当前位置：首页>python>量化投资策略:用Python实现配对交易策略,基于baostock的量化实战

量化投资策略:用Python实现配对交易策略,基于baostock的量化实战

2026-10-11 07:16:28

作品介绍

作品名称：用Python实现配对交易策略，基于baostock的量化实战

用到的库：baostock、pandas、datetime

作品简介：该实例实现了一个配对交易策略，通过两只股票的历史价格数据计算价差，并根据标准化价差生成交易信号。策略的核心思想是利用两只股票之间的价差回归特性，进行市场中性套利。

实现过程

一、导入必要的库

import baostock as bsimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt

二、函数定义login_baostock

使用 bs.login()登录 API，获取数据权限。
检查登录状态，确保后续数据获取正常。

# 登录baostockdef login_baostock():    lg = bs.login()    if lg.error_code != '0':        print(f"登录失败，错误代码：{lg.error_code}, 错误信息：{lg.error_msg}")        return False    print("登录成功")    return True

三、函数定义get_stock_data

调用 baostock.query_history_k_data_plus 获取指定时间段内的股票收盘价数据。
数据处理：将日期设置为索引，关闭价转换为浮点数。

# 获取历史数据def get_stock_data(stock_code, start_date, end_date):    rs = bs.query_history_k_data_plus(        stock_code,        "date,close",        start_date=start_date,        end_date=end_date,        frequency="d",        adjustflag="3"  # 后复权    )    data_list = []    while (rs.error_code == '0') & rs.next():        data_list.append(rs.get_row_data())    df = pd.DataFrame(data_list, columns=rs.fields)    df['close'] = df['close'].astype(float)    df['date'] = pd.to_datetime(df['date'])    df.set_index('date', inplace=True)    return df

四、函数定义calculate_spread

对两只股票的对数价格计算价差。
标准化价差：减去均值后除以标准差，使其均值为 0，标准差为 1。

# 计算价差和标准化价差def calculate_spread(stock1_data, stock2_data):    stock1_log = np.log(stock1_data['close'])    stock2_log = np.log(stock2_data['close'])    # 计算价差    spread = stock1_log - stock2_log    # 标准化价差    spread_mean = spread.mean()    spread_std = spread.std()    normalized_spread = (spread - spread_mean) / spread_std    return spread, normalized_spread

五、函数定义generate_signals

当标准化价差超过设定的进入阈值（如 ±1.0），生成开仓信号。
当标准化价差回归到退出阈值（如 ±0.5），生成平仓信号。
支持多空双向交易。

# 生成交易信号def generate_signals(normalized_spread, entry_threshold=1.0, exit_threshold=0.5):    signals = pd.Series(index=normalized_spread.index, dtype=float)    position = 0  # 当前持仓状态：0表示无持仓，1表示持有股票1并做空股票2，-1表示持有股票2并做空股票1    for i in range(len(normalized_spread)):        if position == 0:            if normalized_spread[i] > entry_threshold:                signals.iloc[i] = -1  # 做空股票1，做多股票2                position = -1            elif normalized_spread[i] < -entry_threshold:                signals.iloc[i] = 1  # 做多股票1，做空股票2                position = 1        elif position == 1:            if normalized_spread[i] < exit_threshold:                signals.iloc[i] = 0  # 平仓                position = 0        elif position == -1:            if normalized_spread[i] > -exit_threshold:                signals.iloc[i] = 0  # 平仓                position = 0    return signals

六、主程序

绘制标准化价差曲线及交易信号点。
添加进入和退出阈值的参考线，便于观察策略表现。

# 主程序if __name__ == "__main__":    # 登录baostock    ifnotlogin_baostock():        exit()    # 设置参数    stock1_code = "sh.600519"  # 贵州茅台    stock2_code = "sh.600809"  # 山西汾酒    start_date = "2024-01-01"    end_date = "2025-04-23"    # 获取股票数据    stock1_data = get_stock_data(stock1_code, start_date, end_date)    stock2_data = get_stock_data(stock2_code, start_date, end_date)    # 计算价差和标准化价差    spread, normalized_spread = calculate_spread(stock1_data, stock2_data)    # 生成交易信号    signals = generate_signals(normalized_spread, entry_threshold=1.0, exit_threshold=0.5)    # 设置支持中文的字体    plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体    plt.rcParams['axes.unicode_minus'] = False  # 解决负号 '-' 显示为方块的问题    # 可视化结果    plt.figure(figsize=(14, 7))    plt.plot(normalized_spread, label="标准化价差", color="blue")    plt.axhline(1.0, color='r', linestyle='--', label="进入阈值")    plt.axhline(-1.0, color='r', linestyle='--')    plt.axhline(0.5, color='g', linestyle='--', label="退出阈值")    plt.axhline(-0.5, color='g', linestyle='--')    plt.scatter(signals.index, signals * 2, label="信号", marker='o', color='black')    plt.legend()    plt.title("配对交易策略")    plt.show()    # 注销baostock    bs.logout()