JoinQuant 量化交易：利用佳庆指标 (Chaikin Oscillator) 监控资金流

佳庆指标（Chaikin Oscillator，简称 CHO）是由马克·佳庆（Marc Chaikin）发明的，它本质上是累积/派发线（Accumulation/Distribution Line, ADL）的移动平均线差值。

CHO 结合了价格和成交量，用于衡量资金流入（累积）和流出（派发）的动量。它类似于 MACD，但应用于 ADL 指标而非价格本身。

1. 佳庆指标 (CHO) 的计算原理

CHO 的计算步骤如下：

1. 计算资金流量乘数 (CLV)：
   $$CLV = \frac{(收盘价 - 最低价) - (最高价 - 收盘价)}{最高价 - 最低价}$$
2. 计算资金流量 (Money Flow Volume)：
   $$Money Flow Volume = CLV \times 成交量$$
3. 计算累积/派发线 (ADL)：
   $$ADL_{今日} = ADL_{昨日} + Money Flow Volume_{今日}$$
4. 计算 CHO：
   $$CHO = EMA(ADL, 3) - EMA(ADL, 10)$$
   (通常使用 3日 EMA 和 10日 EMA)

2. 交易策略逻辑

在本示例策略中，我们将采用经典的零轴交叉策略：

• 买入信号：CHO 线由下向上穿过零轴（金叉）。这表明短期资金流入动能强于长期，市场进入累积阶段。
• 卖出信号：CHO 线由上向下穿过零轴（死叉）。这表明短期资金流出动能增强，市场进入派发阶段。

3. 聚宽 (JoinQuant) 策略代码实现

以下是一个完整的策略代码，您可以直接复制到聚宽的回测环境中运行。代码使用了 talib 库来计算 CHO，以确保计算的高效和准确。

# -*- coding: utf-8 -*-
import jqdata
import talib
import numpy as np

def initialize(context):
    """
    初始化函数，设定基准、手续费、滑点等
    """
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 过滤掉order系列API产生的比error级别低的log
    log.set_level('order', 'error')
    
    # 设定操作的股票（示例：平安银行）
    g.security = '000001.XSHE'
    
    # CHO指标参数
    g.fast_period = 3   # 短周期
    g.slow_period = 10  # 长周期
    
    # 设定交易费用
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')

def handle_data(context, data):
    """
    按天运行的策略函数
    """
    security = g.security
    
    # 1. 获取历史数据
    # 获取足够长的数据以确保EMA计算稳定，通常取 slow_period 的 3-4 倍以上
    # 这里获取过去 60 天的 High, Low, Close, Volume
    h_data = attribute_history(security, 60, '1d', ['high', 'low', 'close', 'volume'])
    
    # 如果数据不足（例如停牌或刚上市），则跳过
    if len(h_data) < 40:
        return

    # 2. 提取数据为 numpy 数组，供 talib 使用
    high = h_data['high'].values
    low = h_data['low'].values
    close = h_data['close'].values
    volume = h_data['volume'].values
    
    # 3. 计算 CHO 指标
    # talib.ADOSC(high, low, close, volume, fastperiod=3, slowperiod=10)
    # 注意：talib计算的是 Chaikin Oscillator
    cho = talib.ADOSC(high, low, close, volume, fastperiod=g.fast_period, slowperiod=g.slow_period)
    
    # 获取当前和前一天的 CHO 值
    current_cho = cho[-1]
    prev_cho = cho[-2]
    
    # 检查是否计算出有效值（剔除 NaN）
    if np.isnan(current_cho) or np.isnan(prev_cho):
        return

    # 4. 获取当前账户资金和持仓
    cash = context.portfolio.available_cash
    curr_position = context.portfolio.positions[security].closeable_amount
    
    # 5. 生成交易信号
    
    # 买入信号：CHO 上穿 0 轴
    if prev_cho < 0 and current_cho > 0:
        if cash > 0:
            # 全仓买入
            order_value(security, cash)
            log.info(f"买入信号: CHO上穿0轴 (前值:{prev_cho:.2f}, 现值:{current_cho:.2f})")
            
    # 卖出信号：CHO 下穿 0 轴
    elif prev_cho > 0 and current_cho < 0:
        if curr_position > 0:
            # 清仓卖出
            order_target(security, 0)
            log.info(f"卖出信号: CHO下穿0轴 (前值:{prev_cho:.2f}, 现值:{current_cho:.2f})")

    # 6. 绘制图表（可选）
    record(CHO=current_cho)

4. 策略优化建议

单纯使用 CHO 进行零轴交叉交易可能会在震荡市中产生较多虚假信号。在实际量化研究中，通常会结合以下方法进行优化：

1. 结合趋势过滤器：
   • 引入移动平均线（如 MA60 或 MA200）。只有当价格位于均线之上（趋势向上）时，才执行 CHO 的买入信号；当价格位于均线之下时，忽略买入信号或仅执行卖出信号。
2. 背离分析：
   • 底背离：股价创新低，但 CHO 没有创新低（底部抬高），通常是强烈的买入信号。
   • 顶背离：股价创新高，但 CHO 没有创新高（顶部降低），通常是强烈的卖出信号。
   • 注：编写背离策略需要识别局部极值点，逻辑比零轴交叉复杂。
3. 阈值调整：
   • 不使用 0 作为界限，而是设定一个缓冲区。例如：CHO > 5000 买入，CHO < -5000 卖出（具体数值取决于成交量级，或者对 CHO 进行标准化处理）。

Q&A

Q1: 为什么代码中要使用 talib.ADOSC 而不是自己写公式计算？
A1: talib 是底层的 C 语言库，计算速度极快且经过了广泛验证。自己编写公式容易在 EMA 初始化或数据对齐上出错。在量化平台中，优先使用标准库是最佳实践。

Q2: CHO 指标和 MACD 有什么区别？
A2: MACD 是基于价格的 EMA 差值，反映价格趋势；CHO 是基于**ADL（累积/派发线）**的 EMA 差值，反映资金流向（成交量）的动量。CHO 通常能比单纯的价格指标更早发现趋势的反转，因为“量在价先”。

Q3: 这个策略适合什么类型的股票？
A3: CHO 严重依赖成交量数据，因此它更适合成交量活跃、流动性好的个股（如沪深300成分股）。对于成交量极不规则或经常停牌的股票，CHO 可能会产生剧烈波动和误导性信号。