作者|Lorenzo Ampil 编译|VK 来源|Towards Data Science
自从我开始学习投资,我接触了不同的股票分析方法-技术分析和基本面分析。我甚至读过很多关于这些技巧的书和文章。
简言之,技术分析认为,你可以根据股票的历史价格和成交量的变动来确定买卖股票的正确时间。另一方面,基本面分析认为,你可以根据公司财务报表中的基本信息来衡量股票的实际内在价值。
这两种类型的分析对我来说都是有意义的,我希望用它们来为我的交易提供信息;然而,我总是对一件主要的事情感到沮丧:
有许多可能的策略可以采取,但没有系统的方法来选择一个。实际上,大多数交易最终仍然是“直觉”决策,而不是由数据驱动的。
那么我们如何评估这些策略呢?我们可以通过比较从每种方法中获得的预期投资回报率(ROI)来做到这一点。最好的方法是使用一种称为回测的方法来评估一种策略,即通过模拟过去使用它的情况来评估它的表现。
现在,已经有很多回测框架,但是其中大多数都需要高级的编码知识。一个简单的helloworld实现通常需要多达30行代码。
为了填补这个空白,我决定创建fastquant,目标是尽可能简单地将回测进行引入。使用fastquant,我们只需3行代码就可以对交易策略进行回测!
在本文的其余部分,我将指导你如何通过Jollibee Food Corp.(JFC)的历史数据来回测一个简单的移动平均值交叉(SMAC)策略