量化交易入门(四十一)ASI指标Python实现和回测

2024-04-04 13:28

本文主要是介绍量化交易入门(四十一)ASI指标Python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!

老规矩先上图,看看ASI指标使用苹果数据回测后的结果如何。

一、策略运行结果

执行的结果:
Starting Portfolio Value: 100000.00 
Final Portfolio Value: 92514.82
Annualized Return: -1.93%
Sharpe Ratio: -0.27
Max Drawdown: 25.34%
Max Drawdown Period: 441

唉,好像亏钱了,测试了这么多个指示,这个指标好像亏得最多。让我们一起分析一下这个结果:

  1. 初始资产组合价值为100,000美元,最终资产组合价值为92,514.82美元。这意味着在回测期间,策略的总体表现为亏损,资产组合价值下降了7,485.18美元。

  2. 年化收益率为-1.93%,表明该策略在回测期间的平均年度收益率为负。这意味着投资者使用该策略平均每年会损失1.93%的资金。

  3. 夏普比率为-0.27。夏普比率衡量投资组合的风险调整后收益,数值越高表示风险调整后的表现越好。负的夏普比率表明该策略的表现差于无风险利率(如国债收益率),投资者承担了额外的风险却获得了更低的回报。

  4. 最大回撤为25.34%,表示从策略的历史最高点到最低点的最大跌幅。这意味着投资者在最糟糕的情况下会损失25.34%的资金。

  5. 最长回撤期为441个交易日。这表示策略从最高点跌至最低点所需的时间。较长的回撤期可能表明策略从损失中恢复的时间较长。

综合来看,该ASI策略在回测期间表现不佳,年化收益率为负,夏普比率为负,最大回撤超过25%,回撤期较长。这表明该策略在回测期间承担了较高的风险,但未能获得相应的回报。

 二、代码实现

基于ASI指标对苹果股票进行回测。以下是完整的代码:

import backtrader as bt
import yfinance as yfclass DMIStrategy(bt.Strategy):params = (('period', 14),('up_trend_threshold', 25),('down_trend_threshold', 25),)def __init__(self):self.dmi = bt.indicators.DMI(period=self.params.period)self.crossover_dmi = bt.indicators.CrossOver(self.dmi.plusDI, self.dmi.minusDI)def next(self):if not self.position:if self.dmi.plusDI[-1] > self.params.up_trend_threshold and self.crossover_dmi > 0:commission_info = self.broker.getcommissioninfo(self.data)cash = self.broker.get_cash()size = int(cash / (self.data.close[0] * (1 + commission_info.p.commission)))self.order = self.buy(size=size)print(f'BUY: {size} shares')else:if self.dmi.minusDI[-1] > self.params.down_trend_threshold and self.crossover_dmi < 0:self.order = self.close()print(f'SELL: {self.position.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(DMIStrategy)# 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()

三、代码解读

  1. 导入必要的库:backtrader和yfinance。

  2. 定义ASI指标:

    • ASI指标用于衡量市场的积累/派发强度,结合了价格和成交量信息。
    • __init__方法中,添加了一个用于计算ASI指标EMA(指数移动平均)的line。
    • next方法中,计算当前的ASI值。如果收盘价和成交量同时上涨或下跌,则ASI值为它们的乘积;否则,ASI值为0。
  3. 定义交易策略:

    • __init__方法中,创建了ASI指标的实例,并初始化了订单变量。
    • next方法中,根据ASI指标的值来决定买入或卖出。如果当前ASI值大于0且前一个ASI值小于等于0,则买入;如果当前ASI值小于0且前一个ASI值大于等于0,则卖出。
    • 在买入时,根据可用资金和佣金计算可以买入的股票数量,并下单买入。
    • 在卖出时,平仓所有持仓。
    • notify_order方法中,处理订单的执行情况。打印买入和卖出的详细信息,包括执行日期、价格、成本、利润等。
  4. 创建Cerebro引擎,设置初始资金为100,000美元。

  5. 从Yahoo Finance下载苹果股票的数据,时间范围为2020年1月1日至2023年12月30日,并将数据添加到Cerebro引擎中。

  6. 将ASI交易策略添加到Cerebro引擎中。

  7. 设置佣金为0.1%。

  8. 添加分析指标:年化收益率、夏普比率和最大回撤。

  9. 运行回测,打印回测前后的资产组合价值。

  10. 获取回测结果,并打印年化收益率、夏普比率、最大回撤和最大回撤期。

  11. 绘制回测结果图表。

这个示例展示了如何使用Backtrader框架和自定义指标(ASI)来构建交易策略并进行回测。通过分析回测结果,可以评估策略的性能,包括收益率、风险调整后收益(夏普比率)和回撤等指标。

需要注意的是,这只是一个简单的示例,实际应用中需要根据具体情况进行策略优化和风险控制。在做出任何实际的投资决策之前,建议进行全面的研究和分析。

经过系列的文章我们学习到了python的入门,量化的基本知识,Backtrader回测框架以及各种技术指标,以及通过这些技术指标进行的回测。我们应该对量化交易入门有了一定的了解。这个系列的博文就到此结束了。我将在5月份开启量化交易实战系列博文,请大家继续关注,一起学习提高。

这篇关于量化交易入门(四十一)ASI指标Python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/875900

相关文章

pandas中位数填充空值的实现示例

《pandas中位数填充空值的实现示例》中位数填充是一种简单而有效的方法,用于填充数据集中缺失的值,本文就来介绍一下pandas中位数填充空值的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是中位数填充?为什么选择中位数填充?示例数据结果分析完整代码总结在数据分析和机器学习过程中,处理缺失数

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

Java对象转换的实现方式汇总

《Java对象转换的实现方式汇总》:本文主要介绍Java对象转换的多种实现方式,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Java对象转换的多种实现方式1. 手动映射(Manual Mapping)2. Builder模式3. 工具类辅助映

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

SpringBoot基于配置实现短信服务策略的动态切换

《SpringBoot基于配置实现短信服务策略的动态切换》这篇文章主要为大家详细介绍了SpringBoot在接入多个短信服务商(如阿里云、腾讯云、华为云)后,如何根据配置或环境切换使用不同的服务商,需... 目录目标功能示例配置(application.yml)配置类绑定短信发送策略接口示例:阿里云 & 腾