使用pandas进行量化回测（akshare）

本人看法，也就比excel高级一点，距离backtrader这些框架又差一点。做最基础的测试可以，如果后期加入加仓功能，或者是止盈止损等功能，很不合适。只能做最简单的技术指标测试。所以别太当回事。

导包，常用包导入：

import os
import akshare as ak
import requests
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import talib as ta
%matplotlib inline
plt.style.use("ggplot")

获取数据，本文使用akshare中债券数据为对象分析：

bond_zh_hs_daily_df = ak.bond_zh_hs_daily(symbol="sh010107")

添加指标：

def backtest_trend_strategy(ohlc: pd.DataFrame,fast_period: int = 50,slow_period: int = 200,threshold: float = 1.0) -> pd.DataFrame:"""封装向量化回测的逻辑"""# 计算指标ohlc["fast_ema"] = talib.EMA(ohlc.close, fast_period)ohlc["slow_ema"] = talib.EMA(ohlc.close, slow_period)ohlc["pct_diff"] = (ohlc["fast_ema"] / ohlc["slow_ema"] - 1) * 100# 生成信号，1表示做多，-1表示做空，0表示空仓ohlc["signal"] = np.where(ohlc["pct_diff"] > threshold, 1, 0)ohlc["signal"] = np.where(ohlc["pct_diff"] < -threshold, -1, ohlc["signal"])# 计算策略收益率ohlc["returns"] = np.log(ohlc["close"] / ohlc["close"].shift(1))ohlc["strategy"] = ohlc["signal"].shift(1) * ohlc["returns"]ohlc["strategy_returns"] = ohlc["strategy"].cumsum()return ohlc

运行策略，并绘制图片：

data = strategy1(data)fig, ax = plt.subplots(nrows=3, ncols=1, figsize=(12, 15), sharex=True)ax[0].plot(data.index, data["close"])
ax[0].plot(data.index, data["fast_ema"])
ax[0].plot(data.index, data["slow_ema"])
ax[0].set_title("Price and Indicators")ax[1].plot(data.index, data["signal"])
ax[1].set_title("Strategy Position")data[["returns", "strategy"]].cumsum().plot(ax=ax[2], title="Strategy Return")

参数优化：

# 选择核心参数和扫描区间，其它参数保持不变
fast_period_rng = np.arange(5, 101, 5)total_return = []
for fast_period in fast_period_rng:ohlc = data.filter(["open", "high", "low", "close"])res = backtest_trend_strategy(ohlc, fast_period, 200, 1.0)total_return.append(res["strategy_returns"].iloc[-1])# 散点图：策略收益率 vs 快速均线回溯期
fig, ax = plt.subplots(figsize=(12, 7))
ax.plot(fast_period_rng, total_return, "r-o", markersize=10)
ax.set_title("Strategy Return vs Fast period")
ax.set_xlabel("fast_period")
ax.set_ylabel("return(%)")

使用pandas进行量化回测（akshare）相关推荐

backtrader量化回测，基础篇，附MACD交易回测代码
backtrader由德国工程师开发,拥有股票的回测,检测交易策略,支持期货实时交易,对于股票交易还在完善,我尝试了pylagotrade,vn.py,发现backtrader功能强大,交易策略全面, ...
【手把手教你】获取股票数据并进行量化回测——基于ADX和MACD趋势策略
01 引言不少喜欢量化的读者向我反馈,虽然已经掌握了Python的编程基础,但仍不知道如何切入到股票量化分析上,一是对如何获取股票数据还不太熟悉:二是拿到股票数据后不知道怎么做量化回测.实际上公众号 ...
手把手教你python实现量价形态选股知乎_【手把手教你】Python实现基于事件驱动的量化回测...
01引言使用矢量化方法(pandas)建立的基于研究的量化回测框架,不考虑交易的委托成交行为,与真实市场情况差距比较大.今天为大家介绍的是基于事件驱动的回测框架,这是一种十分复杂的回测系统,力图模拟 ...
vnpy怎么创建策略并回测_【手把手教你】入门量化回测最强神器backtrader（一）
1 引言目前基于Python的量化回测框架有很多,开源框架有zipline.vnpy.pyalgotrader和backtrader等,而量化平台有Quantopian(国外).聚宽.万矿.优矿.米 ...
从零开始实现一个量化回测系统（一）
持续行动1期 41/100,"AI技术应用于量化投资研资"之可转债投资. 今天是中秋节和教师节,祝大家中秋快乐,教师节快乐! 今天开始一个主题--"从零实现一个量化回测系 ...
vnpy量化回测怎么做？一文带你了解
有些量化教程让人摸不着头脑.他们一上来就教人怎么写策略,但你连回测都做不到.即使你有一个很棒的策略,你敢让他直接跑吗?因此,本期主要解决vnpy量化回测怎么做的问题.我们的目的很简单,无视策略,让回测 ...
【python量化】国内外基于python开发的量化回测框架
文章目录写在前面 Zipline PyAlgoTrade BackTrader Catalyst Vn.py 总结写在前面在进行量化策略开发时,必不可少的就是策略回测,虽然有很多量化回测平台如三 ...
backtrader股票技术指标自定义与量化回测
01 引言股票市场自交易以来,人们就开始孜孜不倦地探索各种各样的投资理论,其中技术分析是重要的理论之一.实际上,技术分析是100多年前创建的股票投资理论,是投资者对股票量价变化长期观察归纳总结的若干 ...
【手把手教你】用backtrader量化回测海龟交易策略
01 引言海龟交易策略是比较经典的趋势交易系统之一,涵盖了从入场交易(品种选择).仓位管理(基于ATR加减仓).离场(触发条件)的整个过程.机械套用海龟交易法则在A股上进行交易可能效果不佳,但其交易 ...

使用pandas进行量化回测（akshare）

使用pandas进行量化回测（akshare）相关推荐

最新文章

热门文章