发帖
雷达卡
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】:https://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17】简易波动指标(EMV)策略在A股的实证
上一期量化小讲堂向大家介绍了布林带策略在A股的实证效果(https://bbs.pinggu.org/thread-4901403-1-1.html)。本期将以简易波动指标（EMV）策略为例，实证检验一下EMV策略在A股的实际效果。
---策略简介---
简易波动指标（EMV），是为数不多的考虑价量关系的技术指标。它是根据成交量和人气的变化，构成一个完整的股价系统循环。该指标指示投资者在人气聚集且成交热络的时候买进股票，并且在成交量逐渐展现无力时，卖出股票。具体来说，当股价下跌时，由于买方萎靡退缩，致使成交量逐渐的减少，EMV数值也因而尾随下降，直到股价下跌至某一个合理支撑区，捡便宜货的买单促使成交量再度活跃，EMV 数值于是作相对反应向上攀升。所以EMV 指标的上升下降意味着市场的强弱变化，可以以此作为择时的判断依据。
本文采用的EMV策略的具体规则为：
第一步：计算EM指标的值\[EM=(\frac{H_i+L_i}{2}-\frac{H_{i-1}+L_{i-1}}{2})*(H_i-L_i)/VOL_i\]其中，$H_i,L_i,VOL_i$分别是第i日股票的最高价、最低价和成交量。
第二步：计算EMV = EM的n日简单移动平均
第三步：计算MAEMV = EMV的m日简单移动平均
第四步：当EMV大于MAEMV时，买入，信号为1；当EMV小于MAEMV时，卖出，信号为-1。
（【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。）
---实战---
为了检验EMV策略在A股的实际效果，本文将该策略在所有A股都运行一遍。由于策略用不同的参数回测结果也不一样，因此对每只股票回测时都遍历一遍参数，选择使超额收益率最大的参数作为该股票的最优参数。具体步骤如下：
一、遍历数据文件夹中所有股票文件的文件名，得到股票代码列表
用python提取股票历史数据文件夹下每个股票对应的文件名（即股票代码）并存放到一个列表里，这样就得到了所有A股的代码列表。
接着遍历股票代码的列表，读取每只股票的历史数据。
二、计算股票的后复权价格
在读取某只股票的历史数据后，为了回测结果的可靠性，本文重新计算了复权后的开盘价、收盘价、最高价和最低价，后面计算指标值和涨跌幅都以复权后的数据为基础。有些上市不久的股票由于时间太短可能不具有代表性，因此本文在运行策略之前会先判断该股票上市至今的交易天数，剔除掉上市不到1年半的股票。
三、遍历参数进行回测
接着就是计算EMV指标并给出每天的信号了，在计算EMV和MAEMV时本文用到参数范围分别是n取16到26，间隔为2，m取20到25，间隔为1。即遍历该范围内的所有参数组合，每一参数组都会输出对应的每天的信号，根据买卖信号，可以得到每天的仓位，进而可以得到资金曲线及相关的回测指标（相关内容可参考量化小讲堂https://bbs.pinggu.org/thread-4745852-1-1.html）。在得到所有参数的回测结果后，根据超额收益率大小进行排序，选择使超额收益最大的参数作为该股票的最优参数，并将相应数据存入csv文件。
最后，在遍历完所有A股后，我们可以得到每只股票在最优参数组下使用EMV策略的回测结果，并和股票的年化收益及最大回撤做了一下对比。
本文希望通过对EMV策略的实际操作，向大家介绍pandas的以下几个功能的运用：
1. 移动标准差函数rolling_std()函数的用法
2. 时间序列超前滞后函数shift()函数的用法
3. 空值填充函数fillna()函数的用法
下面上具体的程序。
---程序---
要运行EMV策略，需要所有A股的历史交易数据，在www.yucezhe.com可以下载到所有股票历史至今的数据。如下图所示，每一行是每一天的数据：
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
下面是代码的截图，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。
这是最后回测结果的部分截图：
运行该策略的一共有2607只股票，其中，策略年化收益大于股票本身年化收益的有1950只个股，占比大概为74.8%，而年化收益除以最大回撤绝对值能超过股票本身的有2304只个股，大概占88.4%，总的来说EMV策略的效果还不错。大家有其他一些技术指标也可以尝试一下，看看效果如何，只需要将第一部分信号产生方式改成自己的策略逻辑就可以了。
（【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。）
---之后要讲的内容---
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
EMV2.zip
(172.86 KB)
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
