失眠网 > 量化交易实战【1】自己搭建一个的股票交易回测框架并通过均线择时策略进行回测

量化交易实战【1】自己搭建一个的股票交易回测框架并通过均线择时策略进行回测

时间：2023-09-26 11:24:27

搭建股票交易回测框架

前言1. 导入数据2. 交易框架搭建--以均线策略为例2.1 计算均线数值2.2 产生交易信号：即找出买入与卖出信号2.3 由交易信号计算每天股票仓位2.4 排除当天开盘就涨跌停导致无法交易的情况，此时仓位不能改变2.5 计算资金曲线并绘图3. 总结

前言

本文介绍了一个股票交易的基础回测框架，并且通过均线择时策略，详细的演示了策略搭建的过程，和大家共同学习交流。

文章示例中使用的‘000001.XSHE.csv’文件，已上传至csdn资源中，可直接下载或者关注文末公众号：‘阿旭算法与机器学习’。然后输入：股票数据，即可获取4000多只股票从1月至10月的所有基础数据

1. 导入数据

import pandas as pdimport matplotlib.pyplot as plt

pd.set_option('display.max_columns', None) # 展示所有列# 000001.XSHE.csv文件包含1月至10月的开盘价、收盘价、最高价、最低价、成交量、成交金额股票的基本数据df = pd.read_csv('./000001.XSHE.csv') df.head()

# 求该股票每日涨跌幅df['change_pct'] = df['close'].pct_change()df = df[['date','open','close','high','low','change_pct']]df['date'] = pd.to_datetime(df['date']) # 将交易日期字符串变为日期类型df.head()

2. 交易框架搭建–以均线策略为例

当短期均线由下向上穿过长期均线的时候，第二天以开盘价全仓买入并在之后一直持有；

当短期均线由上向下穿过长期均线的时候，第二天以开盘价全仓卖出，之后空仓，直到下次买入

2.1 计算均线数值

此处以短期均线MA=5;长期均线MA=20为例进行说明，至于参数的优化，需要依据不同股票的实际情况修改

# 计算均线ma_short = 5 #短期均线，ma代表：moving_averagema_long = 20 #长期均线，ma代表：moving_averagedf['ma_short'] = df['close'].rolling(ma_short).mean()df['ma_long'] = df['close'].rolling(ma_long).mean()df.head(10)

#补全上面均线缺失值：补全方式采用扩展窗口函数expanding，移动计算前面所有值之和的均值df['ma_short'].fillna(value=df['close'].expanding().mean(),inplace=True)df['ma_long'].fillna(value=df['close'].expanding().mean(),inplace=True)df.head(10)

2.2 产生交易信号：即找出买入与卖出信号

# 找买入信号# 当天的短期均线大于等于长期均线condition1 = (df['ma_short'] >= df['ma_long'])# 上一个交易日的短期均线小于长期均线condition2 = (df['ma_short'].shift(1) < df['ma_long'].shift(1))# 将买入信号当天的signal设为1df.loc[condition1 & condition2, 'signal'] = 1# 找卖出信号# 当天的短期均线小于等于长期均线condition1 = (df['ma_short'] <= df['ma_long'])# 上一个交易日的短期均线大于长期均线condition2 = (df['ma_short'].shift(1) > df['ma_long'].shift(1))# 将买入信号当天的signal设为0df.loc[condition1 & condition2,'signal'] = 0# 浏览产生交易信号的日期df[df['signal'].notnull()].head(10)

2.3 由交易信号计算每天股票仓位

我们用1表示满仓，0表示空仓。当出现买入信号之后，全仓买入，当出现卖出信号之后，全仓卖出。

因此，当交易信号signal为1时，第二天仓位position也会变为1，之后的仓位一直为1，直到出现卖出信号，仓位变为0。

注意：此处因为signal的计算运用了收盘价，是每天收盘之后产生的信号，所以仓位position在第二天才会发生改变。

例如-05-01产生买入信号，-05-02仓位才会变成1，满仓用1表示，空仓用0表示

将signal信号下移一格，表示第二天买入，用1表示满仓，0表示空仓

# 新建列Pos表示仓位，将交易信号下移一格，表示第二天买入，1表示满仓，0表示空仓df['pos'] = df['signal'].shift()# 向上填充，将买入之后的pos全部设置为1df['pos'].fillna(method='ffill', inplace=True)# 没有买入的pos全部设置为0df['pos'].fillna(value=0,inplace=True)# 预览仓位数据df[(df['date']>='-02-24')&(df['date']<'-05-06')][['date','signal','pos']].head(20)

2.4 排除当天开盘就涨跌停导致无法交易的情况，此时仓位不能改变

注意：开盘涨跌停，是基本无法买入或者卖出股票的。

# 找出开盘涨停的日期：即今天的开盘价相对于昨天的收盘价上涨了9.7%以上，此处不用10%是因为由于4舍5入，涨停不一定就是10%cond_cannot_buy = df['open'] > df['close'].shift(1) * 1.097# 将开盘涨停且当前position为1时的'pos'设为空值df.loc[cond_cannot_buy & (df['pos'] == 1),'pos'] = None# 找出开盘跌停的日期，即今天的开盘价相对于昨天的收盘价跌了9.7%（1-0.097=0.903）cond_cannot_sell = df['open'] < df['close'].shift(1) *0.903# 将开盘跌停且当前position为0时的'pos'设为空值df.loc[cond_cannot_sell & (df['pos'] == 0),'pos'] = None# position为空的日期表示不能买卖。position仓位只能和前一个交易日保持一致df['pos'].fillna(method='ffill', inplace=True)

2.5 计算资金曲线并绘图

# 资金曲线：假设起始资金为100万元的每天资金变化情况# 首先计算资金曲线每天的涨跌幅，‘equity_change’表示资金每天的涨跌幅# 当天空仓时，pos为0，资产涨幅为0# 当天满仓时，pos为1，资产涨幅为股票本身的涨跌幅df['equity_change'] = df['change_pct'] * df['pos']# 根据每天的涨跌幅计算资金曲线df['equity_curve'] = 1000000 * (df['equity_change'] + 1).cumprod()df = df[['date' , 'change_pct','pos','equity_change','equity_curve']]df.reset_index(inplace=True, drop=True) # 重置索引，让他从0开始df.head(10)

# 绘制资金曲线plt.plot(df['equity_curve'])plt.show()

通过资金曲线我们可以看到，该只股票从1月开始至今，通过该策略最高是1.8倍收益，后面又跌回去了…

当然这个策略只是在此处搭建框架做演示用的，实际策略参数等都需要根据具体情况进行调整。