根据题目可以看出是要预测,注意预测不要站在上帝视角预测,是根据已有数据预测,所以怎么查资料?
懂了吧?多参考几篇写得好的,认真阅读,把他们提到的模型拿来改改符合题目要求是不是就可以了?加上股票风险分析之类的,自己搜一下就会了。
2.3 第二问思路
证明策略好坏?那就是对策略好坏做个评价呗。这个确实不知怎么想,所以继续搜索:
经过多篇文章查询,我们是可以确定到这样一个方法:回测
然后我们会看到这样的标题很符合我们的题目:
认真读一下题,确实很符合,于是我多看了几篇,发现有专门的回测模块,于是就去搜索回测模块,经过查询体验最好的是Backtrader,然后呢就继续学习一下框架吧,就能做出来了,不难的,在这里我给大家展示一个实现代码,会有类似效果:
主要模块安装,其它模块自行安装:
!pip install backtrader
模块导入:
import datetime
from datetime import datetime
import pandas as pd
import pandas_datareader.data as web
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style(‘whitegrid’)
import backtrader as bt
import backtrader.feeds as btfeeds
获取比特币范围数据:
start = datetime(2016, 9, 11) # or start = ‘9/12/2016’
end = datetime(2021, 9, 12)
df= web.DataReader(‘BTC-USD’, ‘yahoo’, start, end)#雅虎财经获取比特币数据
print(df)
下面以一个简单的单均线策略为例,展示backtrader的使用过程,即当收盘价上涨突破20日均线买入(做多),当收盘价下跌跌穿20日均线卖出(做空):
class my_strategy1(bt.Strategy):
#全局设定交易策略的参数
params=(
(‘maperiod’,20),
)
def init(self):
#指定价格序列
self.dataclose=self.datas[0].close
初始化交易指令、买卖价格和手续费
self.order = None
self.buyprice = None
self.buycomm = None
#添加移动均线指标,内置了talib模块
self.sma = bt.indicators.SimpleMovingAverage(
self.datas[0], period=self.params.maperiod)
def next(self):
if self.order: # 检查是否有指令等待执行,
return
检查是否持仓
if not self.position: # 没有持仓
#执行买入条件判断:收盘价格上涨突破20日均线
if self.dataclose[0] > self.sma[0]:
#执行买入
self.order = self.buy(size=50)
else:
#执行卖出条件判断:收盘价格跌破20日均线
if self.dataclose[0] < self.sma[0]:
#执行卖出
self.order = self.sell(size=100)
股票数据读取:
#先引入后面可能用到的包(package)
import pandas as pd
from datetime import datetime
import backtrader as bt
import matplotlib.pyplot as plt
%matplotlib inline
#正常显示画图时出现的中文和负号
from pylab import mpl
mpl.rcParams[‘font.sans-serif’]=[‘SimHei’] #使用tushare获取浦发银行(代码:600000)数据。
#使用tushare旧版接口获取数据
import tushare as ts
def get_data(code,start=‘2016-09-11’,end=‘2021-09-09’):
df=ts.get_k_data(code,autype=‘qfq’,start=start,end=end)
df.index=pd.to_datetime(df.date)
df[‘openinterest’]=0
df=df[[‘open’,‘high’,‘low’,‘close’,‘volume’,‘openinterest’]]
return df
dataframe=get_data(‘600000’)
#回测期间
start=datetime(2010, 3, 31)
end=datetime(2020, 3, 31)
加载数据
data = bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end)
初始化回测系统:
cerebro = bt.Cerebro()
#将数据传入回测系统
cerebro.adddata(data)
把刚刚的交易策略添加进系统:
cerebro.addstrategy(my_strategy1)
设置起始资金1000:
startcash = 1000
cerebro.broker.setcash(startcash)
设置手续费0.1%:
cerebro.broker.setcommission(commission=0.001)
执行:
d1=start.strftime(‘%Y%m%d’)
d2=end.strftime(‘%Y%m%d’)
print(f’初始资金: {startcash}\n回测期间:{d1}:{d2}')
#运行回测系统
cerebro.run()
#获取回测结束后的总资金
portvalue = cerebro.broker.getvalue()
pnl = portvalue - startcash
#打印结果
print(f’总资金: {round(portvalue,2)}')
print(f’净收益: {round(pnl,2)}')
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!