Python量化交易——股票择时到底能否赚钱？技术指标大比拼——PPO指标

本文链接：https://blog.csdn.net/Shepherdppz/article/details/135390524

本文通过分析PPO技术指标在Python量化交易中的应用，对其五年回测结果进行评估，发现PPO策略平均产生-27.2%的超额收益，适应度为-29.99%，显示择时效果不佳。作者使用qteasy工具进行433支股票的回测，结果显示PPO在多数情况下未能有效捕捉上涨趋势，择时效果欠佳。

摘要由CSDN通过智能技术生成

技术指标大比拼——PPO指标的有效性回测

Python量化交易——`PPO`技术指标的有效性研究

Python量化交易——`PPO`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，abc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

`PPO`技术指标介绍

PPO（Percentage Price Oscillator）指标它通过计算均线百分比变化，来衡量价格的动力和趋势！

PPO指标基于两个移动平均线之间的百分比差异来计算。具体而言，PPO指标计算以下两个移动平均线之间的百分比差异：

快速移动平均线（Fast Moving Average）：通常使用较短的时间周期来计算移动平均线，例如12日移动平均线。
慢速移动平均线（Slow Moving Average）：通常使用较长的时间周期来计算移动平均线，例如26日移动平均线。

PPO指标的计算公式如下：

PPO = ((Fast MA - Slow MA) / Slow MA) * 100

PPO指标数值越高，表示价格上涨的动能越强；

PPO指标数值越低，表示价格下跌的动能越强；

指标用法建议

PPO指标的交叉点和趋势线可以用于判断价格趋势的强弱和转折点。

买入信号
- 当PPO线从下向上突破PPO的信号线时，为买入信号；
卖出信号
- 当PPO线从上向下突破PPO的信号线时，为卖出信号。

`qteasy`中内置了PPO交易策略

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；还能模拟实盘自动化交易。qteasy目前最新版本为v1.0.14，可以通过pip安装，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PPO是基于该指标创建的，其创建规则如下：

交易策略：
按照规则计算PPO，根据PPO的值生成持仓目标信号：
1, 当PPO > 0时，设置持仓目标为1
2, 当PPO < 0时，设置持仓目标为-1
3, 其余情况设置持仓目标为0

qteasy中的PPO策略有多个可调参数，用户可以通过调整这些参数实现不同的择时效果，从而调整择时的性能
策略参数：
fp: int, 快速均线计算周期
sp: int, 慢速均线计算周期
m: int, 移动均线类型（取值范围0～8）

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：PPO策略的强度为

-27.2% ——该指标平均产生-27.2%的超额收益

result_df.describe()

	return 策略收益率	benchmark 基准收益率	mdd 最大回撤	sharp 夏普率	alpha 超额收益	diff
count	288	288	288	288	288	288
mean	79.24%	106.44%	50.47%	-4595.71%	-2.54%	-27.19%
std	148.37%	178.18%	12.59%	78207.19%	10.57%	142.50%
min	-69.13%	-57.14%	14.91%	-1327207.12%	-39.29%	-1176.22%
25%	-12.24%	-11.96%	41.86%	-16.12%	-8.96%	-64.05%
50%	32.04%	40.12%	49.88%	11.36%	-2.31%	-13.56%
75%	108.87%	156.31%	58.22%	43.99%	3.52%	27.40%
max	1193.06%	1420.35%	81.48%	130.16%	36.61%	731.66%

288支股票的平均收益率是106.44%，而策略平均收益为79.24%，平均跑输了原始股票27.2个百分点。

再看策略适应性：

-29.99%——该指标平均适应度-29.99%，表现较差

在所有有回测结果的288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	30	-25.10%	33.66%	58.76%
2	锦上添花	59	114.18%	215.65%	101.47%
3	差强人意	104	241.79%	111.75%	-130.04%
4	无力回天	25	-42.45%	-19.79%	22.66%
5	屋漏逢雨	32	-22.44%	-40.19%	-17.75%
6	乐极生悲	38	34.30%	-19.80%	-54.10%