在量化交易和资产管理中，仅依靠单一市场的数据往往难以提供完整的策略视角。通过多资产数据分析，可以同时观察不同市场的价格波动和趋势，从而更精准地发现潜在交易机会。本文以 Python 为例，展示如何结合历史行情数据和实时 Tick 数据，对多资产进行指标分析和策略优化。
获取多资产历史行情
多资产分析的第一步是获取可靠的历史数据。以外汇和加密货币为例，可以通过 AllTick API 获取 OHLC 数据，并统一格式，方便后续分析：
| import requests import pandas as pd API_URL = “https://api.alltick.co/forex/history” API_KEY = “your_api_key_here” symbols = [“EURUSD”, “BTCUSD”, “ETHUSD”] dfs = [] for symbol in symbols: params = { “symbol”: symbol, “interval”: “1h”, “limit”: 500, “apikey”: API_KEY } resp = requests.get(API_URL, params=params) df = pd.DataFrame(resp.json()) df[‘timestamp’] = pd.to_datetime(df[‘timestamp’]) df[‘symbol’] = symbol dfs.append(df) data = pd.concat(dfs) print(data.head()) |
通过统一格式处理多资产数据，可以轻松进行指标计算和策略分析。
常用指标计算
在多资产分析中，均线（MA）、波动率（Volatility）和相对强弱指数（RSI）是常用工具，帮助判断趋势方向、市场波动幅度和超买超卖情况：
| def calculate_indicators(df): df = df.copy() df[‘MA20’] = df[‘close’].rolling(20).mean() df[‘MA50’] = df[‘close’].rolling(50).mean() df[‘returns’] = df[‘close’].pct_change() df[‘volatility’] = df[‘returns’].rolling(20).std() delta = df[‘close’].diff() up, down = delta.clip(lower=0), -delta.clip(upper=0) roll_up = up.rolling(14).mean() roll_down = down.rolling(14).mean() rs = roll_up / roll_down df[‘RSI’] = 100 – (100 / (1 + rs)) return df data = data.groupby(‘symbol’).apply(calculate_indicators) print(data[[‘symbol’,’close’,’MA20′,’MA50′,’volatility’,’RSI’]].tail()) |
这些指标可以提供趋势判断、波动观察和市场强弱分析的基础数据，为策略信号提供参考。
多资产交易信号探索
当不同资产的数据都准备好后，可以尝试发现潜在交易信号。例如，当某资产均线交叉，同时另一资产 RSI 显示超卖时，可能形成跨市场套利或对冲策略信号：
| def generate_signal(df): df[‘signal’] = 0 df.loc[df[‘MA20’] > df[‘MA50’], ‘signal’] = 1 df.loc[df[‘MA20’] < df[‘MA50’], ‘signal’] = -1 return df signals = data.groupby(‘symbol’).apply(generate_signal) print(signals[[‘symbol’,’close’,’MA20′,’MA50′,’RSI’,’signal’]].tail()) |
通过同时分析多资产指标，可以挖掘更细化的交易机会，而不仅仅依赖单一市场趋势。
实时 Tick 数据整合
历史数据可以提供趋势参考，但实时 Tick 数据能够捕捉每次价格波动，从而支持动态策略分析。通过稳定的 Tick 数据流，可以：
- 动态更新指标和交易信号
- 实时调整策略参数
- 为可视化仪表盘提供连续数据
结合历史指标和实时 Tick 数据，可以形成完整的多资产策略分析闭环，从回测延伸到实时监控。
分析与优化思路
多资产分析的核心价值：
- 跨市场信号发现：单一市场难以显现的趋势，在多资产对比中更清晰。
- 策略优化：波动率、RSI 和均线等指标可辅助优化交易仓位和止损策略。
- 实时决策支持：历史数据与 Tick 数据结合，为交易策略提供精细入场和退出信号。
通过历史行情和实时 Tick 数据的结合，可以从策略测试到实时监控，构建完整的多资产策略优化流程。这种方法不仅提高了数据利用效率，也为复杂策略的验证和优化提供了可靠基础。
