Strategioptimering och benchmarking

Finansiell handel i Python

Chelsea Yang

Data Science Instructor

Hur väljer man värden för indataparametrar?

Fråga:
- Vilket SMA-lookbackfönster är bäst att använda i signalen "Price > SMA"?
Lösning: strategioptimering
- Testa ett intervall av indataparametervärden i backtesting och jämför resultaten

Exempel på strategioptimering

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

Exempel på strategioptimering

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')

En graf över optimeringsresultatet

Vad är en benchmark?

En standard eller referenspunkt mot vilken en strategi kan jämföras och utvärderas.

Exempel:
- En strategi som använder signaler för aktiv handel kan använda en passiv köp-och-håll-strategi som benchmark.
- S&P 500-indexet används ofta som benchmark för aktier.
- Amerikanska statsobligationer används för att mäta obligationsrisker och avkastning.

Exempel på benchmarking

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)

Exempel på benchmarking

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')

Benchmarkingresultat

Nu kör vi en övning!

Finansiell handel i Python