Optymalizacja i benchmarking strategii

Financial Trading w Pythonie

Chelsea Yang

Data Science Instructor

Jak dobierać wartości parametrów wejściowych?

Pytanie:
- Który okres SMA jest lepszy dla sygnału "Price > SMA"?
Rozwiązanie: optymalizacja strategii
- Przetestuj zakres wartości parametrów wejściowych i porównaj wyniki

Przykład optymalizacji strategii

def signal_strategy(ticker, period, name, start='2018-4-1', end='2020-11-1'):

    # Get the data and calculate SMA
    price_data = bt.get(ticker, start=start, end=end)
    sma = price_data.rolling(period).mean()

    # Define the signal-based strategy
    bt_strategy = bt.Strategy(name, 
                              [bt.algos.SelectWhere(price_data>sma),
                               bt.algos.WeighEqually(),
                               bt.algos.Rebalance()])

    # Return the backtest
    return bt.Backtest(bt_strategy, price_data)

¹ www.datacamp.com/courses/writing-functions-in-python

Przykład optymalizacji strategii

ticker = 'aapl'
sma20 = signal_strategy(ticker, 
                        period=20, name='SMA20')
sma50 = signal_strategy(ticker, 
                        period=50, name='SMA50')
sma100 = signal_strategy(ticker, 
                        period=100, name='SMA100')


# Run backtests and compare results
bt_results = bt.run(sma20, sma50, sma100)
bt_results.plot(title='Strategy optimization')

Wykres wyników optymalizacji

Czym jest benchmark?

Wzorzec lub punkt odniesienia, z którym porównuje się strategię.

Przykłady:
- Strategia aktywnego handlu może używać jako benchmarku strategii pasywnej „kup i trzymaj".
- Indeks S&P 500 jest powszechnie stosowany jako benchmark dla akcji.
- Obligacje skarbowe USA służą do pomiaru ryzyka i zwrotów z obligacji.

Przykład benchmarkingu

def buy_and_hold(ticker, name, start='2018-11-1', end='2020-12-1'):

    # Get the data
    price_data = bt.get(ticker, start=start_date, end=end_date)

    # Define the benchmark strategy
    bt_strategy = bt.Strategy(name, 
                              [bt.algos.RunOnce(),
                               bt.algos.SelectAll(),
                               bt.algos.WeighEqually(),
                               bt.algos.Rebalance()])

    # Return the backtest
    return bt.Backtest(bt_strategy, price_data)

Przykład benchmarkingu

benchmark = buy_and_hold(ticker, name='benchmark')

# Run all backtests and plot the resutls
bt_results = bt.run(sma20, sma50, sma100, benchmark)
bt_results.plot(title='Strategy benchmarking')

Wynik benchmarkingu

Czas na ćwiczenia!

Financial Trading w Pythonie