第二章：7 撰寫布林通道突破策略

上一節，我們成功用一行程式碼撰寫策略。

這一節，我們在試著用 Talib 撰寫布林通道突破的策略。

a. 什麼是布林通道突破？

布林通道是一種判斷「進出場時機」的指標，用平均線與機率的觀念找出市場多空訊號。

如圖，當價格突破 Upperband 時，進行買入，時，跌破 lowerband 時，進行賣出。

b. 策略撰寫

只要依照上圖的程式碼文件和布林通道的說明，相信現在以大家的實力也能夠輕易寫出來，這邊一樣先給程式碼：

bbands_strategy = TalibStrategy(
    'BBANDS',

    lambda ohlcv, bb: crossover(ohlcv.close, bb.upperband),

    lambda ohlcv, bb: crossunder(ohlcv.close, bb.lowerband),
)

bbands_strategy.backtest(ohlcv, variables = {'timeperiod': 50}, freq = '1h', plot = True)

由圖可以看出布林通道，並且在價格突破紅色線段（Upperband）時確實有進行買入，也確實在跌破 lowerband 時進行賣出。

這樣簡潔的寫法，其實也可以用來撰寫其他 Filters，我們現在就來試試看。

先移動到「Talib Filter Wrapper」觀看下方的技術文件：

如圖，參數和輸出各只有一個。

往下開一個新儲存格，按照上面的方式撰寫，寫入收盤價和參數：

talib.LINEARREG_ANGLE(ohlcv.close, timeperiod = 14)

如圖，我們希望指標大於 0 時進場。（因為時間很長，所以看起來很密集）

往下開一個新儲存格，導入 TalibFilter：

from finlab_crypto.talib_filter import TalibFilter

撰寫 lambda：

line_angle_filter = TalibFilter(
    'LINEARREG_ANGLE',

    lambda ohlcv, angle: angle > 0
)

lambda 撰寫完畢，接著往下開一個新儲存格，創建這個 Filter：

f14 = line_angle_filter.create({'timeperiod': 14})

可以導入歷史價格來看看這個 Filter：

（True 代表有進場，False 代表沒有）

好了，既然有 Strategy，也有了 Filter，接下來就是要將這兩者做結合，去產生出新的策略。

先移動到「Combine talib strategy and filter」這邊，將製作好的 Filter 貼到「macd_strategy」這個變數下方。

再來就是做回測，於該儲存格最下方撰寫

macd_vars = {}

macd_strategy.show_parameters()

然後執行，將跑出來的結果複製貼上到空字串裡面，並去除進出場點的參數，以及去除最後一行，這樣空字典的部分就會是：

macd_vars = { 'fastperiod': 12, 
              'slowperiod': 26, 
              'signalperiod': 9}

再來於空字典上方導入 numpy，再把前兩個參數改成 arange，已進行最佳化，再把最後一個參數從 9 改成 10：

macd_vars = { 'fastperiod': np.arange(20, 120, 10), 
              'slowperiod': np.arange(20, 120, 10), 
              'signalperiod': 10}

最後於該儲存格最下方輸入下列程式碼，即可進行回測：

macd_strategy.backtest(ohlcv, variables = macd_vars, freq = '1h', plot = True)

整個程式碼會是這樣：

from finlab_crypto.talib_strategy import TalibStrategy

from finlab_crypto.talib_filter import TalibFilter

macd_strategy = TalibStrategy(
    'MACD',

    lambda ohlcv, macd: crossover(macd.macdhist, 0),

    lambda ohlcv, macd: crossunder(macd.macdhist, 0),
)


line_angle_filter = TalibFilter(
    'LINEARREG_ANGLE',

    lambda ohlcv, angle: angle > 0
)

import numpy as np

macd_vars = { 'fastperiod': np.arange(20, 120, 10), 
              'slowperiod': np.arange(20, 120, 10), 
              'signalperiod': 10}

macd_strategy.backtest(ohlcv, variables = macd_vars, freq = '1h', plot = True)

可以看到跑出來的績效不是太好，最多只到 300，可以更改參數範圍區間試試看：

macd_vars = {
             'fastperiod': np.arange(200, 400, 10), 
             'slowperiod': np.arange(200, 400, 10), 
             'signalperiod': 10}

績效成功提升到 2000 左右。

（如果你在這時候 RAM 耗盡的話，不用慌，cloud 會自動幫你重置，這時你只需要由上往下重跑一遍即可，不然就是只跑你需要的儲存格。）

其實我們在裡面寫上的 Filter 還沒有被正式啟用，所以現在就讓我們把它加入回測參數裡面。

其實與以前所學到的類似，加入完後會像這樣：

# macd_strategy
# line_angle_filter
from finlab_crypto.talib_strategy import TalibStrategy
from finlab_crypto.talib_filter import TalibFilter

def crossover(s1, s2):
  if isinstance(s2, numbers.Number):
    return (s1 > s2) & (s1.shift() < s2)
  return (s1 > s2) & (s1.shift() < s2.shift())

def crossunder(s1, s2):
  if isinstance(s2, numbers.Number):
    return (s1 < s2) & (s1.shift() > s2)
  return (s1 < s2) & (s1.shift() > s2.shift())

macd_strategy = TalibStrategy(
    'MACD', 
    lambda ohlcv, macd: crossover(macd.macdhist, 0), 
    lambda ohlcv, macd: crossunder(macd.macdhist, 0), 
)

line_angle_filter = TalibFilter(
    'LINEARREG_ANGLE',
    lambda ohlcv, angle: angle > 0
)

import numpy as np
macd_vars = {
             'fastperiod': np.arange(200, 400, 10), 
             'slowperiod': np.arange(200, 400, 10), 
             'signalperiod': 10}

angle_vars = {'timeperiod': np.arange(20, 100, 10)}

macd_strategy.backtest(ohlcv, variables=macd_vars,
                       filters={'line_angle': line_angle_filter.create(angle_vars)},
                       freq='1h', plot=True)

再來，我們複製倒數三行程式碼並貼上新儲存格，取其中的最佳策略（由上往下越佳）來創建回測可視化圖表：

macd_vars = {
             'fastperiod': 300, 
             'slowperiod': 390, 
             'signalperiod': 10}

angle_vars = {'timeperiod': 20}

macd_strategy.backtest(ohlcv, variables=macd_vars,
                       filters={'line_angle': line_angle_filter.create(angle_vars)},
                       freq='1h', plot = True)