### PyCharm 中实现大豆期货叠加 MACD 策略的代码示例 以下是基于 Python 和 `pandas` 库以及技术分析库 `ta-lib` 的一个简单的大豆期货叠加 MACD 策略代码示例。此代码可以在 PyCharm 或其他 IDE 上运行。 #### 数据准备 为了实现该策略，需要获取历史价格数据（例如 OHLCV 数据）。可以使用 `yfinance` 或者 `ccxt` 来下载金融市场的数据[^1]。 ```python import pandas as pd import numpy as np from ta.trend import macd_diff, macd_signal, macd # 使用 TA-Lib 替代也可以 import yfinance as yf # 下载大豆期货的历史数据 (假设交易品种为 ZS 主连合约) symbol = 'ZS=F' # Yahoo Finance 提供的大豆期货符号 data = yf.download(symbol, start="2020-01-01", end="2023-09-01") # 计算 MACD 指标 data['macd'] = macd(data['Close'], window_slow=26, window_fast=12, fillna=True) data['macd_signal'] = macd_signal(data['Close'], window_slow=26, window_fast=12, window_sign=9, fillna=True) data['macd_diff'] = macd_diff(data['Close'], window_slow=26, window_fast=12, window_sign=9, fillna=True) # 打印前几行数据确认计算结果 print(data.head()) ``` #### 策略逻辑 MACD 是一种趋势跟踪指标，通过比较快速线 (`macd`) 和慢速线 (`macd_signal`) 可以判断买入或卖出信号。当快速线上穿慢速线时发出买入信号；反之则发出卖出信号[^2]。 ```python def generate_signals(data): signals = pd.DataFrame(index=data.index) signals['signal'] = 0.0 # 当 MACD 快速线超过信号线时生成买入信号 signals['signal'][data['macd'] > data['macd_signal']] = 1.0 # 当 MACD 快速线下穿信号线时生成卖出信号 signals['signal'][data['macd'] < data['macd_signal']] = -1.0 # 去除重复信号 signals['position'] = signals['signal'].diff() return signals signals = generate_signals(data) print(signals.tail(10)) ``` #### 回测模拟 可以通过简单的回测来评估策略的表现。这里我们仅考虑持仓变化和收盘价作为收益基础。 ```python initial_capital = float(100000.0) # 初始资金 positions = pd.DataFrame(index=signals.index).fillna(0.0) portfolio = pd.DataFrame(index=signals.index).fillna(0.0) # 初始化头寸数量 positions['shares'] = 100 * signals['signal'] # 更新投资组合价值 portfolio['holdings'] = positions['shares'] * data['Adj Close'] portfolio['cash'] = initial_capital - (positions['shares'] * data['Adj Close']).cumsum() # 总资产等于持有股票的价值加上剩余现金 portfolio['total'] = portfolio['cash'] + portfolio['holdings'] portfolio['returns'] = portfolio['total'].pct_change() # 输出最终总资产 final_portfolio_value = portfolio['total'][-1] print(f"Final Portfolio Value: {final_portfolio_value}") ``` #### 结果可视化 最后，我们可以绘制 MACD 图形及其买卖信号以便更直观地理解策略表现。 ```python import matplotlib.pyplot as plt fig, ax1 = plt.subplots(figsize=(14,7)) ax1.plot(data['Close'], label='Price', color='blue') ax1.set_ylabel('Price') ax2 = ax1.twinx() # 创建双轴图 ax2.plot(data['macd'], label='MACD Line', color='orange') ax2.plot(data['macd_signal'], label='Signal Line', color='red') ax2.bar(data.index, data['macd_diff'], width=0.8, alpha=0.5, label='Histogram', color='gray') ax2.axhline(y=0, linestyle='--', color='black') # 添加零基线 plt.title('MACD Strategy on Soybean Futures') ax1.legend(loc='upper left') ax2.legend(loc='lower left') plt.show() ``` --- ###