Python量化交易——股票择时到底能否赚钱？TA-Lib 33种技术指标有效性横向大评比

Python量化交易——TA-Lib中33种股票择时技术指标的有效性研究

为什么要做这个评测

技术指标是股票交易中最常用的技术手段之一，几乎所有的技术文章或股票分析文章都离不开通过MACD等各种指标来判断一支股票的买点和卖点，做量化的也会经常接触TA-Lib中提供的各种技术指标。从股评人的文章里看，似乎这些指标都有指哪打哪的能力，但是，我们既然做量化交易，就必须用数据说话，一个技术指标到底好不好，有没有用，不是靠嘴说的，是靠数据来验证的。因此，我这个系列文章的目标，就是把TA-Lib中的技术指标全都拿出来溜一溜，做一个横向大评比。俗话说，是骡子是马拉出来溜溜，通过大数据分析，我们就应该对指标的有效性有一个大致的了解。

这个评测，就是为了使用实际数据来回答两个问题：

1. 技术指标择时到底有没有效果？
2. 如果有效，应该选哪个技术指标效果更好？

我会写一系列的文章，每一篇评测一种技术指标，以逐步解答上面的问题。一共评测33种技术指标，文章链接在后文表格中。

技术指标清单

在这个系列文章中，将要评测下列技术指标，这些技术指标都来自TA-Lib，分为两大类：动量指标和均线交叉指标，在qteasy的内置交易策略中，产生交易信号的规则在下表中。

每个指标都依赖一定的可调参数产生效果，例如，均线交叉指标总需要两根均线，一根快均线，一根慢均线，这两根均线的历史周期是不同的。在测试过程中，我们全部使用默认参数。qteasy的策略优化模块可以使用多种算法进行参数寻优，以达到更好的择时效果。但我们这里测试结果侧重于统计结果，因此全部采用默认参数，如下表。

已经完成评测的指标结果也在表中，点击指标名称链接到相关文章。

评测方法

既然是评测，那么就必须公平且广泛。我们将利用这些技术指标，使用同样的历史数据进行模拟交易，对比择时交易和一直持有的收益率差异。

每次回测的时间跨度都是5年，从2015年1月1日开始投资于一个股票，在技术指标发出买入信号时全仓买入，在发出卖出信号后全仓卖出，一直到2019年21月31日为止，记录总收益率，记做择时收益率。与之对比，我们同时考察全仓买入同一支股票并跟踪五年的收益率，记做基准收益率。

在理想情况下，我们希望择时收益率应该大于基准收益率，因为我们理论上应该总是在高点卖出，在低点买进，就如同下面的交易曲线图所示（绿线是股票价格，红线是投资曲线）：

但是如果策略表现不佳，也有可能在多次反复空仓中错过本身涨幅很好的股票，造成择时收益率低于基准收益。例如下面这种情况：

一个好的技术指标，理论上应该能够识别出上涨机会，从而从总体上获得比基准收益率更高的收益，不是么？但是为了避免出现统计偏差，我们需要进行大量的数据对比。

因此，我们以2015年以来的共计433支沪深300指数成分股为目标，逐一投资于这433支股票，分别记录433个五年择时收益率与五年基准收益率，来回答前面提出的问题。

评测工具

我会使用qteasy作为回测评测的工具。

qteasy是本人正在开发的一个快速量化交易工具包，使用这个工具包，可以快速灵活地生成各种量化交易策略，生成历史数据并回测策略的表现，有针对性地优化策略的性能；未来还将提供实时自动化交易功能。该项目正在开发中，Github项目地址在这里：https://github.com/shepherdpp/qteasy

qteasy利用TA-Lib中大部分动量和均线技术指标，内置了相当多的交易策略，开箱即用。因此，我们可以利用这一点，用一行代码快速创建交易策略，而且回测操作也只需要一行代码即可：

import qteasy as qt
# 创建一个基于ADX（平均定向运动指数）的交易策略
op = qt.Operator('adx', signal_type='pt')
# 设置基本参数并开始回测（回测前需要确保下载足够的历史数据，参见qteasy文档）
qt.run(op,mode=1,asset_pool='000001.SZ',  # 投资标的asset_type='E',			 # 投资标的为股票benchmark_asset='000001.SZ',  # 收益率基准，与投资标的相同benchmark_asset_type='E',invest_start='20150101',   # 回测开始日期invest_end='20191231'      # 回测结束日期)

运行上述代码，如果没有报错，可以看到下面文字形式的输出结果，以及详细回测结果分析图表：

     ====================================|                                  ||       BACK TESTING RESULT        ||                                  |====================================qteasy running mode: 1 - History back testing
time consumption for operate signal creation: 23.5ms
time consumption for operation back looping:  361.3msinvestment starts on      2015-01-05 00:00:00
ends on                   2019-12-31 00:00:00
Total looped periods:     5.0 years.-------------operation summary:------------
Only non-empty shares are displayed, call 
"loop_result["oper_count"]" for complete operation summarySell Cnt Buy Cnt Total Long pct Short pct Empty pct
000001.SZ    29       29     58   58.7%      0.0%     41.3%   Total operation fee:     ¥    1,236.87
total investment amount: ¥  100,000.00
final value:              ¥  143,880.70
Total return:                    43.88% 
Avg Yearly return:                7.56%
Skewness:                          0.16
Kurtosis:                          9.06
Benchmark return:                57.77% 
Benchmark Yearly return:          9.57%
------strategy loop_results indicators------ 
alpha:                           -0.006
Beta:                             1.000
Sharp ratio:                      0.452
Info ratio:                      -0.032
250 day volatility:               0.232
Max drawdown:                    36.34% peak / valley:        2015-07-10 / 2015-08-25recovered on:         2017-11-22
===========END OF REPORT=============

qteasy给出了很多的结果分析指标，但现在我们只需要择时收益率：43.88%，以及基准收益率：57.77%。

为了列出2015年以来的所有沪深300指数成份股，可以使用下面的代码：

import qteasy as qt
stocks = qt.filter_stock_codes(index='000300.SH', date='20150101')

然后，我们就可以循环操作，逐一回测所有的成份股了：

for stk in stocks:qt.run(op,mode=1,asset_pool=stk,asset_type='E',benchmark_asset=stk,benchmark_asset_type='E',visual=False,  # 批量执行时，关闭可视化图表输出report=False,  # 批量执行时，关闭回测结果输出invest_start='20150101',invest_end='20191231',trade_log=False  # 批量执行时，关闭回测交易结果日志)

测试方法及评价指标

使用qteasy回测所有433支股票的回测结果，每次回测的时间跨度都是5年，从2015年1月1日开始投资于一个股票，在技术指标发出买入信号时全仓买入，在发出卖出信号后全仓卖出，一直到2019年21月31日为止，记录总收益率，记做择时收益率。与之对比，我们同时考察全仓买入同一支股票并跟踪五年的收益率，记做基准收益率。

我们的第一个评价指标就是平均择时收益率与平均基准收益率之差，称为指标的强度：

$$Strength=avg(择时收益率-基准收益率)$$

指标的强度$Strength$越高，代表策略获取超额收益的能力越强。因此强度越高越好

不过，这个评价指标只能代表择时收益率总体上的表现，但是有可能较高的择时收益率只是通过少数股票的超高收益得到的，其余大多数股票的择时收益率表现平平，只是平均值较高而已。就像99个穷光蛋和1个马云一平均，一百个都是百万富翁一样，因此我们不能光看平均，还得看这个策略在多少股票上跑得好，多少股票上跑得差。

因此我们还可以，根据所有回测后股票的基准收益率和择时收益率之间的关系，将所有股票分成六组：

• 第一组：力挽狂澜，股票基准收益为负，但择时后收益为正
• 第二组：锦上添花：股票基准收益为正，择时后收益更高，收益为正
• 第三组：差强人意，股票基准收益为正，择时后收益降低，但仍然为正
• 第四组：无力回天，股票基准收益为负，择时后收益有所改善，但仍然为负
• 第五组：屋漏逢雨，股票基准收益为负，择时后收益更差，收益为负
• 第六组：乐极生悲，股票基准收益为正，择时后反而亏损，最终收益为负

显然，上面六组中，我们希望前三组里股票越多越好，尤其是第一组和第二组，可以得到高于基准的收益率，同时希望后三组的股票越少越好，尤其是最后一组，将本来可观的收益变为负的。因此，我们第二个评价指标就是每一组里股票个数的加权平均值，称为指标的适应性：

$$Adaptability=\frac{\sum (weigh{t}_G\ast coun{t}_G)}{6}$$

其中count_G是每一组股票的个数，而weight_G是每一组的权重，这个权重分别如下：

• 第一组：力挽狂澜，权重为3倍该组平均收益率差
• 第二组：锦上添花：权重为2倍该组平均收益率差
• 第三组：差强人意，权重为1倍该组平均收益率差
• 第四组：无力回天，权重为1倍该组平均收益率差
• 第五组：屋漏逢雨，权重为2倍该组平均收益率差，因为平均收益率差为负，因此会降低
• 第六组：乐极生悲，权重为3倍该组平均收益率差

指标的适应性体现了指标的适用范围，适应性强的指标，对更多的个股都能产生作用，这个指标也是越高越好。我们后面就将用强度和适应性两个评价指标来对前文所列出的33个指标进行一次横向大评比，敬请期待！

期待你的意见

我们将从下一篇文章开始，逐一解释每一个技术指标，并进行433轮回测，记录择时收益率和基准收益率，并借以评价每个技术指标的有效性以及优劣。

如果您对评测方法或指标有任何意见或建议，欢迎回复或私信交流，希望大家学习交流、共同进步！