01
引言
Ichimoku Kinko Hyo，简称Ichimoku，是一名日本报纸作家提出的，用于衡量动量以及未来价格支撑和阻力区域的技术分析指标，目前被广泛用于判断外汇、期货、股票、黄金等投资品种的趋势和动量。该指标将各种技术策略组合成一个易于实现和解释的指标。“ichimoku”翻译成中文是“一目”的意思，相当于交易者只需要看一眼图表就能确定价格动量走势、支撑和阻力位。下面首先为大家介绍Ichimoku指标的基本原理，其次使用Python计算该指标并对其云图进行可视化，最后使用backtrader对该指标进行简单的历史回测。
02
Ichimoku指标计算与可视化
Ichimoku指标由五条线组成：
Tenkan-sen：转折线，通过在过去9交易日最高价和最低价之和除以2，用来表示关键支撑和阻力位，以及反转信号线。
Kijun-sen：基准线，通过在过去26个交易日最高价和最低价之和除以2，表示关键支撑位和阻力位，是趋势变化的确认，可用作追踪止损点。
Senkou Span A：前导跨度A或先行上线A，通过将tenkan-sen和kijun-sen相加除以2，由此产生的线形成了kumo（或云）的一个边缘，用于识别未来的支撑和阻力区域。
Senkou Span B：前导跨度B或先行上线B，通过将过去52个交易日最高价和最低价之和除以2，形成了kumo的另一个边缘，用于识别未来的支撑和阻力区域。
Chikou Span：滞后跨度或延迟线是当前周期的收盘价，在图表上显示往前30天的收盘价。该线用于显示可能的支撑和阻力区域。
使用Python计算Ichimoku指标，并对该指标的云图进行可视化。
导入Python相关模块
importpandasaspdimportmatplotlib.pyplotasplt#正常显示画图时出现的中文和负号frompylabimportmplmpl.rcParams['font.sans-serif']=['SimHei']mpl.rcParams['axes.unicode_minus']=Falseimporttushareastsimportbacktraderasbtimportpyfolioaspf
以Python的class类对数据获取、指标计算和可视化进行封装。
classcal_ichimoku(object):def__init__(self,code='cyb',start='-01-01',end='-06-01'):self.code=codeself.start=startself.end=endself.data=self.get_data()defget_data(self):df=ts.get_k_data(self.code,self.start,self.end)df.index=pd.to_datetime(df.date)returndf[['open','high','low','close','volume']]defichimoku(self,cl_period=9,bl_period=26,lag_span_period=26,lead_span_b_period=52):#计算转换线high_1=self.data['high'].rolling(cl_period).max()low_1=self.data['low'].rolling(cl_period).min()#Tenkan-sen：转换线self.data['conversion_line']=(high_1+low_1)/2#计算基准线high_2=self.data['high'].rolling(bl_period).max()low_2=self.data['low'].rolling(bl_period).min()self.data['base_line']=(high_2+low_2)/2#计算前导跨度Aself.data['lead_span_A']=((self.data.conversion_line+self.data.base_line)/2).shift(lag_span_period)#计算前导跨度Ahigh_3=self.data['high'].rolling(lead_span_b_period).max()low_3=self.data['high'].rolling(lead_span_b_period).min()self.data['lead_span_B']=((high_3+low_3)/2).shift(lead_span_b_period)#滞后跨度self.data['lagging_span']=self.data['close'].shift(-lag_span_period)#删除缺失值self.data.dropna(inplace=True)defgraph_ichimoku(self):fig,ax=plt.subplots(1,1,sharex=True,figsize=(15,7))ax.plot(self.data.index,self.data['close'],linewidth=2,label='收盘价')ax.plot(self.data.index,self.data['lead_span_A'],label='前导跨度A',color='k')ax.plot(self.data.index,self.data['lead_span_B'],label='前导跨度B',color='y')ax.fill_between(self.data.index,self.data['lead_span_A'],self.data['lead_span_B'],where=self.data['lead_span_A']>=self.data['lead_span_B'],color='lightcoral')ax.fill_between(self.data.index,self.data['lead_span_A'],self.data['lead_span_B'],where=self.data['lead_span_A']<self.data['lead_span_B'],color='lightgreen')plt.legend(loc=0)plt.grid()plt.show()
以‘600000’个股为例，其Ichimoku云图如下所示，
ich=cal_ichimoku(code='600000')ich.ichimoku()ich.graph_ichimoku()
图中红色和绿色区域就是云图指标的主要元素。A线和B线形成云图指标的阻力水平和支撑水平。一般而言，绿色的云彩变成红色代表上升趋势内的横盘，红色的云彩变成绿色则代表下跌趋势内的横盘。当转折线由下向上穿过基准线时是买入信号，当转折线由上向下穿过基准线时是卖出信号。下面根据买入卖出信号利用backtrader进行量化回测。
03
Ichimoku交易策略回测
交易策略：当收盘价在云层上方、转换线从下往上穿过基准线与其云层上方、延迟线位于云层上方时，买入做多；反之，当收盘价在云层下方、转换线从上往下穿过基准线与其云层下方、延迟线位于云层下方时，卖出做空。
classIchimokuStrategy(bt.Strategy):params=(('cl_period',9),('bl_period',26),('lag_span_period',26),('lead_b_period',52),)def__init__(self):self.dataclose=self.datas[0].closeself.datahigh=self.datas[0].highself.datalow=self.datas[0].lowself.order=Noneself.buyprice=0self.buycomm=0self.newstake=0self.buytime=0#参数计算#计算转换线self.Highest_high1=bt.indicators.Highest(self.datahigh(-1),period=self.params.cl_period,subplot=False)self.Lowest_low1=bt.indicators.Lowest(self.datalow(-1),period=self.params.cl_period,subplot=False)self.Conversion_line=(self.Highest_high1+self.Lowest_low1)/2#计算基准线self.Highest_high2=bt.indicators.Highest(self.datahigh(-1),period=self.params.bl_period,subplot=False)self.Lowest_low2=bt.indicators.Lowest(self.datalow(-1),period=self.params.bl_period,subplot=False)self.Base_line=(self.Highest_high2+self.Lowest_low2)/2#计算前导跨度Aself.lead_span_A=((self.Conversion_line+self.Base_line)/2)(-self.params.lag_span_period)#计算前导跨度Bself.Highest_high3=bt.indicators.Highest(self.datahigh(-1),period=self.params.lead_b_period,subplot=False)self.Lowest_low3=bt.indicators.Lowest(self.datalow(-1),period=self.params.lead_b_period,subplot=False)self.lead_span_B=((self.Highest_high3+self.Lowest_low3)/2)(-self.params.lead_b_period)#计算价格的滞后值self.lagging_span=self.dataclose(-self.params.lag_span_period)self.Crossover=bt.ind.CrossOver(self.dataclose,self.lead_span_A)defnext(self):ifself.order:return#入场#得到当前的账户价值total_value=self.broker.getvalue()*0.9ifself.Crossover>0andself.buytime==0:self.buytime=1size=int(total_value/100/data.close[0])*100self.order=self.buy(size=size)#出场elifself.Crossover<0andself.buytime>0:self.order=self.close()self.buytime=0
使用tushare获取交易数据。
#获取数据在backtrader上回测df=cal_ichimoku(code='600000',start='-01-01').datadf['openinterest']=0df=df[['open','high','low','close','volume','openinterest']]#df.head()
backtrader回测系统设置。
#初始化回测系统cerebro=bt.Cerebro(cheat_on_open=True)#添加策略cerebro.addstrategy(IchimokuStrategy)#添加数据data=bt.feeds.PandasData(dataname=df)cerebro.adddata(data)#初始资金设置startcash=1000000cerebro.broker.setcash(startcash)#设置佣金为0.08%cerebro.broker.setcommission(commission=0.0008)#运行回测系统cerebro.addanalyzer(bt.analyzers.PyFolio,_name='pyfolio')results=cerebro.run()strat=results[0]pyfoliozer=strat.analyzers.getbyname('pyfolio')returns,positions,transactions,gross_lev=pyfoliozer.get_pf_items()#获取回测结束后的总资金portvalue=cerebro.broker.getvalue()pnl=portvalue-startcash#打印结果print(f'初始资金：{startcash}')print(f'总资金:{round(portvalue,2)}')print(f'净收益:{round(pnl,2)}')
初始资金：1000000总资金:3828151.48净收益:2828151.48
backtrader回测图
plt.rcParams['figure.figsize']=[18,8]cerebro.plot(iplot=False)
下面进一步使用pyfolio展示更详细的量化回测结果。在-.06交易期间内，年化回报率为14.5%，总收益率283%，年化波动率36.5%，夏普比率只有0.55，最大回撤高达53.5%，各项指标显示该交易策略效果并没有特别好。
#使用pyfolio展示回测结果pf.create_full_tear_sheet(returns)
04
结语
本文简单介绍了Ichimoku指标的基本原理，重点展示了如何使用Python计算该指标并对其云图进行可视化，以及利用该指标构建交易策略并通过backtrader进行历史回测。值得注意的是，本文只是以某个特例（‘600000’）进行回测，得到的结果好坏与否并不能简单代表该指标是否有效，还需要更多样本和案例的支持。动量和趋势是金融市场价格常常表现出来的一种现象，Ichimoku指标与其他动量指标一样，当价格形成一种相对稳定的趋势时（大牛市或大熊市），其预测能力较强，但当价格处于震荡状态时往往失效。此外，技术指标局限于历史价格本身，有点类似温度计，能够一定程度上测量过去和当前的温度，但无法给出明天的温度（无法解释动量如何产生，何时停止）。
关于Python金融量化
专注于分享Python在金融量化领域的应用。加入知识星球，可以免费获取30多g的量化投资视频资料、量化金融相关PDF资料、公众号文章Python完整源码、量化投资前沿分析框架，与博主直接交流、结识圈内朋友等。
如果觉得《【手把手教你】Ichimoku云图指标可视化与交易策略回测》对你有帮助，请点赞、收藏，并留下你的观点哦！
