首页 > 编程语言 >量化交易入门(四十一)ASI指标Python实现和回测

量化交易入门(四十一)ASI指标Python实现和回测

时间:2024-04-04 09:05:19浏览次数:34  
标签:Python self cerebro 回测 print ASI order

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 yf

class 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]:
            return

        if 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.value
                profit = order.executed.value - order.created.size * order.created.price
                profit_percent = (profit / cost) * 100
                print(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。

标签:Python,self,cerebro,回测,print,ASI,order
From: https://blog.csdn.net/benshu_001/article/details/137359685

相关文章

  • Python常用算法思想--总概篇
    算法的起源:欧几里德的《几何原本》中阐述的求两个数的最大公约数的过程。算法的定义:解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表用系统的方法描述解决问题的策略机制。算法的本质:算法是程序的灵魂,也是衡量一位程序员水平高低的最好参照物。算法的表示方......
  • Python_matplotlib进阶
    Python_matplotlib跳转链接之前的博客中已经展示了使用python的matplotlib库进行一些基础图像的绘制,本篇进一步展示一些matplotlib中的一些进阶图像绘制。importpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']Titanic=......
  • 掌握机器学习新星:使用Python和Scikit-Learn进行图像识别
    正文:        随着智能手机和社交媒体的普及,图像数据的生成速度比以往任何时候都快。为了自动化处理这些数据,我们需要强大的图像识别系统。机器学习提供了一种有效的方法来识别和分类图像中的对象。Scikit-Learn是一个流行的Python库,它提供了一系列用于数据挖掘和数据......
  • python常用库(一)
    文章目录python常用库1、math库1.1、常量1.2、数值运算函数1.3、三角函数1.4、双曲函数1.5、其他函数2、datetime库2.1、datetime.date2.2、datetime.time2.3、datetime.datetime2.4、datetime.timedelta2.5datetime.timezone3、itertools库3.1、无限迭代器3.2、对迭......
  • python常用库(二)
    文章目录python常用库4、sys库4.1、**命令行参数**4.2、**模块导入**4.3、**退出程序**4.4、**标准输入输出**4.5、**系统相关信息**4.6、**内存管理**4.7、**其他功能**5、collections库5.1、**Counter计数器**5.2、**defaultdict默认字典**5.3、**OrderedDict有序......
  • 【阿里淘天笔试题汇总】2024-04-03-阿里淘天春招笔试题(第一套)-三语言题解(CPP/Pytho
    ......
  • 【阿里淘天笔试题汇总】2024-04-03-阿里淘天春招笔试题(第二套)-三语言题解(CPP/Pytho
    ......
  • run Python asyncio code in a Jupyter notebook
     NewJupyterlab/notebookimportasyncioimporttimeasyncdefmy_coroutine():awaitasyncio.sleep(1)print("Coroutineexecuted!")s=time.perf_counter()loop=asyncio.get_event_loop()loop.create_task(my_coroutine())asyncio.r......
  • python如何对二维数组排序
    在Python中对二维数组进行排序是一个常见的需求,可以通过多种方式实现。在本博客中,我们将讨论几种常见的方法来对二维数组进行排序。首先,我们可以使用Python的内置函数sorted()对二维数组进行排序。sorted()函数可以接受一个key参数,通过指定key参数来指定排序的方式。下面是......
  • python 如何操作pdf文件
    在Python中操作PDF文件通常涉及以下几个常见的任务:读取PDF内容、创建PDF文件、编辑PDF文件、合并PDF文件、拆分PDF文件等。下面我将介绍如何使用Python中的几个主要库来执行这些操作。读取PDF内容要读取PDF文件的内容,可以使用PyPDF2库。以下是一个简单的示例代码,演示如何......