量化交易入门(二十九)布林带指标实现和回测

2024-03-30 09:20

本文主要是介绍量化交易入门(二十九)布林带指标实现和回测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

首先我们来看一张图,这张图就是拿的苹果股票2020年1月1日到2023年12月30日的历史数据进行回测后生成的。图中绿色箭头是买入点,红色箭头是卖出点。我们看到大部分的时候是在股价较低的时候买入,在股价较高的时候卖出,好像挺不错的。

 具体怎么实现,到底结果怎么样,我们来看代码和运行结果。

示例代码

import backtrader as bt
import yfinance as yf# 定义布林带交易策略
class BollingerBandsStrategy(bt.Strategy):params = (('period', 20),('devfactor', 2))def __init__(self):self.bbands = bt.indicators.BollingerBands(period=self.params.period, devfactor=self.params.devfactor)self.order = Nonedef next(self):if self.order:returnif self.data.close[0] > self.bbands.lines.top[0]:if self.position.size == 0:commission_info = self.broker.getcommissioninfo(self.data)cash = self.broker.get_cash() - commission_info.getsize(1, self.data.close[0])size = cash // self.data.close[0]self.buy(size=size)print(f'BUY: {size} shares')elif self.data.close[0] < self.bbands.lines.bot[0]:if self.position.size > 0:size = self.position.sizeself.close(size=size)print(f'SELL: {size} shares')def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:returnif order.status in [order.Completed]:if order.isbuy():print(f'BUY executed at {self.data.num2date(order.executed.dt).date()}, Price: {order.executed.price:.2f}, Cost: {order.executed.value:.2f}, Comm: {order.executed.comm:.2f}')elif order.issell():cost = order.executed.valueprofit = order.executed.value - order.created.size * order.created.priceprofit_percent = (profit / cost) * 100print(f'SELL executed at {self.data.num2date(order.executed.dt).date()}, Price: {order.executed.price:.2f}, Cost: {cost:.2f}, Profit: {profit:.2f}, Profit %: {profit_percent:.2f}%')elif order.status in [order.Canceled, order.Margin, order.Rejected]:print('Order Canceled/Margin/Rejected')    # 创建Cerebro引擎
cerebro = bt.Cerebro()# 设置初始资金
cerebro.broker.setcash(100000.0)# 下载苹果股票数据
data = yf.download('AAPL', '2020-01-01', '2023-12-30')
data = data.dropna()# 将数据添加到Cerebro引擎中
data = bt.feeds.PandasData(dataname=data)
cerebro.adddata(data)# 添加MACD策略
cerebro.addstrategy(BollingerBandsStrategy)# 设置佣金为0.1%
cerebro.broker.setcommission(commission=0.001)# 添加分析指标
cerebro.addanalyzer(bt.analyzers.Returns, _name='returns')
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')# 运行回测
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
results = cerebro.run()
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())# 获取回测结果
strat = results[0]
returns = strat.analyzers.returns.get_analysis()
sharpe = strat.analyzers.sharpe.get_analysis()
drawdown = strat.analyzers.drawdown.get_analysis()# 打印回测指标
print('Annualized Return: %.2f%%' % (returns['rnorm100']))
print('Sharpe Ratio: %.2f' % (sharpe['sharperatio']))
print('Max Drawdown: %.2f%%' % (drawdown['max']['drawdown']))
print('Max Drawdown Period: %s' % (drawdown['max']['len']))# 绘制回测结果
cerebro.plot()

策略逻辑

策略的主要逻辑可以总结如下:

1、计算布林带指标:

  • 使用指定的时间周期(period)和标准差因子(devfactor)计算布林带指标。
  • 布林带由三条线组成:中轨(移动平均线)、上轨(中轨+标准差)和下轨(中轨-标准差)。

2、买入信号:

  • 当前收盘价高于布林带上轨,并且当前没有持仓时,生成买入信号。
  • 计算可用资金可以买入的最大股票数量,并发出买入订单。
  • 打印买入信息,包括买入的股票数量。

3、卖出信号:

  • 当前收盘价低于布林带下轨,并且当前有持仓时,生成卖出信号。
  • 卖出当前持有的所有股票。
  • 打印卖出信息,包括卖出的股票数量。

4、风险管理:

  • 买入时使用全部可用资金购买股票,卖出时卖出所有持有的股票,没有固定的交易量限制。
  • 策略没有设置止损或止盈条件,完全依赖布林带指标的信号进行交易。

总体而言,这个策略的主要思路是:当价格突破布林带上轨时买入,突破下轨时卖出,以捕捉价格的波动和潜在的趋势变化。策略使用了简单的信号生成和资金管理规则,没有复杂的风险控制措施。

代码解析

让我们详细解析这个代码:

1、导入所需的库:

  • backtrader: 用于回测的Python框架。
  • yfinance: 用于从Yahoo Finance下载股票数据。

2、定义布林带交易策略类BollingerBandsStrategy,继承自bt.Strategy:

  • params: 策略的参数,包括布林带的时间周期、标准差因子、交易量和调试开关。
  • __init__: 策略的初始化方法,创建布林带指标和订单变量。
  • next: 策略的核心逻辑,根据布林带指标的信号执行买卖操作。
    • 如果当前有未完成的订单,则不进行新的交易。
    • 如果收盘价超过上轨,且当前有多头仓位,则卖出;如果当前没有仓位,则进行卖空操作。
    • 如果收盘价低于下轨,且当前没有仓位,则买入;如果当前有空头仓位,则进行买入平仓操作。
  • notify_order: 订单状态通知方法,用于处理订单执行结果和错误情况。

3、下载苹果股票数据:

  • 使用yfinance库下载指定时间范围内的苹果股票数据。
  • 将数据保存为CSV文件。

4、创建Cerebro引擎:

  • bt.Cerebro是Backtrader的核心类,用于管理回测的各个组件。

5、加载数据到Cerebro:

  • 使用bt.feeds.YahooFinanceCSVData从之前保存的CSV文件中加载苹果股票数据。
  • 将数据添加到Cerebro引擎中。

6、添加布林带交易策略:

  • BollingerBandsStrategy添加到Cerebro引擎中。

7、设置初始资金和佣金:

  • 使用cerebro.broker.setcash设置回测的初始资金。
  • 使用cerebro.broker.setcommission设置交易佣金。

8、运行回测:

  • 输出回测开始时的投资组合价值。
  • 调用cerebro.run()运行回测。
  • 输出回测结束后的投资组合价值。

9、绘制回测结果:

  • 调用cerebro.plot()绘制回测结果图表,包括股价、交易信号和投资组合价值等。

 运行结果分析

执行的结果:
Starting Portfolio Value: 100000.00 
Final Portfolio Value: 173356.80
Annualized Return: 14.78%
Sharpe Ratio: 0.60
Max Drawdown: 27.17%
Max Drawdown Period: 373

看到Final Portfolio Value: 173356.80这个值,好像还不错,又挣到钱了,暗暗开心一下。我们对该交易策略的表现进行以下分析:

1、收益率:

  • 起始投资组合价值为100000.00,最终投资组合价值为173356.80。
  • 总收益率为(173356.80 - 100000.00) / 100000.00 = 73.36%,表明该策略在整个回测期间实现了可观的收益。
  • 年化收益率为14.78%,表示平均每年的收益率。这个数值需要根据回测的时间跨度来解释,一般来说年化收益率越高越好。

2、夏普比率:

  • 夏普比率为0.60,表示策略的风险调整后收益。
  • 夏普比率衡量了策略的超额收益与其承担的风险之间的关系。一般来说,夏普比率越高,表示策略在承担相同风险的情况下获得了更高的超额收益。
  • 该策略的夏普比率为0.60,表明其风险调整后的收益表现尚可,但还有进一步优化的空间。

3、最大回撤:

  • 最大回撤为27.17%,表示从最高点到最低点的最大损失幅度。
  • 最大回撤反映了策略在最糟糕的情况下可能遭受的最大损失。该策略的最大回撤为27.17%,说明在某个时期内,投资组合的价值从最高点下跌了27.17%。
  • 最大回撤期为373,表示从最高点到最低点的持续时间。这意味着策略经历了较长时间的回撤期,需要注意风险管理和回撤控制。

4、总结:

  • 该布林带交易策略在回测期间实现了较高的总收益率和年化收益率,表明策略有一定的盈利能力。
  • 夏普比率为0.60,说明策略的风险调整后收益表现尚可,但还有提升的空间。
  • 最大回撤为27.17%,持续时间较长,提示需要关注策略的风险管理和回撤控制。
  • 整体而言,该策略表现出一定的潜力,但仍需要进一步优化和改进,如引入更多的风险管理措施、参数优化和组合管理等。

这篇关于量化交易入门(二十九)布林带指标实现和回测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/861095

相关文章

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

基于SpringBoot实现文件秒传功能

《基于SpringBoot实现文件秒传功能》在开发Web应用时,文件上传是一个常见需求,然而,当用户需要上传大文件或相同文件多次时,会造成带宽浪费和服务器存储冗余,此时可以使用文件秒传技术通过识别重复... 目录前言文件秒传原理代码实现1. 创建项目基础结构2. 创建上传存储代码3. 创建Result类4.

SpringBoot日志配置SLF4J和Logback的方法实现

《SpringBoot日志配置SLF4J和Logback的方法实现》日志记录是不可或缺的一部分,本文主要介绍了SpringBoot日志配置SLF4J和Logback的方法实现,文中通过示例代码介绍的非... 目录一、前言二、案例一:初识日志三、案例二:使用Lombok输出日志四、案例三:配置Logback一