Python量化交易——股票择时到底能否赚钱？技术指标大比拼——APO指标

Python量化交易——APO技术指标的有效性研究

背景介绍

技术指标是股票交易中最常用的技术手段之一，几乎所有的技术文章或股票分析文章都离不开通过MACD等各种指标来判断一支股票的买点和卖点，做量化的也会经常接触TA-Lib中提供的各种技术指标。从股评人的文章里看，似乎这些指标都有指哪打哪的能力，但是，我们既然做量化交易，就必须用数据说话，一个技术指标到底好不好，有没有用，不是靠嘴说的，是靠数据来验证的。因此，我这个系列文章的目标，就是把TA-Lib中的技术指标全都拿出来溜一溜，做一个横向大评比。俗话说，是骡子是马拉出来溜溜，通过大数据分析，我们就应该对指标的有效性有一个大致的了解。

为此，我通过一个系列文章，来综合评测33种TA-Lib中的技术指标的有效性，详情请点击这里

技术指标介绍

APO指标全称 Absolute Price Oscillator 绝对价格震荡指标，绝对价格震荡指标显示证券价格的两个指数移动平均线之间的差异，并以绝对值表示。
计算公式如下：
$$APO=短期EMA–长期EMA$$

指标用法建议

APO衡量价格变动的趋势，因此，我们的交易信号可以根据价格变动的趋势强弱判断：

• APO 上穿零线被视为看涨，而下穿零线则看跌。
• 正指标值表示向上运动，而负读数表示下降趋势。
• 当价格的新高或新低未被绝对价格震荡指标 (APO) 确认时，就会形成背离：
  • 当价格形成较低的低点时形成看涨背离，但 APO 形成较高的低点。 这表明可能预示看涨逆转的下行势头减弱。
  • 当价格形成更高的高点时形成看跌背离，但 APO 形成更低的高点。 这表明可能预示看跌逆转的上升势头减弱。

qteasy中的APO内置策略

这里使用qteasy作为回测评测的工具。

qteasy是本人正在开发的一个快速量化交易工具包，使用这个工具包，可以快速灵活地生成各种量化交易策略，生成历史数据并回测策略的表现，有针对性地优化策略的性能；未来还将提供实时自动化交易功能。该项目正在开发中，Github项目地址在这里

qteasy 的安装方法：

python -m pip install qteasy

qteasy中有一个内置策略是基于APO指标创建的，其创建规则如下：

APO交易策略：
按照规则计算APO趋势：

• 当APO大于0时，判断为牛市趋势，设定持仓比例为1
• 当APO小于0时，判断为熊市趋势，设定持仓比例为-1

上述规则是qteasy内置策略的定义，用户完全可以根据自己的理解重新定义交易规则，或者选用其他策略参数。详细用法参见qteasy文档

433支股票五年回测结果

下面使用qteasy进行技术指标的回测
使用qteasy回测所有433支股票的回测结果，每次回测的时间跨度都是5年，从2015年1月1日开始投资于一个股票，在技术指标发出买入信号时全仓买入，在发出卖出信号后全仓卖出，一直到2019年21月31日为止，最后综合计算每个技术指标的指标强度和适应性，通过两个数字来反映技术指标的有效性。关于计算方法的详细介绍，请参见这里

首先放出结果：APO策略的强度为

-23.53% ——该指标能平均导致23.53%的超额亏损

result_df.describe()

	rtn	benchmark	mdd	sharp	alpha	diff
count	296.000000	296.000000	296.000000	296.000000	296.000000	296.000000
mean	0.687801	0.923122	0.526557	0.075802	-0.037814	-0.235321
std	1.366940	1.700960	0.130308	0.438415	0.101213	1.352614
min	-0.642494	-0.646602	0.149147	-0.943480	-0.431287	-10.824741
25%	-0.182062	-0.119593	0.440801	-0.207921	-0.103054	-0.642615
50%	0.229756	0.296901	0.524234	0.043722	-0.037454	-0.130950
75%	1.002688	1.369048	0.609974	0.414639	0.030957	0.229460
max	8.074746	14.203513	0.835120	1.415803	0.230860	5.881215

296支股票的平均收益率是92%，而策略平均收益只有68.8%，平均跑输了大盘23.5个百分点。

再看策略适应性：

-37.0%——该指标平均适应度为负，适应度很差，如果不针对个股进行参数适配，将普遍取得较差的结果

在所有有回测结果的296支股票中，六种典型结果的数量分别如下：

序号	组别	股票数量	该组平均基准收益	该组平均择时收益	该组平均超额收益
1	力挽狂澜	18	-25.54%	33.08%	58.62%
2	锦上添花	44	108.02%	185.45%	77.44%
3	差强人意	90	247.21%	120.06%	-127.16%
4	无力回天	36	-36.40%	-20.48%	15.92%
5	屋漏逢雨	32	-24.61%	-43.05%	-18.44%
6	乐极生悲	43	43.82%	-22.69%	-66.51%

综上，结论如下：

• 该指标只能在刚刚过半的情况下取得正收益，约51%
• 有大量的股票被归为差强人意组，在目标股票收益良好的时候，策略导致收益率平均下降127个百分点：有30%的股票都属于这种情况
• 产生超额收益的股票数量只有不到1/3：约31%

总体来说，该指标的择时效果很差。如果要看其他所有技术指标的结果，请点击这里