python使用pandas進行量化回測
更新時間：2022年03月24日 15:41:09 作者：神出鬼沒，指的就是我!
這篇文章主要介紹了python使用pandas進行量化回測，文章圍繞pandas進行量化回測的相關資料展開簡單內(nèi)容，文章內(nèi)容可以做一些比較簡單的技術指標測試,需要的朋友可以參考一下
下面文章描述可能比excel高級一點，距離backtrader這些框架又差一點。做最基礎的測試可以，如果后期加入加倉功能，或者是止盈止損等功能，很不合適。只能做最簡單的技術指標測試。
導包，常用包導入：
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")獲取數(shù)據(jù)，本文使用akshare中債券數(shù)據(jù)為對象分析：
bond_zh_hs_daily_df = ak.bond_zh_hs_daily(symbol="sh010107")
添加指標：
def backtest_trend_strategy(ohlc: pd.DataFrame, ? ? ? ? ? ? ? ? ? ? ? ? ? ? fast_period: int = 50, ? ? ? ? ? ? ? ? ? ? ? ? ? ? slow_period: int = 200, ? ? ? ? ? ? ? ? ? ? ? ? ? ? threshold: float = 1.0) -> pd.DataFrame: ? ? """封裝向量化回測的邏輯""" ? ? # 計算指標 ? ? 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 ? ? ? # 生成信號，1表示做多，-1表示做空，0表示空倉 ? ? ohlc["signal"] = np.where(ohlc["pct_diff"] > threshold, 1, 0) ? ? ohlc["signal"] = np.where(ohlc["pct_diff"] < -threshold, -1, ohlc["signal"]) ? ? ? # 計算策略收益率 ? ? 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
運行策略，并繪制圖片：
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")
參數(shù)優(yōu)化：
# 選擇核心參數(shù)和掃描區(qū)間，其它參數(shù)保持不變
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])
? ??
?
# 散點圖：策略收益率 vs 快速均線回溯期
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(%)")到此這篇關于python使用pandas進行量化回測的文章就介紹到這了,更多相關pandas進行量化回測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
Python壓縮模塊zipfile實現(xiàn)原理及用法解析
這篇文章主要介紹了Python壓縮模塊zipfile實現(xiàn)原理及用法解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-08-08
這篇文章主要為大家詳細介紹了如何通關Python編寫一個重復文件批量整理工具,可以在文件夾內(nèi)對文件進行去重和分類存儲,有需要的可以了解下2025-02-02
這篇文章主要介紹了django框架自定義用戶表操作,結(jié)合實例形式分析了Django框架自定義用戶表替換自帶的user表具體操作步驟與相關使用技巧,需要的朋友可以參考下2018-08-08
這篇文章主要介紹了Python內(nèi)置函數(shù)及功能簡介匯總,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-10-10
今天給大家?guī)淼氖顷P于Python的相關知識,文章圍繞著PyCharm導入numpy庫的幾種方式展開,文中有非常詳細的解釋及代碼示例,需要的朋友可以參考下2021-06-06
今天小編就為大家分享一篇Python3簡單實現(xiàn)串口通信的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
這篇文章主要介紹了Python面向?qū)ο笾惖姆庋b操作,結(jié)合具體實例形式分析了Python面向?qū)ο蟪绦蛟O計中類方法的定義與使用相關操作技巧,需要的朋友可以參考下2019-06-06
FastAPI是一個現(xiàn)代的，快速（高性能）python?web框架。本文將利用fastapi實現(xiàn)上傳文件功能，文中的示例代碼講解詳細，需要的可以參考一下2022-06-06
這篇文章主要介紹了如何解決jupyter?notebook中文亂碼問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-06-06
這篇文章主要介紹了Python3定時器任務代碼，本文通過實例代碼給大家介紹的非常詳細，具有一定的參考借鑒價值,需要的朋友可以參考下2019-09-09