量化投资:第6节回测结果的度量

最新推荐文章于 2024-08-08 07:32:59 发布

阿布量化

最新推荐文章于 2024-08-08 07:32:59 发布

阅读量1.4k

点赞数

文章标签：量化分析量化投资量化交易 python

本文链接：https://blog.csdn.net/bbfamily1314/article/details/78338303

版权

本文介绍了量化投资回测结果的度量方法，包括基本度量使用、度量可视化以及如何扩展自定义度量类。通过AbuMetricsBase类提供的度量，展示了胜率、获利期望等关键指标，并利用可视化图表分析策略收益、波动率、夏普比率等。此外，还探讨了如何自定义度量类以扩展更多的度量值和可视化功能，以帮助发现交易策略中的问题和优化点。

摘要由CSDN通过智能技术生成

作者: 阿布

abu量化系统github地址(欢迎+star)

本节ipython notebook

前面小节中都使用分解流程方式一步一步实现回测，目的是为了更清晰的说明内部操作流程，编码过程会显的有些复杂臃肿，但实际上在编写完成一个策略后只需要使用一行代码即abu.run_loop_back可以完成回测。

详细代码实现请阅读abu.run_loop_back()函数，下面使用run_loop_back()进行策略示例：

# 设置初始资金数
read_cash = 1000000
# 设置选股因子，None为不使用选股因子
stock_pickers = None
# 买入因子依然延用向上突破因子
buy_factors = [{
  'xd': 60, 'class': AbuFactorBuyBreak},
               {
  'xd': 42, 'class': AbuFactorBuyBreak}]

# 卖出因子继续使用上一节使用的因子
sell_factors = [
    {
  'stop_loss_n': 1.0, 'stop_win_n': 3.0,
     'class': AbuFactorAtrNStop},
    {
  'class': AbuFactorPreAtrNStop, 'pre_atr_n': 1.5},
    {
  'class': AbuFactorCloseAtrNStop, 'close_atr_n': 1.5}
]
# 择时股票池
choice_symbols = ['usNOAH', 'usSFUN', 'usBIDU', 'usAAPL', 'usGOOG',
                  'usTSLA', 'usWUBA', 'usVIPS']
# 使用run_loop_back运行策略
abu_result_tuple, kl_pd_manger = abu.run_loop_back(read_cash,
                                                   buy_factors,
                                                   sell_factors,
                                                   stock_pickers,
                                                   choice_symbols=choice_symbols,
                                                   n_folds=2)