技术标签: python Python量化交易 开发语言
我们买基金或股票的时候通常用最简单的策略进行决策:低买高卖,跌的多了就加仓拉低持有成本,达到收益率就卖出。
那么如何用代码表示这个策略呢?首先定义交易信号则是:0.5%时买入,目标止盈线是1.5%,达到目标收益率就清仓。接下来我们用Python回测一下这个策略的收益情况:
获取数据集
# 安装akshare
!pip3 install akshare --upgrade
# 调用包
import akshare as ak
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 不显示警告
import warnings
warnings.filterwarnings('ignore')
# 导入上证指数etf
data = ak.fund_etf_fund_info_em('510210','20210122','20230620')
# 筛选要用的时间段
data['year']=pd.to_datetime(data['净值日期']).dt.year # 增加年字段
df = data.loc[data['year']==2023,['净值日期','单位净值']] # 筛选数据集
df.index=range(len(df)) # 重排索引
df.tail(10) # 查看最近的n条数据
代码详解:
!pip3 install akshare 安装akshare的包获取免费数据集。
fund_etf_fund_info_em()是akshare获取ETF的函数,更多函数看这里 ↓akshare量化交易数据集的获取_akshare怎么用_紫昂张的博客-程序员宅基地
pd.to_datetime()可以把数据转为时间格式,原本data['净值日期']是字符串格式;转为时间格式后,才能调用dt.year返回年份。
.loc索引器可以定位行和筛选列;data['year']==2023返回布尔类型的数据,表示定位指定行;['净值日期','单位净值']表示筛选指定列。
.index表示调用DateFrame的索引;range()函数生成从0开始的整数序列,len()获取长度或行数。由于截取了2023年的数据,索引不是从0开始计起,因此需要重新赋值给索引。
运行结果:
判断交易信号
# 计算环比上一个交易日的涨跌幅
df['涨跌幅'] = df['单位净值'].pct_change()
# 判断买入信号和 对应交易数量
df.loc[df['涨跌幅']<-0.005,'买入数量'] = 1000
# 计算当天交易金额
df['交易金额'] = df['买入数量']*df['单位净值']
df = df.fillna(0.0) # 填补空值
df.tail(30)
代码详解:
pct_change()计算环比,返回当天的收益率,公式为:环比=现期/基期-1。
df.loc[df['涨跌幅']<-0.005,'买入数量'] 用到了.loc索引器,df['涨跌幅']<-0.005是指环比前一天下跌0.5%,是交易信号;如果满足交易信号的买入1000股,中括号里的'买入数量'是我们预设参数,有值的情况下会把结果值1000储存到预设参数里。
有了每天的交易数量后,乘以当天的每股价格就得到当日的交易金额了。
df.fillna(0.0)表示把空值赋值为0,避免后续空值对计算产生影响。
运行结果:
回测
在上一步交易信号计算的步骤中,已知当天买入的交易数量和交易金额,接下来要计算历史持有和历史盈亏情况。
# 定义全局变量
target_return = 0.015 # 止盈比例,收益率超过此比例时抛出
# 初始化变量
df['总持有数量'] = 0
total_num = 0 # 总持有数量
df['总持有成本'] = 0
total_cost = 0 # 总持有成本
df['持仓成本单价'] = 0
per_cost = 0 # 持仓单价
df['总市值'] = 0
stock = 0
df['盈亏额'] = 0
profit = 0
df['盈亏率'] = 0
profit_rate = 0
df['止盈线利润'] = 0
for i in range(len(df)):
total_num += df['买入数量'][i] # 累计数量
total_cost += df['交易金额'][i] # 累计成本
per_cost = total_cost/total_num
stock = total_num*df['单位净值'][i]
profit = stock - total_cost
profit_rate = df['单位净值'][i]/per_cost-1
df = df.fillna(0.0) # 填补空值
if profit_rate >= target_return:
total_num = 0
total_cost = 0
df['止盈线利润'][i] = profit
df['总持有数量'][i] = total_num
df['总持有成本'][i] = total_cost
df['持仓成本单价'][i] = per_cost
df['总市值'][i] = stock
df['盈亏额'][i] = profit
df['盈亏率'][i] = profit_rate
df.tail(30)
代码详解:
由于达到目标收益率有清0的逻辑,所以使用用for循环来表示:
for i in range(len(df)) 指遍历每一行数据;
if profit_rate >= target_return 表示当大于预设值0.015时,持有数量total_num、和持有成本total_cost都归零。
for循环里每个公式的含义:
total_num += df['买入数量'][i]:把每一天买入的股数加和,计算当前累计持有数量;
total_cost += df['交易金额'][i] :把每一天的成本加和,计算累计持有成本;
per_cost = total_cost/total_num:计算每股的成本单价;
stock = total_num*df['单位净值'][i]:计算当前总市值;
profit = stock - total_cost:总利润=总市值-总成本;
profit_rate = df['单位净值'][i]/per_cost-1:收益率=当前股价/每股单位成本-1;
由于我们每一步的计算结果都要存在二维表里,方便后续输出查看,所以要保存的每个字段都需要预设变量,并赋值0。并在每次循环末尾赋值到变量里。
运行结果:
输出结果
max_cost = df['总持有成本'].max()
total_profit = df['止盈线利润'].sum()
profit_rate = total_profit/max_cost
sale_times = (df['止盈线利润']>0).sum()
print('最大持有成本:%f,总利润:%f,收益率:%f,达标次数:%s'%(max_cost,total_profit,profit_rate,sale_times))
代码详解:
max()函数返回 '总持有成本' 列的最大值,表示最大投入成本。
sum()函数返回 '止盈线利润' 列的加和,表示总盈亏额。
(df['止盈线利润']>0)是条件判断,返回布尔值;由于True表示1,所以可以用sum()进行计数。
运行结果:
结果解读:
按照2023年上半年的行情,最大持有成本不到8k,按最大成本算的收益率是3.6%;我们预设的止盈线是1.5%,达到目标收益率就清仓的次数是6次。
用2021年和2022年的数据进行回测收益率接近存款的利率,但实盘可能存在交易手续费没有考虑进去,综合看来这个策略虽然不亏但收益不太理想,还需要继续探索别的方法。
文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的,浏览器出于安全考虑是禁止的。警告信息如下:不过jQuery对跨域问题也有解决方案,使用jsonp的方式解决,方法如下:$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr
文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry,也就是我们所说的 使用空间SQL 的方法,官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下,主要就分为以下几个步骤。..._extproc
文章浏览阅读1.5w次。linux下没有上面的两个函数,需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数,转换过程中受到系统编码类型的影响,需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8
文章浏览阅读750次。今天准备从生产库向测试库进行数据导入,结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误,google一下,发现可能有如下原因导致imp的数据太大,没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件,向高版本imp导出的dmp文件出错传输dmp文件时,文件损坏解决办法:imp时指定..._imp-00009导出文件异常结束
文章浏览阅读143次。当下是一个大数据的时代,各个行业都离不开数据的支持。因此,网络爬虫就应运而生。网络爬虫当下最为火热的是Python,Python开发爬虫相对简单,而且功能库相当完善,力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页,按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息,通过分析请求信息可以了解请..._初级python程序员能力要求
文章浏览阅读7.6k次,点赞2次,收藏6次。@Service标注的bean,类名:ABDemoService查看源码后发现,原来是经过一个特殊处理:当类的名字是以两个或以上的大写字母开头的话,bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname
文章浏览阅读6.9w次,点赞73次,收藏463次。1.前序创建#include<stdio.h>#include<string.h>#include<stdlib.h>#include<malloc.h>#include<iostream>#include<stack>#include<queue>using namespace std;typed_二叉树的建立
文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能,如果文件名出现中文,便会以乱码视之。 解决方法: fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码
文章浏览阅读2.1k次,点赞4次,收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别,找出文件中所有的合法的单词,并给出一定的信息作为最后的结果,用于后续语法分析程序的使用;本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序,对于每个单词根据词汇表输出: (单词种类, 单词的值) 二元对。词汇表:种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词
文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限
文章浏览阅读6.8k次,点赞12次,收藏125次。1. 单目相机标定引言相机标定已经研究多年,标定的算法可以分为基于摄影测量的标定和自标定。其中,应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统,在标定过程中,相机拍摄多个角度下(至少两个角度,推荐10~20个角度)的标定板图像(相机和标定板都可以移动),即可对相机的内外参数进行标定。下面介绍张氏标定法(以下也这么称呼)的原理。原理相机模型和单应矩阵相机标定,就是对相机的内外参数进行计算的过程,从而得到物体到图像的投影_相机-投影仪标定
文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述: 翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构;一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件,并通过 evdev 输入_wayland