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

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

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

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

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

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

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