[原创] 程序化交易中的K线数据处理浅谈

前言

在编写程序化交易策略时,使用K线数据,经常会有需求使用一些非标准周期K线数据的情况,例如需要使用12分钟周期K线数据、4小时K线周期数据,通常这类非标准周期是无法直接获取的。那么我们如何应对此类需求呢?
答案肯定是有办法的。
非标准周期可以通过更小周期的数据,合并合成获取,可以想象一下,多个周期中的最高价,算作合成后的最高价,最低价算作合成后的最低价,开盘价不会变,就用合成这根K线原料数据的第一个开盘价,收盘价对应的是用合成这根K线的原料数据的最后一个的收盘价,时间就是取的开盘价的时间,成交量用原料数据的交易量求和计算得出。

 

思路

我们以区块链资产市场BTC_USDT为例,用1小时合成为4小时。

 

这四个1小时周期的数据,合成一个根4小时周期的数据,开盘价即第一根00:00时间的开盘价:11382.57。收盘价是最后一根即03:00时的收盘价:11384.71。最高价就找这里面最高的价格:11447.07。最低价就找这里面最低的价格:11365.51。4小时周期起始时间就是00:00这根1小时K线的起始时间,即2019.8.12 00:00。成交量每根1小时的求和即可(主要观察价格如何合成,成交量数据中没有显示),这里不做赘述。合成出的一根4小时K线即:

  • 高:11447.07
  • 开:11382.57
  • 低:11365.51
  • 收:11384.71
  • 时间:2019.8.12 00:00

可以看到数据是一致的。

 

编写代码实现

验证了初步的思路,就可以动手写一写代码初步实现一下这个需求了。直接放出代码,代码仅供参考学习:

  function GetNewCycleRecords (sourceRecords, targetCycle) {    // K线合成函数
      var ret = []
      
      // 首先获取源K线数据的周期
      if (!sourceRecords || sourceRecords.length < 2) {
          return null
      }
      var sourceLen = sourceRecords.length
      var sourceCycle = sourceRecords[sourceLen - 1].Time - sourceRecords[sourceLen - 2].Time

      if (targetCycle % sourceCycle != 0) {
          Log("targetCycle:", targetCycle)
          Log("sourceCycle:", sourceCycle)
          throw "targetCycle is not an integral multiple of sourceCycle."
      }

      if ((1000 * 60 * 60) % targetCycle != 0 && (1000 * 60 * 60 * 24) % targetCycle != 0) {
          Log("targetCycle:", targetCycle)
          Log("sourceCycle:", sourceCycle)
          Log((1000 * 60 * 60) % targetCycle, (1000 * 60 * 60 * 24) % targetCycle)
          throw "targetCycle cannot complete the cycle."
      }

      var multiple = targetCycle / sourceCycle


      var isBegin = false 
      var count = 0
      var high = 0 
      var low = 0 
      var open = 0
      var close = 0 
      var time = 0
      var vol = 0
      for (var i = 0 ; i < sourceLen ; i++) {
          // 获取 时区偏移数值
          var d = new Date()
          var n = d.getTimezoneOffset()

          if (((1000 * 60 * 60 * 24) - sourceRecords[i].Time % (1000 * 60 * 60 * 24) + (n * 1000 * 60)) % targetCycle == 0) {
              isBegin = true
          }

          if (isBegin) {
              if (count == 0) {
                  high = sourceRecords[i].High
                  low = sourceRecords[i].Low
                  open = sourceRecords[i].Open
                  close = sourceRecords[i].Close
                  time = sourceRecords[i].Time
                  vol = sourceRecords[i].Volume

                  count++
              } else if (count < multiple) {
                  high = Math.max(high, sourceRecords[i].High)
                  low = Math.min(low, sourceRecords[i].Low)
                  close = sourceRecords[i].Close
                  vol += sourceRecords[i].Volume

                  count++
              }

              if (count == multiple || i == sourceLen - 1) {
                  ret.push({
                      High : high,
                      Low : low,
                      Open : open,
                      Close : close,
                      Time : time,
                      Volume : vol,
                  })
                  count = 0
              }
          }
      }

      return ret 
  }

  // 测试
  function main () {
      while (true) {
          var r = exchange.GetRecords()                           // 原始数据,作为合成K线的基础K线数据,例如要合成4小时K线,可以用1小时K线作为原始数据。
          var r2 = GetNewCycleRecords(r, 1000 * 60 * 60 * 4)      // 通过 GetNewCycleRecords 函数 传入 原始K线数据 r , 和目标周期, 1000 * 60 * 60 * 4 即 目标合成的周期 是4小时K线数据。

          $.PlotRecords(r2, "r2")                                 // 策略类库栏 可以勾选画线类库,调用 $.PlotRecords 画线类库 导出函数 画图。
          Sleep(1000)                                             // 每次循环间隔 1000 毫秒,防止访问K线接口获取数据过于频繁,导致交易所限制。
      }
  }

其实要合成K线,就需要两个东西,第一是需要原料数据,即小周期的K线数据,例子中 var r = exchange.GetRecords()。获取的小周期K线数据。第二是需要明确合成为多大的周期,即K线数据合成的目标周期。然后通过GetNewCycleRecords函数的算法,就可以最后返回一个合成出来的K线数组结构的数据了。实盘运行了一下:

对比交易所图表

需要注意的是:目标周期不能小于你传入GetNewCycleRecords 函数作为数据原料的K线的周期,因为无法用小周期去合成更小的周期的数据。设置的目标周期必须是周期闭合的。例如 12分钟周期的K线,从每个小时的0分0秒开始(以0时举例),第一个周期是00:00:00 ~ 00:12:00,第二个周期是00:12:00 ~ 00:24:00,第三个周期是00:24:00 ~ 00:36:00,第四个周期是00:36:00 ~ 00:48:00,第五个周期是00:48:00 ~ 01:00:00 ,正好组成一个完整的1小时。如果是 13分钟周期,就是不闭合的周期,这样的周期算出的数据不唯一,因为根据合成的数据起始点不同,合成出来的数据有差异。

 

使用K线数据构造需要的数据结构

经常有群友提问,我想计算每根K线的最高价的均线,怎么办?通常,我们计算均线都是计算的收盘价的均值,组成均线,但是也有时候有需求计算最高价、最低价、开盘价等等。这个时候就不能直接把exchange.GetRecords() 函数返回的K线数据直接传入 指标计算函数了。例如:talib.MA 均线指标计算函数有两个参数,第一个参数是需要传入的数据,第二个参数是指标周期参数。例如我们要算如下图的指标:

K线周期是4小时,在交易所图表上,已经设置好了一条均线,均线周期参数为9。并且设置计算的数据源是每根Bar的最高价。

即这条均线是9个4小时周期K线Bar的最高价平均计算出的均值,组成的指标均线。我们自己动手构造一个数据算下,看是不是和交易所的图表计算得出的一样。

var highs = []
for (var i = 0 ; i < r2.length ; i++) {
    highs.push(r2[i].High)
}

既然要计算每根Bar的最高价的均值得出均线指标。那么就需要先构造一个数组,其中每个数据元素都是对应每根Bar的最高价。可以看到 highs 变量初始为一个空数组,然后我们遍历 r2 这个K线数据变量(不记得r2了?看下上面合成4小时K线的main函数中的代码)。读取r2每根Bar的最高价(即 r2[i].High , i取值范围 从 0 到 r2.length - 1 ),然后 push 进highs 。这样就构造了一个和K线数据Bar一一对应的数据结构。此时 highs 就可以传入 talib.MA函数计算出均线了。

完整的例子:

function main () {
    while (true) {
        var r = exchange.GetRecords()
        var r2 = GetNewCycleRecords(r, 1000 * 60 * 60 * 4)
        if (!r2) {
            continue
        }
        
        $.PlotRecords(r2, "r2")                                               // 画出K线
        
        var highs = []
        for (var i = 0 ; i < r2.length ; i++) {
            highs.push(r2[i].High)
        }
        
        var ma = talib.MA(highs, 9)                                           // 用均线指标函数 talib.MA 计算 均线指标
        $.PlotLine("high_MA9", ma[ma.length - 2], r2[r2.length - 2].Time)     // 使用画线类库把均线指标画在图表上
        
        Sleep(1000)
    }
}

回测运行:

可以看到 图中鼠标停留位置的均线指标值均为 11466.9289。以上代码可以复制到策略中运行测试,记得勾选「画线类库」后保存!

 

数字货币市场的K线数据获取方式

发明者量化交易平台已经有封装好的接口,即 exchange.GetRecords 函数,即可获取K线数据。下面着重讲解的是直接访问交易所K线数据接口获取数据,因为有时候需要指定参数获取更多的K线,封装的GetRecords 接口一般是返回 100根。如果遇到策略初始需要超过100根的K线时,就需要收集等待。
为了让策略尽快进行运作,可以自己封装一个函数,直接访问交易所K线接口,指定参数获取更多的K线数据。以火币币币交易 BTC_USDT 交易对为例,我们实现这个需求:找到交易所的API文档,查看K线接口描述:

https://api.huobi.pro/market/history/kline?period=1day&size=200&symbol=btcusdt

参数:

 

测试代码:

function GetRecords_Huobi (period, size, symbol) {
    var url = "https://api.huobi.pro/market/history/kline?" + "period=" + period + "&size=" + size + "&symbol=" + symbol
    var ret = HttpQuery(url)
    
    try {
        var jsonData = JSON.parse(ret)
        var records = []
        for (var i = jsonData.data.length - 1; i >= 0 ; i--) {
            records.push({
                Time : jsonData.data[i].id * 1000,
                High : jsonData.data[i].high,
                Open : jsonData.data[i].open,
                Low : jsonData.data[i].low,
                Close : jsonData.data[i].close,
                Volume : jsonData.data[i].vol,
            })
        }
        return records
    } catch (e) {
        Log(e)
    }
}  


function main() {
    var records = GetRecords_Huobi("1day", "300", "btcusdt")
    Log(records.length)
    $.PlotRecords(records, "K")
}

可以看到日志上,打印 records.length 为 300, 即 records K线数据 bar 数量有300根。

免责声明:信息仅供参考,不构成投资及交易建议。投资者据此操作,风险自担。

参考词条

如果觉得文章对你有用,请随意赞赏收藏
相关推荐
相关下载
登录后评论
Copyright © 2019 宽客在线