用Python做一个Mean Rerversion策略

为什么连胜会终止？

为什么明星基金终归于平凡？

几乎所有事物都逃不过均值回归。股价也一样，无论高于还是低于均值，都将大概率回归到均值。

这就是Mean-Reversion均值回归策略的底层逻辑，当股价高于均值时，做空；低于均值时，做多，这是一个震荡市的策略。

我们从一个最基本的均值回归模型入手：以SMA(简单移动平均线)作为交易信号。

SMA的计算方法是将某一段时间的收盘价之和除以该周期，可以看成均值。

那偏离均值多少开仓呢？我们再设定一个阈值，当价格偏离均值的程度大于这个阈值时，执行交易。

也就是说当股价高于SMA，并且高出的部分大于这个阈值，就做空股票；反之当股价低于SMA，低出的部分大于这个阈值，就做多股票。当价格回归到SMA附近1%的范围内，平仓。

第一步，导入要用到的库：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import yfinance as yf

第二步：策略的实现

def SMAMeanReversion(ticker, sma, threshold, shorts=False,start_date='2000-01-01', end_date='2020-12-31'):yfObj = yf.Ticker(ticker)data = yfObj.history(start=start_date, end=end_date)data['SMA'] = data['Close'].rolling(sma).mean()data['extension'] = (data['Close'] - data['SMA']) / data['SMA']data['position'] = np.nandata['position'] = np.where(data['extension']<-threshold,1, data['position'])if shorts:data['position'] = np.where(data['extension']>threshold, -1, data['position'])data['position'] = np.where(np.abs(data['extension'])<0.01,0, data['position'])data['position'] = data['position'].ffill().fillna(0)# Calculate returns and statisticsdata['returns'] = data['Close'] / data['Close'].shift(1)data['log_returns'] = np.log(data['returns'])data['strat_returns'] = data['position'].shift(1) * \data['returns']data['strat_log_returns'] = data['position'].shift(1) * \data['log_returns']data['cum_returns'] = np.exp(data['log_returns'].cumsum())data['strat_cum_returns']  =   np.exp(data['strat_log_returns'].cumsum())data['peak'] = data['cum_returns'].cummax()data['strat_peak'] = data['strat_cum_returns'].cummax()return data.dropna()

以美国航空为标的，SMA周期设置为50天，阈值定为10%。回测的结果buy&hold和均值回归比较如下图：

可以看到，大部分时间均值回归策略的表现逊色于一直持有股票，涨的少，跌的都差不多。

原因之一是有些极端情况下，太强的趋势改变了均值回归的性质，震荡市已经切换到了单边行情，策略机械地执行越跌越买，最后成本被摊地很高。

为了降低这种风险，我们再在代码里加入一个保护变量，也就是一个上限阈值。

比方说阈值定为10%，上限阈值定为15%，当价格和SMA的偏离在10%和15%之间时，策略照常执行。但是一旦这个偏离高于了15%，就不再下单，从而降低了单边行情中越做越错的风险。

来瞅瞅加了保护变量后的策略表现：

加了保护变量后，不仅总收益率提高了，而且年化波动降低了，夏普比率也由此提高。

加入保护变量后，成功躲过2020年初的疫情大跌，而没加保护的策略会在下跌趋势中不断开多仓，导致很大的回撤：

总结：

这是一个以SMA简单移动平均线作为指标的均值回归策略，你也可以用其他的indicator作为均值指标，比如布林带、股票平均回报率、RSI等等。

策略也有一些小瑕疵，一是没有把股息和交易费用考虑进来，二是参数的选择（SMA=50，阈值设为10%）比较随意，没有优化过程。

虽然是一个最简单和基础的均值回归策略，但揭示了此类策略的最主要逻辑。其中的参数可以进一步优化，从而提升策略的表现。

用Python做一个Mean Rerversion策略相关推荐

绝对干货3000字，手把手带你用Python实现一个量化炒股策略，小白也能看得懂！...
我一直都知道我会变得富有. 我认为自己从来没对此产生过一丝怀疑. --巴菲特 "菜鸟学Python",第"520"篇原创玩Python这么久了,菜鸟哥写 ...
用 Python 做一个 H5 游戏机器人
原文地址:Creating An HTML5 Game Bot Using Python 原文作者:vesche 译文出自:掘金翻译计划本文永久链接:github.com/xitu/gold-m- ...
黑客很酷？手把手教你用Python做一个
前言随着信息化时代的到来,人们对互联网接触越来越广泛,这样就使得很多人对于黑客充满向往,企图通过网络虚拟世界来做一些有趣的事情. 所以今天我们要说的工具就是:怎样利用Python做一个黑客软件. 众 ...
用python写搜索引擎_用python做一个搜索引擎(Pylucene)的实例代码
1.什么是搜索引擎? 搜索引擎是"对网络信息资源进行搜集整理并提供信息查询服务的系统,包括信息搜集.信息整理和用户查询三部分".如图1是搜索引擎的一般结构,信息搜集模块从网络采集信 ...
在哪里能收到python实例代码-用python做一个搜索引擎(Pylucene)的实例代码
1.什么是搜索引擎? 搜索引擎是"对网络信息资源进行搜集整理并提供信息查询服务的系统,包括信息搜集.信息整理和用户查询三部分".如图1是搜索引擎的一般结构,信息搜集模块从网络采集信 ...
python恶搞-python—做一个恶搞程序
python-做一个恶搞程序 very easy print("You can't win this game") #你不可能赢这个游戏 n = int(input("B ...
【Python】如何用python做一个简单的输入输出交互界面?
看到知乎上有人在问,如何使用Python做一个简单的输入输出交互界面? 交互界面就涉及到GUI编程. Python有很多GUI框架,功能大同小异. 其中比较出名的有「PyQT」.**wxPython. ...
python写520_用Python做一个520表白神器，值得收藏
本文最后给出了打包好的软件,无需安装Python环境和各种依赖,直接下载软件,解压后,双击exe文件即可使用. 先来看一下具体的效果. 运行程序. 用Python做一个520表白神器,值得收藏点击「 ...
python自己做个定时器_技术图文：如何利用 Python 做一个简单的定时器类？
原标题:技术图文:如何利用 Python 做一个简单的定时器类? 背景今天在B站上看有关 Python 最火的一个教学视频 -- "零基础入门学习 Python",这也是我们 P ...
python实战扫码下载_实例：用 Python 做一个扫码工具
原标题:实例:用 Python 做一个扫码工具来自公众号: 新建文件夹X 链接:https://blog.csdn.net/ZackSock/article/details/108610957Pyt ...

用Python做一个Mean Rerversion策略

我们从一个最基本的均值回归模型入手：以SMA(简单移动平均线)作为交易信号。

用Python做一个Mean Rerversion策略相关推荐

最新文章

热门文章