策略优化与基准测试

Python 中的金融交易

Chelsea Yang

Data Science Instructor

如何确定输入参数取值？

问题：
- 在信号"Price > SMA"中，使用哪个SMA回看期更好？
解决方案：策略优化
- 在回测中尝试一系列参数取值并比较结果

策略优化示例

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

策略优化示例

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')

优化结果图

什么是基准？

用于比较或评估策略的标准或参照。

示例：
- 使用信号主动交易的策略，可用被动的买入并持有作为基准。
- 标普500指数常用作股票的基准。
- 美国国债常用于衡量债券的风险与回报。

基准测试示例

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)

基准测试示例

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')

基准测试结果

Vamos praticar!

Python 中的金融交易