 終値(株式分割調整後) 
            #"volume_adj",         # 出来高
            #"txn_volume",         # 売買代金
            "ns_buzz"            # バズ(ニュース、ソーシャル)
                                  # 値の範囲:0 ~ 1
           ]
        }
      }
    )

    def _my_buzz(data):
        ns_buzz = data["ns_buzz"].fillna(method="ffill")
       
        ns_buzz_m75 = ns_buzz.rolling(window=75, center=False).mean()
        ns_buzz_m25 = ns_buzz.rolling(window=25, center=False).mean()
        #バズの25日と75日移動平均出してるよ

        buy_sig = ns_buzz_m75 > ns_buzz_m25
        sell_sig = ns_buzz_m75 < ns_buzz_m25
       
        return {
            "buy:sig": buy_sig,
            "sell:sig": sell_sig,
            "ns_buzz_m75": ns_buzz_m75,
            "ns_buzz_m25": ns_buzz_m25
        }

    # シグナル登録
    ctx.regist_signal("my_buzz", _my_buzz)

def handle_signals(ctx, date, current):

 # 買いシグナル
    buy = current["buy:sig"].dropna()
    for (sym,val) in buy.items():
        sec = ctx.getSecurity(sym)
        sec.order_target_percent(0.2, comment="SIGNAL BUY")
        pass

 # 売りシグナル
    sell = current["sell:sig"].dropna()
    for (sym,val) in sell.items():
        sec = ctx.getSecurity(sym)
        sec.order_target_percent(0, comment="SIGNAL SELL")
        pass

#結果はこちら
スクリーンショット 2018-12-31 0.20.32.png

試しにKDDIの売買履歴を見るとこんなかんじ。

スクリーンショット 2018-12-31 0.21.03.png


三年間で20%のプラスですね。バズも役に立つかんじですね。

ちなみに、

アルファ値は、アルゴリズムの収益率から市場全体の動き(ベンチマーク)に連動したリターンを差し引いたもので、本数値が高いほど、ベンチマークの収益率を上回り、それだけリターンが高いことを意味します。


ベータ値とは、アルゴリズムの収益が証券市場全体の動きに対してどの程度敏感に反応して変動するかを示す数値です。この数値が高いほど、証券市場全体の動きに連動した変動幅(増減幅)が大きいことを意味します。

#解説
##ライブラリーの選択

#ライブラリーの設定

import pandas as pd
import talib as ta
import numpy as np

使うライブラリーをあらかじめ設定しておきます。

##日本株式の選択

def initialize(ctx):
    # 設定
    ctx.logger.debug("initialize() called")
    ctx.configure(
      target="jp.stock.daily",
      channels={          # 利用チャンネル
        "jp.stock": {
          "symbols": [
            "jp.stock.9983", #ファーストリテイリング
            "jp.stock.9984", #ソフトバンク
            "jp.stock.6954", #ファナック
            "jp.stock.9433", #KDDI
            "jp.stock.8028", #ファミリーマート
            "jp.stock.8035", #東京エレクトロン
            "jp.stock.4543", #テルモ
            "jp.stock.6367", #ダイキン
            "jp.stock.6971", #京セラ
            "jp.stock.9735", #セコム
          ],
          "columns": [
            #"open_price_adj",    # 始値(株式分割調整後)
            #"high_price_adj",    # 高値(株式分割調整後)
            #"low_price_adj",     # 安値(株式分割調整後)
            #"close_price",        # 終値
            "close_price_adj",    # 終値(株式分割調整後) 
            #"volume_adj",         # 出来高
            #"txn_volume",         # 売買代金
            "ns_buzz"            # バズ(ニュース、ソーシャル)
                                  # 値の範囲:0 ~ 1
           ]
        }
      }
    )


今回使用する日経平均寄与率上位10銘柄を持ってきます。
また、使う値は、バズの値のみです。

##取引手法

    def _my_buzz(data):
        ns_buzz = data["ns_buzz"].fillna(method="ffill")
       
        ns_buzz_m75 = ns_buzz.rolling(window=75, center=False).mean()
        ns_buzz_m25 = ns_buzz.rolling(window=25, center=False).mean()
        #バズの25日と75日移動平均出してるよ

        buy_sig = ns_buzz_m75 > ns_buzz_m25
        sell_sig = ns_buzz_m75 < ns_buzz_m25
       
        return {
            "buy:sig": buy_sig,
            "sell:sig": sell_sig,
            "ns_buzz_m75": ns_buzz_m75,
            "ns_buzz_m25": ns_buzz_m25
        }

    # シグナル登録
    ctx.regist_signal("my_buzz", _my_buzz)


今回は、バズの25日と75日移動平均線をまず求めます。


そして、バズの25日移動平均線が75日移動平均線を上に抜けたら買い、下に抜けたら売りのアルゴリズムで売買しているよ。
そしてシグナルを登録しておく。

##数量選択

def handle_signals(ctx, date, current):

 # 買いシグナル
    buy = current["buy:sig"].dropna()
    for (sym,val) in buy.items():
        sec = ctx.getSecurity(sym)
        sec.order_target_percent(0.2, comment="SIGNAL BUY")
        pass

 # 売りシグナル
    sell = current["sell:sig"].dropna()
    for (sym,val) in sell.items():
        sec = ctx.getSecurity(sym)
        sec.order_target_percent(0, comment="SIGNAL SELL")
        pass

あとはさっき設定した買いシグナル売りシグナルで売買をするのですが、
詳しくはこちらなのですが、今回使用したやつだけ載せておきます。


  **order_target_percent(amount, comment): void**

この銘柄の総保有額が総資産評価額(現金+保有ポジション評価額)に対して指定の割合となるように注文を行ないます。 amountには割合(例:5%なら0.05)を指定します。


つまり、今回の場合は、総資産の20%の買いを入れていて、資金がなくなったらおしまいという感じで資金管理しています。

バズを用いた攻めたトレードです。実際は組み合わせじゃないとこんな取引できないと思います笑

それでは今回はこの辺で。

3
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
3
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?