-1.策略参数

BTC日常策略代码分享：从简单到稳健，助你把握市场脉搏

在加密货币的世界里，比特币（BTC）无疑是当之无愧的王者，其价格的剧烈波动既带来了巨大的风险，也孕育了丰厚的机遇，对于许多投资者和交易者而言，拥有一套清晰、可执行的日常交易策略，是在这片波涛汹涌的海洋中稳健航行的关键，本文将分享几款基于不同思路的BTC日常策略代码示例，从简单趋势跟踪到稳健网格交易,希望能为你打开量化交易的大门。

重要声明： 以下代码仅为策略思路分享和教学示例，不构成任何投资建议，加密货币市场风险极高，任何基于代码的交易行为都应基于您自己的深入研究、风险承受能力和充分回测，在实际使用前，请务必理解代码逻辑,并在模拟环境中进行充分测试。

简单移动平均线（SMA）交叉策略

这是最经典、最容易理解的策略之一，适合新手入门,用于捕捉市场的主要趋势。

策略思路：

• 核心逻辑： 利用短期和长期两条移动平均线的交叉来判断买卖信号。
• 金叉买入： 当短期均线（如SMA10）从下向上穿越长期均线（如SMA50）时，视为买入信号,表明市场可能进入上升趋势。
• 死叉卖出： 当短期均线从上向下穿越长期均线时，视为卖出信号,表明市场可能进入下降趋势。

Python代码示例 (使用ccxt库获取数据，pandas进行数据处理):

import ccxt
import pandas as pd
import numpy as np
symbol = 'BTC/USDT'
timeframe = '1d'  # 使用日线数据
short_window = 10  # 短期均线周期
long_window = 50   # 长期均线周期
exchange = ccxt.binance({
    'apiKey': 'YOUR_API_KEY',
    'secret': 'YOUR_SECRET',
    'enableRateLimit': True,
})
# --- 2. 获取历史数据 ---
print(f"正在获取 {symbol} 的 {timeframe} K线数据...")
ohlcv = exchange.fetch_ohlcv(symbol, timeframe=timeframe, limit=long_window + 50)
df = pd.DataFrame(ohlcv, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])
df['timestamp'] = pd.to_datetime(df['timestamp'], unit='ms')
df.set_index('timestamp', inplace=True)
# --- 3. 计算移动平均线 ---
df['short_sma'] = df['close'].rolling(window=short_window).mean()
df['long_sma'] = df['close'].rolling(window=long_window).mean()
# --- 4. 生成交易信号 ---
# 初始化信号列为0
df['signal'] = 0
# 产生买入信号 (1)
df.loc[df['short_sma'] > df['long_sma'], 'signal'] = 1
# 产生卖出信号 (-1)，且只在有持仓时
df.loc[df['short_sma'] < df['long_sma'], 'signal'] = -1
# --- 5. 执行交易 (模拟) ---

# 在实际交易中，这里会调用交易所API
# 我们只打印信号，用于观察
print("\n--- 交易信号 ---")
print(df[['close', 'short_sma', 'long_sma', 'signal']].tail(10))
# 示例：当信号从0变为1时，模拟买入
if df['signal'].iloc[-1] == 1 and df['signal'].iloc[-2] == 0:
    print(f"\n【模拟买入信号】在 {df.index[-1]}，价格 {df['close'].iloc[-1]}，执行买入操作。")
elif df['signal'].iloc[-1] == -1 and df['signal'].iloc[-2] == 0:
    print(f"\n【模拟卖出信号】在 {df.index[-1]}，价格 {df['close'].iloc[-1]}，执行卖出操作。")

优点： 简单明了，容易实现，能有效过滤市场杂音，抓住大趋势。 缺点： 在震荡行情中容易产生频繁的“假信号”（Whipsaw）,导致连续小额亏损。

布林带均值回归策略

与趋势跟踪相反，均值回归策略认为价格会围绕其平均值波动，当价格偏离平均值过远时,有回归的趋势。

策略思路：

• 核心逻辑： 利用布林带的上下轨来判断超买和超卖状态。
• 买入信号： 当BTC价格触及或跌破布林带下轨时，视为价格被低估，可能出现反弹,考虑买入。
• 卖出信号： 当BTC价格触及或升破布林带上轨时，视为价格被高估，可能出现回调,考虑卖出。

Python代码示例 (使用ta库计算布林带):

import ccxt
import pandas as pd
import ta
symbol = 'BTC/USDT'
timeframe = '4h'  # 使用4小时线，对短期波动更敏感
bb_period = 20    # 布林带周期
bb_std = 2        # 标准差倍数
exchange = ccxt.binance({
    'apiKey': 'YOUR_API_KEY',
    'secret': 'YOUR_SECRET',
    'enableRateLimit': True,
})
# --- 2. 获取历史数据 ---
ohlcv = exchange.fetch_ohlcv(symbol, timeframe=timeframe, limit=bb_period + 50)
df = pd.DataFrame(ohlcv, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])
df['timestamp'] = pd.to_datetime(df['timestamp'], unit='ms')
df.set_index('timestamp', inplace=True)
# --- 3. 计算布林带 ---
df['bb_upper'] = ta.volatility.BollingerBands(close=df['close'], window=bb_period, window_dev=bb_std).bollinger_hband()
df['bb_middle'] = ta.volatility.BollingerBands(close=df['close'], window=bb_period, window_dev=bb_std).bollinger_mavg()
df['bb_lower'] = ta.volatility.BollingerBands(close=df['close'], window=bb_period, window_dev=bb_std).bollinger_lband()
# --- 4. 生成交易信号 ---
df['signal'] = 0
# 价格触及下轨，买入
df.loc[df['close'] <= df['bb_lower'], 'signal'] = 1
# 价格触及上轨，卖出
df.loc[df['close'] >= df['bb_upper'], 'signal'] = -1
# --- 5. 执行交易 (模拟) ---
print("\n--- 交易信号 ---")
print(df[['close', 'bb_upper', 'bb_middle', 'bb_lower', 'signal']].tail(10))
if df['signal'].iloc[-1] == 1:
    print(f"\n【模拟买入信号】价格触及布林带下轨，当前价格 {df['close'].iloc[-1]}，考虑买入。")
elif df['signal'].iloc[-1] == -1:
    print(f"\n【模拟卖出信号】价格触及布林带上轨，当前价格 {df['close'].iloc[-1]}，考虑卖出。")

优点： 在震荡行情中表现优异，能捕捉价格波动的波段。 缺点： 在强单边趋势行情中，过早买入/卖出可能导致“接刀子”或“踏空”的重大亏损。

动态网格交易策略

网格交易是一种经典的量化策略，它不预测市场方向，而是通过在价格区间内预设的网格进行低买高卖,赚取波动的利润。

策略思路：

• 核心逻辑： 在一个预设的价格区间内，每上涨一定百分比就卖出一份,每下跌一定百分比就买入一份。
• 初始化： 设定BTC的价格区间（如最低价和最高价）和网格数量（或网格间距）。
• 运行： 策略持续监控价格，当价格从某个网格点向上移动时，执行卖出；当价格向下移动时,执行买入。

Python代码示例 (简化版逻辑):

import ccxt
import pandas as pd
symbol = 'BTC/USDT'
timeframe = '1h'
grid_count = 10  # 网格数量
grid_spacing_percent = 2  # 每个网格的间距为2%
initial_price = 50000  # 假设的当前BTC价格
# --- 2. 计算网格价格 ---
# 创建一个从当前价格上下扩展的网格
upper_price = initial_price * (1 + grid_spacing_percent / 100 * grid_count / 2)
lower_price = initial_price / (1 + grid_spacing_percent / 100 * grid_count / 2)
grid_prices = [upper_price * (1 - grid_spacing_percent / 100) ** i for i in range(grid_count