最近发现一个不错的量化策略实现平台，免去我以前自己配置Python环境，获取数据，处理数据等一系列麻烦，还可以和小伙伴们及时分享策略交流。在此记录下我在JoinQuant（https://www.joinquant.com/）进行的量化投资策略学习过程，欢迎大神拍砖。

乖离率（BIAS）是测量股价偏离均线大小程度的指标，简称Y值。其主要思想认为，当股价偏离市场平均成本太大时，股价会有一个回归的过程，即价格过高会降低，价格过低会上升。
计算方法：
N期BIAS=(当日收盘价-N期平均收盘价)/N期平均收盘价*100%
回测：
交易资产：平安银行
频率：日
资金：100000
手续费滑点采用平台默认
采用13日bias值，买入卖出临界值为0.065，即bias<-0.065满仓买入，bias>0.065全仓卖出

分析：
信号设置的过于简单，可以考虑和别的指标结合下。
每次都是全买全卖，很容易出现买完了等好久都卖不出去的情况，导致错过很多更好的买点，而且交易次数太少。
参数没有计算机优化。
后期大趋势下，表现不好。
由bias值与股价的图看出，bias值并没有明显领先股价做出变化。

求具体改进方法

上方：累计收益（蓝），市场基准收益（红）
下方：bias值（绿）与股价（蓝）的图。

[backcolor=rgba(136, 136, 136, 0.498039)]

风险指标
[backcolor=rgba(136, 136, 136, 0.498039)]

代码
# 定义一个全局变量, 保存要操作的证券
#  000001(股票:平安银行)
security = '000001.XSHE&# 39;
# 初始化此策略
#  设置我们要操作的股票池, 这里我们只操作一支股票
set_universe([security])

# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次
def handle_data(context, data):
    #  取得过去十三天的平均价格
    average_price = data[security].mavg(13)
    # 取得当前价格
    current_price = data[security].price
    #  取得当前的现金
    cash = context.portfolio.cash
    # 计算BIAS值
    bias=(current_price-average_price)/average_price
    #  设置BIAS操作临界值
    bias_operationvalue=0.065;
    # 如果BIAS值小于-BIAS操作临界值，买入
    if bias < -1*bias_operationvalue:
        #  计算可以买多少只股票
        number_of_shares = int(cash/current_price)
        # 购买量大于0时，下单
        if number_of_shares > 0:
            #  买入股票
            order(security, +number_of_shares)
            # 记录这次买入
            log.info("Buying %s" % (security))
    #  如果BIAS大于BIAS操作临界值，卖出
    elif bias > bias_operationvalue and context.portfolio.positions[security].amount > 0:
        # 卖出所有股票,使这只股票的最终持有量为0
        order_target(security, 0)
        #  记录这次卖出
        log.info("Selling %s" % (security))
    # 画出当前的价格
    record(stock_price=data[security].price)
    record(bias=bia