DolphinDB使用案例20：量化交易中技术指标信号回测

• 实现目标

  通过DolphinDB实现MA(Moving Average)移动平均线指标回测。

• 一、数据准备

  采用火币网的btcusdt数据

  # 构建数据
  s_tmp = loadText("D:/Tools/DolphinDB_Projects/data/huobi_btcusdt.csv")
  stock = select symbol as sym, candle_begin_time as date, close from s_tmp
  

• 二、定义MA信号

  # 定义MA信号,短期均线大于长期均线
  def maSignal(x, shortHorizon, longHorizon){
  	signal = mavg(x, shortHorizon) > mavg(x, longHorizon)
  	signal[0:min(x.size(), longHorizon - 1)] = NULL
  	return signal
  }
  

• 三、交易策略

  假设前一天的MA信号为prevSignal， 当天的MA信号为signal。

  • 如果prevSignal=false， signal=true， 那么买入多头头寸（long position）;
  • 如果prevSignal=true， signal=false，那么卖出空头头寸（short position）；
  • 如果不符合上述两种情况，则保持与前一天相同的头寸；

• 四、不止损回测

  # 计算每个股票每天的MA信号
  t = select sym,date,close,maSignal(close, 50, 100) as signal from stock context by sym
  
  # 不止损回测函数
  def backtest(t){
  	t2 = select sym,date,close,prev(close) as prevClose, signal, prev(signal) as prevSignal from t context by sym
  	update t2 set position=iif(prevSignal==false and signal=true, 1, iif(prevSignal==true and signal==false, -1, int())).prev().ffill() context by sym
  	return select sym,date,close,signal,position,position*(close - prevClose) as pnl from t2 where isValid(position)
  }
  
  # 实例化不止损回测
  positions = backtest(t)
  
  
  # 统计策略详情函数
  def calcPerformance(pnl){
  	result = dict(STRING, DOUBLE)
  	result[`cumpnl] = pnl.sum()
  	result[`avgpnl] = pnl.avg()
  	result[`days] = pnl.size()
  	result[`std] = pnl.std()
  	result[`maxDrawdown] = (pnl.cumsum().cummax() - pnl.cumsum()).max()
  	return result
  }
  
  
  # 计算盈亏并绘制盈亏走势图
  dailyPnl = select sum(pnl) as pnl from positions group by date order by date
  result = calcPerformance(dailyPnl.pnl) // 返回一个字典
  plot(dailyPnl.pnl.cumsum() as cumulativePnl, dailyPnl.date, "Cumulative Pnl of ALL Stocks without Stop Loss Control")
  
  # 分析每只股票的盈亏信息
  select calcPerformance(pnl) as `cumpnl`avgpnl`days`std`maxDrawdown from positions group by sym
  

此方法是比较传统的回测，只是展示DolphinDB的速度快、代码简介，并不具有唯一性，唯一性还是其回放功能。

• References

1. 交易回测系列一：技术信号回测