楼主: 邢不行
26904 297

[源码分享] 【量化小讲堂 - Python、Pandas系列】如何判断一个策略的好坏?(附代码)   [推广有奖]

学科带头人

59%

还不是VIP/贵宾

-

威望
1
论坛币
40785 个
学术水平
457 点
热心指数
472 点
信用等级
433 点
经验
40515 点
帖子
362
精华
26
在线时间
735 小时
注册时间
2010-4-30
最后登录
2017-12-14

邢不行 在职认证  发表于 2016-3-3 22:40:14 |显示全部楼层
本帖最后由 邢不行 于 2017-5-27 12:08 编辑

引言:
本系列帖子“量化小讲堂”,通过实际案例教初学者使用python、pandas进行金融数据处理,希望能对大家有帮助。

【必读文章】:
《10年400倍策略分享-附视频逐行讲解代码》

【所有系列文章汇总】:http://bbs.pinggu.org/thread-3950124-1-1.html

【python量化课程】想要快速、系统的学习量化知识,可以参与我与论坛合作开设的课程:
《python量化投资入门》,我会亲自授课,随问随答。参与课程还可以免费加入我的小密圈,我每天会在圈中分享量化的所见所思,圈子介绍点击此处

微信:xbx_laoshi,量化交流Q群(快满):438143420,有问题欢迎交流。

文中用到的A股数据可在www.yucezhe.com下载,这里可以下载到所有股票、从上市日起的交易数据、财务数据、分钟数据、分笔数据、逐笔数据等。




【量化小讲堂 - Python、Pandas系列】如何判断一个策略的好坏?

对于一个交易策略,初学者往往认为收益越高越好。收益确实是一个重要的评价指标,但是除了收益之外,还有很多其他重要的角度来衡量一个策略的好坏。例如这个策略的风险性、胜率、交易频率等。

本篇文章以几个常见的交易策略评价指标为案例,向大家介绍pandas的以下几个功能的运用:
  • dataframe的合并操作:append()、concat()函数的用法
  • 按某一列的值排序操作:sort_values()函数的用法
  • 常见统计指标的方法:mean(), std()等
  • pandas画图操作:plot方法

我将介绍如下几个经典指标
  • 年化收益
任何收益都应该转换成年化收益,以进行比较。股神巴菲特投资几十年以来的年化收益是20%左右。美国股市百年来年化收益大概是10%左右。所以我们也不要太贪心,不要动辄就要求每年翻倍的收益。计算公式为:(账户最终价值/账户初始价值)^(250/回测期间总天数)-1

  • 最大回撤
最大回撤就是从一个高点到一个低点最大的下跌幅度,用来描述我们的策略可能出现的最糟糕的情况,衡量了最极端可能的亏损。例如一个策略的最大回撤是50%,那么你使用这个策略之前就要掂量掂量,自己是否能经受得起50%的下跌。计算公式为:min(账户当日价值 / 当日之前账户最高价值-1)。

我一般认为,年华收益/最大回撤,是个最简单有效的策略判断指标。

  • 平均涨幅
平均涨幅衡量了在回测期间资产的平均涨跌情况。计算公式为:账户日收益的平均值。

  • 上涨概率
上涨概率衡量了我们投资组合上涨的可能性。计算公式为:上涨天数 / 回测交易日数量。

  • 最大连续上涨天数
衡量了我们策略连续盈利的最大天数。

  • 最大连续下跌天数
衡量了我们策略连续亏损的最大天数。或者说策略连续失效的次数。这个指标很重要,在实战中,若连续失败的次数多了,会动摇自己的信心,使自己很难跟着策略走下去。

  • 最大单周期涨幅
所有日期中最大的涨幅,衡量了资产一天内的最好表现。

  • 最大单周期跌幅
所有日期中最大的跌幅,衡量了资产一天内的最差表现。

【python量化课程】想要快速、系统的学习量化知识,可以参与我与论坛合作开设的课程:《python量化投资入门》,我会亲自授课,随问随答。参与课程还可以免费加入我的小密圈,我每天会在圈中分享量化的所见所思,圈子介绍点击此处。)

  • 收益波动率
单单追求高收益率是不行的,我们在投资中还必须考虑到潜在的风险。波动太大的策略往往风险也较高。收益波动率就衡量了策略收益的波动情况即风险。计算公式为:账户日收益的年化标准差。

  • 贝塔(beta)值
根据经典的资本资产定价理论(CAPM模型),β系数衡量了资产的回报率对市场变动的敏感程度,代表了该资产的系统性风险,表示策略对大盘的敏感性。计算公式为:账户日收益与参考基准日收益的协方差 / 参考基准日收益的方差。

  • 阿尔法(alpha)值
虽然我们的策略会受到大盘的影响,但是每个策略都会有自己市场因素之外的收益,alpha值表示实际风险回报和平均预期风险回报的差额,衡量了投资的非系统性风险。计算公式为:(账户年化收益-无风险收益)-beta*(参考基准年化收益-无风险收益)。

  • 夏普比率
理性的投资者将选择并持有有效的投资组合,即那些在给定的风险水平下使期望回报最大的投资组合,夏普比率就是一个可以同时对收益与风险加以综合考虑的经典指标,表示每承受一单位风险,会产生多少的超额回报。计算公式为:(账户年化收益率-无风险利率)/ 收益波动率。

  • 信息比率
信息比率以马克维茨的均异模型为基础,用来衡量超额风险所带来的超额收益。它表示单位主动风险所带来的超额收益。计算公式为:(账户日收益 - 参考基准日收益)的年化均值/年化标准差。

任何策略的结果都是一个收益序列,根据这个收益序列可以得到一条资金曲线。为了简单起见,我们就任选一只股票每天的收益率作为原始数据,来计算上文提到的各种策略评价指标。在http://yucezhe.com/product?name=trading-data可以下载到所有股票的历史日线数据,可以作为我们计算的原始数据。

数据下载下来解压缩打开后,里面有所有股票和几个常见指数的数据。打开其中一个股票文件之后是下图这个样子,每一行是每一天的数据:
QQ20160303-0.png


数据有以下的字段:
【code】股票的代码,上证股票以sh开头,深证股票以sz开头
【date】交易日期
【open】开盘价
【high】最高价
【low】最低价
【close】收盘价
【change】涨跌幅,复权之后的真实涨跌幅,保证准确
【volume】成交量
【money】成交额
【traded_market_value】流通市值
【market_value】总市值
【turnover】换手率,成交量/流通股本
【adjust_price】后复权价,复权开始时间为股票上市日,精确到小数点后10位
【report_date】最近一期财务报告实际发布的日期
【report_type】最近一期财务报告的类型,3-31对应一季报,6-30对应半年报,9-30对应三季报,12-31对应年报
【PE_TTM】最近12个月市盈率,股价 / 最近12个月归属母公司的每股收益TTM
【PS_TTM】最近12个月市销率, 股价 / 最近12个月每股营业收入
【PC_TTM】最近12个月市现率, 股价 / 最近12个月每股经营现金流
【PB】市净率,股价 / 最近期财报每股净资产

对于我们来说,只要取【date】以及【change】就行了。下面是代码的截图,这段代码截取指定的股票在指定时间段内的收益率,计算相关指标。代码里面有详细的注释,有问题可以留言,附件中有程序的源码,回复即可下载。

获取数据函数:
获取数据函数.png


计算年化收益率函数:
计算年化收益率函数.png


计算最大回撤函数:
计算最大回撤函数.png


计算平均涨幅:
计算平均涨幅.png


【python量化课程】想要快速、系统的学习量化知识,可以参与我与论坛合作开设的课程:《python量化投资入门》,我会亲自授课,随问随答。参与课程还可以免费加入我的小密圈,我每天会在圈中分享量化的所见所思,圈子介绍点击此处。)
计算上涨概率:
计算上涨概率.png


计算最大连续上涨天数和最大连续下跌天数:
计算最大连续上涨天数和最大连续下跌天数.png


计算最大单周期涨幅和最大单周期跌幅:
计算最大单周期涨幅和最大单周期跌幅.png


计算收益波动率的函数、计算贝塔的函数:
计算收益波动率的函数 贝塔.png


计算alpha的函数:
计算alpha的函数.png


计算夏普比函数:
计算夏普比函数.png


计算信息比率函数、计算股票和基准在回测期间的累计收益率并画图:
计算信息比率函数 作图.png


导入数据运行以上函数:

QQ20160303-1.png


把数据和代码下载下来后,修改代码中原始数据的地址(也就是选择一个股票),并选定时间段,运行代码,就可以看到输出结果了。假设我们选择万科A,并设定时间段为1991年1月1日到2015年12月31日这25年,得到如下的输出结果:
QQ20160303-3.png


QQ20160303-2.png


万科A二十几年年年化回报是15%,已经相当不错了,最大回撤为78.9756%,也就是将近跌了80%,发生在08年的股灾。最大连续下跌50天,也是有点猛...



之后会讲的内容:
  • 万得实盘交易接口
  • 马克维茨资产组合理论在中国市场实际运用的效果
  • 以均线为例,完整的讲述一个交易策略应该如何编写

关于《量化小讲堂》之后想看的内容,或者相关问题,可以加我微信xbx_laoshi、Q群(快满):438143420沟通。


附件中是Python程序文件,免费,回复可见,觉得文章内容有帮助的话,顶贴是最好的鼓励!


本帖隐藏的内容

量化小讲堂:指标计算函数.zip (172.97 KB)




支持楼主:购买VIP购买贵宾 购买后,论坛将奖励 10 元论坛资金给楼主,以表示您对TA发好贴的支持
 
载入中......

量化小讲堂:指标计算函数.zip

3.07 KB

已有 6 人评分经验 论坛币 学术水平 热心指数 信用等级 收起 理由
luqi跳舞 + 1 + 1 + 1 精彩帖子
accumulation + 100 + 1 + 1 + 1 精彩帖子
bimbashi88 + 1 + 1 + 1 精彩帖子
残阳_等待 + 100 + 1 + 1 + 1 精彩帖子
kongqingbao280 + 100 + 60 精彩帖子
fantuanxiaot + 66 + 66 精彩帖子

总评分: 经验 + 366  论坛币 + 126  学术水平 + 4  热心指数 + 4  信用等级 + 4   查看全部评分

本帖被以下文库推荐

不管去哪里 只要在路上
stata SPSS
ichao1214 学生认证  发表于 2016-3-3 23:05:55 |显示全部楼层
虽不明但觉厉,我来好好学习
回复

使用道具 举报

xsy0820 发表于 2016-3-4 05:46:25 |显示全部楼层
ding~~~~
回复

使用道具 举报

fengyg 企业认证  发表于 2016-3-4 07:37:04 |显示全部楼层
kankan
回复

使用道具 举报

honghudu 发表于 2016-3-4 07:48:51 |显示全部楼层
回复

使用道具 举报

ydb8848 发表于 2016-3-4 07:52:04 |显示全部楼层
多谢。。。。
回复

使用道具 举报

leighliu 发表于 2016-3-4 08:23:42 |显示全部楼层
楼主好人!好资源!
回复

使用道具 举报

吴莫愁陶虹旭 发表于 2016-3-4 08:34:27 |显示全部楼层
好东西,拜读学习学习!
回复

使用道具 举报

zanchess 发表于 2016-3-4 08:35:46 |显示全部楼层
谢谢邢大!
回复

使用道具 举报

reboot 发表于 2016-3-4 08:37:03 |显示全部楼层
ding....
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 我要注册

GMT+8, 2017-12-16 00:07