網格交易策略--動蕩的股市下的穩定交易策略之一

?股市交易的策略和農作物生長一樣：需要在合適的股票，合適的時間，選擇合適的策略，然後獲取最大收益。

1.什麽是網格交易策略

什麽網格交易策略，我們來看一張圖片，如下圖：

下圖是加密幣的FIL/BTC交易

網格交易策略，簡單來講，就是我們將價格設定一個區間，然後分成很多個網格，然後根據網格進行買賣獲利。

2.什麽時候適合使用網格交易策略
前麵講了，合適的股票在合適的時機使用合適的策略，就能獲取最大利潤。那麽網格策略在什麽時候可以使用呢？

網格策略最合適的使用時機在股價盤整的時候，也適合大盤動蕩不停的洗盤的時候。如下圖所示：

3.什麽時候不適合使用網格交易策略

對於單邊走勢股票，不適合使用此策略，單邊走勢，也是該策略失效的時候。

比如股價如下走勢，不停的下跌趨勢，不適合使用網格策略。

如下圖股價往上走勢，不停的向上趨勢，不適合使用網格策略。

4.如何設置股票的網格交易策略

明白了上述網格交易策略的使用時機，那就是對於網格交易的設置使用了。網格的設置主要有兩種方法：

1. 均價網格，比如AAPL今天股價是125，動蕩區間是110-140之間，我們希望每格利潤為2美金，那麽一共就有15個網格，每2美金進行一次交易。

2. 支撐位和壓力位網格

   對於這個，首先得明白支撐位和壓力位分別是多少？比如AAPL今天股價是125，動蕩區間是110-140，之間分別有114，118，122，126，128，133，138作為壓力位，112，116，120，122，124，130，132作為支撐位，我們可以設置為支撐位買入，壓力位賣出。

可能大家會說，股票不能做到自動交易，為了在股票中實現網格交易策略，可以進行限價交易就可以了。

第一步：建倉，合適的價位建倉

第二步：建立網格

第三步：設置限價單

然後就隻等盈利了。

5.如何實現網格交易的機器交易

如果你懂一點python語言，而且你能注冊給你自己交易權限的賬戶，那麽你可以自己寫一個網格交易的策略，比如Robinhood就可以獲得交易權限。

下麵的例子是一個關於加密幣交易的網格策略，可以修改後用在股票交易，並進行回測。

pip install backtraderimport backtrader as bt?import pandas as pdimport numpy as np?class GridStrategy(bt.Strategy):?    def __init__(self):        self.highest = bt.indicators.Highest(self.data.high, period=1440, subplot=False)        self.lowest = bt.indicators.Lowest(self.data.low, period=1440, subplot=False)        mid = (self.highest + self.lowest)/2        perc_levels = [x for x in np.arange(            1 + 0.005 * 5, 1 - 0.005 * 5 - 0.005/2, -0.005)]        self.price_levels = [mid * x for x in perc_levels]        self.last_price_index = None?    def next(self):        if self.last_price_index == None:            for i in range(len(self.price_levels)):                if self.data.close > self.price_levels[i]:                    self.last_price_index = i                    self.order_target_percent(                        target=i/(len(self.price_levels) - 1))                    return        else:            signal = False            while True:                upper = None                lower = None                if self.last_price_index > 0:                    upper = self.price_levels[self.last_price_index - 1]                if self.last_price_index < len(self.price_levels) - 1:                    lower = self.price_levels[self.last_price_index + 1]                # 還不是最輕倉，繼續漲，就再賣一檔                if upper != None and self.data.close > upper:                    self.last_price_index = self.last_price_index - 1                    signal = True                    continue                # 還不是最重倉，繼續跌，再買一檔                if lower != None and self.data.close < lower:                    self.last_price_index = self.last_price_index + 1                    signal = True                    continue                break            if signal:                self.long_short = None                self.order_target_percent(                    target=self.last_price_index/(len(self.price_levels) - 1))?if __name__ == '__main__':    # 創建引擎    cerebro = bt.Cerebro()?    # 加入網格策略    cerebro.addstrategy(GridStrategy)?    # 導入數據    df = pd.read_csv('./binance-segment.csv', parse_dates=['time'])    data = bt.feeds.PandasData(dataname=df,        timeframe=bt.TimeFrame.Minutes,        datetime='time',        open='open',        high='high',        low='low',        close='close',        volume='volume',        openinterest=-1)?    cerebro.adddata(data)?    # 設置起始資金    cerebro.broker.setcash(100000.0)?    # 設定對比指數    cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years,        data=data, _name='benchmark')?    # 策略收益    cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years, _name='portfolio')?    start_value = cerebro.broker.getvalue()    print('Starting Portfolio Value: %.2f' % start_value)?    # Run over everything    results = cerebro.run()?    strat0 = results[0]    tret_analyzer = strat0.analyzers.getbyname('portfolio')    print('Portfolio Return:', tret_analyzer.get_analysis())    tdata_analyzer = strat0.analyzers.getbyname('benchmark')    print('Benchmark Return:', tdata_analyzer.get_analysis())?    # 畫圖    cerebro.plot(style='candle', barup='green')?

 

希望以上策略能對你的股票交易有所啟示，更多美股交易資訊，請關注我的微信公眾號！