人工神经网络交易策略R语言实现

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

众多投资者总觉得人工神经网络策略很神秘，其实不然，只要用简单的R语言，就可以实现回测的異能。下面就以美的集团股票为例，随机选择willR，RSI、ATR和macd指标为输入变量，后一天价格的涨跌为输出变量，建立人工神经网络交易策略，说明如何利用人工神经网络进行择时策略的选择。
       话不多说，直接上代码：

1. ################################################################
   
2. ## ----------------------example 6.2.2-----------------------------
   
3. ##artifical neural network and random forest strategy
   
4. ## Author by: fwushi815
   
5. ###############################################################
   
6. ##loading packages
   
7. library(quantstrat)
   
8. library(data.table)
   
9. library(IKTrading)
   
10. library(DSTrading)
    
11. library(corrplot)
    
12. library(caret)
    
13. library(pROC)
    
14. library(FSelector)
    
15. #read customized function (transfer local data into time series data)
    
16. source('read.local.xts.R')mdjt <- read.local.xts('000333',type='stock',source='tdx')
    
17. #artifical neural network model
    
18. #object(output variable)
    
19. mdjtret<-ROC(mdjt,type='discrete')
    
20. class<-ifelse(Cl(mdjtret)>=0,'UP','DOWN')class<-lag(class,-1)
    
21. #input variables are technical indicators including WillR, RSI, ATR and MACD
    
22. willR5<-WPR(HLC(mdjt),n=5)
    
23. willR10<-WPR(HLC(mdjt),n=10)
    
24. willR15<-WPR(HLC(mdjt),n=15)
    
25. rsi5<-RSI(Cl(mdjt),maType='EMA',n=5)
    
26. rsi10<-RSI(Cl(mdjt),maType='EMA',n=10)
    
27. rsi15<-RSI(Cl(mdjt),maType='EMA',n=15)
    
28. atr5<-ATR(HLC(mdjt),n=5,maType='EMA')$atr
    
29. atr10<-ATR(HLC(mdjt),n=10,maType='EMA')$atr
    
30. macd<-MACD(Cl(mdjt))$signal
    
31. 
    
32. 
    
33. dataset<-data.frame(class,willR5,willR10,willR15,rsi5,rsi10,rsi15,atr5,atr10,macd)
    
34. names(dataset)<-c('class','willR5','willR10','willR15','rsi5','rsi10','rsi15','atr5','atr10','macd')
    
35. dataset<-na.omit(dataset)
    
36. #dataset visualization and stats
    
37. y<-dataset$classcbind(freq=table(y),percentage=prop.table(table(y))*100)
    
38. 
    
39. datacor<-cor(dataset[,-1])
    
40. corrplot(datacor,method='circle')
    
41. #Feature selection:
    
42. set.seed(1000)
    
43. dataweight<-random.forest.importance(class~.,dataset,importance.type = 1)
    
44. subset<-cutoff.k(dataweight,5)
    
45. 
    
46. 
    
47. datasetrf<-data.frame(class,willR15,rsi10,rsi5,macd)
    
48. names(datasetrf)<-c('class','willR15','rsi10','rsi5','macd')
    
49. datasetrf<-na.omit(datasetrf)
    
50. #fit modelfit.knn<-train(class~.,data=datasetrf,method='knn',preProc='range')
    
51. set.seed(1000)
    
52. fit.cart<-train(class~.,data=datasetrf,method='rpart')
    
53. set.seed(1000)
    
54. fit.nb<-train(class~.,data=datasetrf,method='nb')
    
55. set.seed(1000)
    
56. fit.svm<-train(class~.,data=datasetrf,method='svmRadial')
    
57. result<-resamples(list(KNN=fit.knn,CART=fit.cart,NB=fit.nb,SVM=fit.svm))
    
58. summary(result)dotplot(result)
    
59. 
    
60. out<-predict.train(fit.knn)
    
61. out<-c(rep(NA,nrow(mdjt)-length(out)),out)
    
62. #generate ANN signalsout<-reclass(out,mdjt)
    
63. mdjt$entry<-mdjt$exit<-NA
    
64. mdjt$entry[out==2]=1
    
65. mdjt$exit[out==1]=1
    
66. 
    
67. #strategy initialization
    
68. initDate<-'2013-09-10'
    
69. startDate<-'2013-09-18'
    
70. symbols<-'mdjt'
    
71. initEq <- 10000
    
72. Sys.setenv(tz='UTC')
    
73. currency('CNY')
    
74. stock(symbols,currency='CNY',multiplier=1)
    
75. strategy.st<-portfolio.st<-account.st<-'ANN'
    
76. .blotter<-.strategy<-new.env()
    
77. 
    
78. rm.strat(portfolio.st) #important!
    
79. rm.strat(STRATSMART)  #remove strategy etc. if this is a re-run
    
80. 
    
81. initPortf(portfolio.st,symbols=symbols,initDate=initDate,currency='CNY')
    
82. initAcct(account.st,portfolios=portfolio.st,initDate=initDate,currency='CNY')
    
83. initOrders(portfolio.st,initDate=initDate)strategy(STRATSMART,store=T)
    
84. 
    
85. addPosLimit(portfolio.st, symbols, startDate, 10000, 1)
    
86. 
    
87. #add rules
    
88. add.rule(STRATSMART, name="ruleSignal",
    
89.           arguments=list(sigcol="entry",sigval=TRUE,orderqty=10000,
    
90.                         ordertype="market",orderside='long', osFUN=osMaxPos),
    
91.          type="enter", path.dep=TRUE)
    
92. 
    
93. add.rule(STRATSMART, name="ruleSignal",
    
94.           arguments=list(sigcol="exit",sigval=TRUE,orderqty='all',
    
95.                          ordertype="market",orderside="long", replace=FALSE),
    
96.           type="exit",path.dep=TRUE)
    
97. 
    
98. #process the indicators and generate trades
    
99. start_t <- Sys.time()
    
100. out <- try(applyStrategy(strategy ='ANN',portfolios = 'ANN'))
     
101. end_t <- Sys.time()
     
102. print('Strategy Loop:')
     
103. print(end_t-start_t)
     
104. 
     
105. 
     
106. updatePortf(STRATSMART,Dates=paste0('::',as.Date(Sys.time())))
     
107. updateAcct(STRATSMART)
     
108. updateEndEq(STRATSMART)
     
109. print('trade blotter portfolio update:')
     
110. chart.Posn(portfolio.st)tradeStats(portfolio.st)

复制代码

回测对应的绩效如下所示：


      需要指出的是，上述方法完全可以用到期货、外汇等产品上，如有感兴趣的读者，可以进一步参考图书：《量化投资基础、方法与策略——R语言实战指南》（电子工业出版社）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖