量化交易入门（三十三）BIAS指标实现和回测

本文链接：https://blog.csdn.net/benshu_001/article/details/137185107

接下来我们还是用苹果股票2020年1月1日到2023年12月30日的历史数据进行回测，看看这个指标的效果如何，具体回测结果如下：

策略运行结果及解读

执行的结果：
Starting Portfolio Value: 100000.00 
Final Portfolio Value: 186723.04
Annualized Return: 16.93%
Sharpe Ratio: 0.94
Max Drawdown: 24.55%
Max Drawdown Period: 142

根据回测结果,我们可以得出以下结论:

1、资金增长情况:

初始资金为100,000美元
最终资金为186,723.04美元
资金增长了86,723.04美元,增幅为86.72%

2、年化收益率:

年化收益率为16.93%
这意味着平均每年的收益率为16.93%
年化收益率是衡量策略盈利能力的重要指标,16.93%的年化收益率表现相对较好

3、夏普比率:

夏普比率为0.94
夏普比率衡量投资组合的风险调整后收益,即每承担一单位风险,可以获得多少超额收益
夏普比率越高,表示策略的风险调整后收益越好
0.94的夏普比率表明该策略的风险调整后收益处于较好水平

4、最大回撤:

最大回撤为24.55%
最大回撤衡量投资组合从高点到低点的最大跌幅
最大回撤反映了策略可能面临的最大潜在损失
24.55%的最大回撤说明该策略在某个时期经历了较大的回撤,需要注意风险管理

5、最大回撤期:

最大回撤期为142个交易日
最大回撤期表示从高点到低点的持续时间
142个交易日的最大回撤期相对较长,说明该策略可能面临较长时间的回撤风险

综合来看,该策略在2020年1月1日到2023年12月30日的苹果股票历史数据上表现相对较好,取得了16.93%的年化收益率和0.94的夏普比率。但是,该策略也经历了24.55%的最大回撤,回撤持续时间较长,需要注意风险管理。

需要注意的是,这只是基于历史数据的回测结果,不能完全代表未来的实际表现。在实际应用中,还需要考虑市场环境变化、交易成本、滑点等因素的影响。此外,该策略仅使用了单一股票(苹果)的数据进行回测,可能存在集中风险。在实际投资中,建议采用多样化的投资组合来分散风险。

代码实现

下面是使用Backtrader框架对苹果股票这次回测的代码:

import backtrader as bt
import yfinance as yf

# 定义BIAS指标
class BIAS(bt.Indicator):
    lines = ('bias',)
    params = (('period', 20),)

    def __init__(self):
        self.lines.bias = (self.data.close - bt.indicators.SMA(period=self.params.period)) / bt.indicators.SMA(period=self.params.period) * 100

# 定义交易策略
class BIASStrategy(bt.Strategy):
    params = (('bias_upper', 10), ('bias_lower', -10),)

    def __init__(self):
        self.bias = BIAS(self.data)
        self.order = None


    def next(self):
        if not self.position:
            if self.bias[0] > self.params.bias_upper:
                pass  # 不进行操作
            elif self.bias[0] < self.params.bias_lower:
                commission_info = self.broker.getcommissioninfo(self.data)
                cash = self.broker.get_cash()
                size = int(cash / (self.data.close[0] * (1 + commission_info.p.commission)))
                self.order = self.buy(size=size)
                print(f'BUY: {size} shares')
        else:
            if self.order and self.order.isbuy() and self.bias[0] > self.params.bias_upper:
                self.close()
                self.order = None  # 重置self.order为None
                print(f'SELL: {self.position.size} shares')
            elif self.order and self.order.issell() and self.bias[0] < self.params.bias_lower:
                self.close()
                self.order = None  # 重置self.order为None
                print(f'BUY: {self.position.size} shares')

    
    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            return

        if order.status in [order.Completed]:
            if order.isbuy():
                print(f'BUY executed at {self.data.num2date(order.executed.dt).date()}, Price: {order.executed.price:.2f}, Cost: {order.executed.value:.2f}, Comm: {order.executed.comm:.2f}')
            elif order.issell():
                cost = order.executed.value
                profit = order.executed.value - order.created.size * order.created.price
                profit_percent = (profit / cost) * 100
                print(f'SELL executed at {self.data.num2date(order.executed.dt).date()}, Price: {order.executed.price:.2f}, Cost: {cost:.2f}, Profit: {profit:.2f}, Profit %: {profit_percent:.2f}%')

        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            print('Order Canceled/Margin/Rejected')    



# 创建Cerebro引擎
cerebro = bt.Cerebro()

# 设置初始资金
cerebro.broker.setcash(100000.0)

# 下载苹果股票数据
data = yf.download('AAPL', '2020-01-01', '2023-12-30')
data = data.dropna()

# 将数据添加到Cerebro引擎中
data = bt.feeds.PandasData(dataname=data)
cerebro.adddata(data)

# 添加MACD策略
cerebro.addstrategy(BIASStrategy)

# 设置佣金为0.1%
cerebro.broker.setcommission(commission=0.001)

# 添加分析指标
cerebro.addanalyzer(bt.analyzers.Returns, _name='returns')
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')

# 运行回测
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
results = cerebro.run()
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

# 获取回测结果
strat = results[0]
returns = strat.analyzers.returns.get_analysis()
sharpe = strat.analyzers.sharpe.get_analysis()
drawdown = strat.analyzers.drawdown.get_analysis()

# 打印回测指标
print('Annualized Return: %.2f%%' % (returns['rnorm100']))
print('Sharpe Ratio: %.2f' % (sharpe['sharperatio']))
print('Max Drawdown: %.2f%%' % (drawdown['max']['drawdown']))
print('Max Drawdown Period: %s' % (drawdown['max']['len']))


# 绘制回测结果
cerebro.plot()

代码解析

将详细分析这段代码:

1、导入必要的库:

backtrader: Backtrader回测框架
yfinance: 用于下载股票数据

2、定义BIAS指标:

创建一个名为BIAS的类,继承自bt.Indicator
定义指标的参数period,默认值为20
在__init__方法中计算BIAS指标的值,公式为:(当前收盘价 - 简单移动平均价) / 简单移动平均价 * 100

3、定义交易策略:

创建一个名为BIASStrategy的类,继承自bt.Strategy
定义策略的参数bias_upper和bias_lower,默认值分别为10和-10
在__init__方法中创建BIAS指标和订单变量
在next方法中实现交易逻辑:
- 如果当前没有持仓:
  - 如果BIAS指标大于上限值,不进行操作
  - 如果BIAS指标小于下限值,计算可用资金和可买入的股票数量,执行买入操作
- 如果当前有持仓:
  - 如果订单为买入订单且BIAS指标大于上限值,执行卖出操作并重置订单为None
  - 如果订单为卖出订单且BIAS指标小于下限值,执行买入操作并重置订单为None
在notify_order方法中处理订单状态变化:
- 如果订单状态为Submitted或Accepted,不进行操作
- 如果订单状态为Completed:
  - 如果是买入订单,打印买入信息(执行日期、价格、成本、手续费)
  - 如果是卖出订单,打印卖出信息(执行日期、价格、成本、利润、利润百分比)
- 如果订单状态为Canceled、Margin或Rejected,打印相应信息