股票交易系统源码(北向资金能预示大盘涨跌)

中国证监会于 2014 年和 2016 年分别批准了沪港通和深港通，建立了大陆和香港股市的互联互通机制，市场通常把沪股通和深股通的合计流入资金称为北向资金。换句话说，北上资金就是指从香港流入大陆股市的资金，而内地流入香港股市的资金则被称为南下资金。市场广 泛认为北向资金是“聪明钱”，会对市场的短期走势有一定的指示作用，因此本文对该指标进行统计分析，并借鉴华泰金工研量化资产配置7月月报《北向资金走向预示市场短期或震荡》关于北上资金的择时思路，构建基于北向资金的股市择时策略，并进行历史回测。结果表明，北向资金对于判断沪深 300指数涨跌具有较好的预示作用。

由于tushare对北上资金数据的单次提取有限制（300条/次），需要通过获取两个时间周期内的交易日历，分次提取数据。

定义北向资金数据获取函数。

定义指数数据获取函数。

获取常用的几个指数2014-2020期间收盘价数据。

理论上而言，股市的上涨离不开资金的推动，而市场的活跃又会反过来吸引更多资金加入博弈。近年来，北上资金受到市场的关注越来越大，被看作是短期市场风向标，与市场指数存在一定的正向关系。当然理论在现实中不一定成立，所以在利用北上资金构建择时策略前，有必要先对指数和北上资金的关系进行探索性分析。

陆股通覆盖大部分宽基指数成分股，即北向资金可投资的股票池覆盖了上证 50、沪深 300、中证 500 的绝大多数指数成分股，下面对各大指数的收益率和北上资金进行相关性分析。

上图显示，2014年至2020年8月整个交易期间内，北上资金与各大指数收益率均存在一定的正相关，但相关系数较低，分布在0.23-0.29之间。由于北上资金相对整个A股市场来说，体量还是比较小的，因此该指标的指示作用可能体现在短期内。下面使用120日的滚动窗口考察下北上资金与指数的相关性。

数据显示，北上资金与各大指数的滚动窗口120日相关系数均大于0.5，其中沪深300与北上资金相关系数最高（0.7），可见中短期内，北上资金的大小对指数收益率具有一定的指示作用。下面以沪深300指数为例，对二者的散点图进行回归线拟合。图形再次支持了北上资金与沪深300指数的正相关性。

再来观察一下沪深300日收益率与北上资金的波动情况，二者具有一定的同步性。

最后从纵向角度考察沪深300收益率与北上资金的相关性。数据显示，2014年至2020年8月期间，二者相关系数均值为0.33，最大值为0.7。图形显示，二者的相关性近年来逐渐走高。

04策略实例

从上面的探索性分析发现，北上资金与各大指数中短期内存在一定的正相关性，下面参考华泰金工研报的思路，基于北向资金变动数据构建布林带择时策略，并对择时模型进行回测分析。

策略思路如下：

（1） 当该日北向资金流入规模 > 过去 252 个交易日的北向资金均值 + 1.5 倍标准差， 则全仓买入沪深 300；

（2） 当该日北向资金流入规模 < 过去 252 个交易日的北向资金均值 - 1.5 倍标准差， 则清仓卖出沪深 300；

（3） 以第二天开盘价买入（研报是以收盘价来计量）。

定义策略函数：

受篇幅所限，策略评价指标、可视化函数和主函数代码省略，完整代码见知识星球“Python金融量化”上分享（扫描下方二维码即可加入）。

首先以沪深300指数进行回测，滚动窗口默认250日，手续费默认为0。回测结果显示，基于北上资金的择时策略表现较好，年化收益率17.8%，高于基准的5.3%，最大回撤17%低于基准32%，夏普比率为2.2。

考虑到北上资金2016年后才开始备受关注，而且前文的探索性分析也显示相关性是2016年后逐年攀高，因此将回测起始时间改为2016年，交易手续费设置为1%（有点高）。结果显示，这一期间（实际上是2017年至今）的择时策略表现更佳，年化收益率达到24%。

最后以创业板为标的进行历史回测，结果显示，策略效益整体优于基准，与沪深300指数相比，除了年化收益率外，其最大回撤和夏普比率相对差些。

本文对各大指数与北上资金的相关性进行了探索性分析，并借鉴华泰金工研报关于利用北上资金来构建择时策略的思路，对沪深300和创业板指数进行了历史回测。回测结果表明，北上资金的流动规模具有一定的实战指示意义，短期内可用于对对大盘的走向进行研判，同时可用于对指数进行择时，指导股指期货交易。本文最后的历史回测与研报原文并未完全吻合，但策略表现上大同小异，可能与回测环境的配置有关，感兴趣的读者可试试采用回测框架（如backtrader）或量化平台进行更严谨的回测。本文的分析仅供学习参考，不构成任何投资建议！

参考资料：

华泰证券·《北向资金走向预示市场短期或震荡》2020.08

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。

本文来源：https://tiandinggupiao.com/96851.html

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件举报，一经查实，本站将立刻删除。