本章节我们做回测一个比较偏实际买卖策略,以笔者买过1年多的中国国航601111为例子,
策略为:笔者认为如果5日均线高于10日均线,就认为股价处于上升阶段,就全仓位买入,如果5日均线低于10日均线,笔者认为股价处于下降阶段,全仓位卖出。
我们准备的数据为2006-8-18到2022-3-22 这段时间的中国国航的日行情数据
以下是代码:
import tushare as ts import pandas as pd import datetime # For datetime objects import os.path # To manage paths import sys # To find out the script name (in argv[0]) # Import the backtrader platform import backtrader as bt class MyStrategy(bt.Strategy): # 策略参数 params = dict( period5=5, # 5均线周期 period10=10, # 10均线周期 look_back_days=30, printlog=False ) def __init__(self): self.mas = dict() self.mas10 = dict() # 遍历所有股票,计算20日均线 for data in self.datas: self.mas[data._id] = bt.ind.SMA(data.close, period=self.p.period5) self.mas10[data._id] = bt.ind.SMA(data.close, period=self.p.period10) def next(self): # 得到当前的账户价值 total_value = self.broker.getvalue() p_value = total_value * 0.9 / 10 for data in self.datas: # 获取仓位 pos = self.getposition(data).size if self.mas10[data._id][0] < self.mas[data._id][0]: size = int(p_value / 100 / data.close[0]) * 100 print('10日均线价格->' + str(self.mas10[data._id][0]) + ',5日均线价格->' + str(self.mas[data._id][0]) + \ ',持仓数量->' + str(pos) + ',买入数量->' + str(size)) self.buy(data=data, size=size) if pos > 0 and self.mas10[data._id][0] > self.mas[data._id][0]: print('10日均线价格->' + str(self.mas10[data._id][0]) + ',5日均线价格->' + str(self.mas[data._id][0]) + \ ',持仓数量->' + str(pos) + ',买入数量->' + str(pos)) self.order = self.sell(data=data, size=pos) def log(self, txt, dt=None, doprint=False): if self.params.printlog or doprint: dt = dt or self.datas[0].datetime.date(0) print(f'{dt.isoformat()},{txt}') # 记录交易执行情况(可省略,默认不输出结果) def notify_order(self, order): # 如果order为submitted/accepted,返回空 if order.status in [order.Submitted, order.Accepted]: return # 如果order为buy/sell executed,报告价格结果 if order.status in [order.Completed]: if order.isbuy(): self.log(f'买入:\n价格:{order.executed.price:.2f},\ 成本:{order.executed.value:.2f},\ 数量:{order.executed.size:.2f},\ 手续费:{order.executed.comm:.2f}') self.buyprice = order.executed.price self.buycomm = order.executed.comm else: self.log(f'卖出:\n价格:{order.executed.price:.2f},\ 成本: {order.executed.value:.2f},\ 数量:{order.executed.size:.2f},\ 手续费{order.executed.comm:.2f}') self.bar_executed = len(self) # 如果指令取消/交易失败, 报告结果 elif order.status in [order.Canceled, order.Margin, order.Rejected]: self.log('交易失败') self.order = None # 记录交易收益情况(可省略,默认不输出结果) def notify_trade(self, trade): if not trade.isclosed: return self.log(f'策略收益:\n毛收益 {trade.pnl:.2f}, 净收益 {trade.pnlcomm:.2f}') pro = ts.pro_api('cbb257058b7cb228769b4949437c27c27e5132e882747dc80f01a5a5') def ts_get_daily_stock(code, start_dt, end_dt): start_dt = start_dt.replace("'", "", 3); end_dt = end_dt.replace("'", "", 3); # start_dt = '20190101' # end_dt='' print(code, start_dt, end_dt) data = pro.daily(ts_code=code, start_date=start_dt, end_date=end_dt) data['trade_date'] = pd.to_datetime(data['trade_date']) data['trade_date'] = pd.to_datetime(data['trade_date']) data = data.sort_values(by='trade_date') data.index = data['trade_date'] data['openinterest'] = 0 data['volume'] = data['vol'] data = data[ ['open', 'close', 'high', 'low', 'volume'] ] return data # 读取选股的结果 df = pd.read_csv('stock_alpha.csv') df.columns = ['ts_code', 'name', 'alpha', 'start_dt', 'end_dt'] min_a = df.sort_values(by='alpha') min_a = min_a.iloc[:10, :] code = [] code = min_a['ts_code'] # 记录alpha最小的10支股票代码 start_dts = [] start_dts = min_a['start_dt'] # 记录alpha最小的10支股票代码 end_dts = [] end_dts = min_a['end_dt'] # 记录alpha最小的10支股票代码 for i in range(len(code)): data = ts_get_daily_stock(code.iloc[i], start_dts.iloc[i], end_dts.iloc[i]) # 字段分别为股票代码、开始日期、结束日期 data.to_csv(code.iloc[i] + '.csv') cerebro = bt.Cerebro() for i in range(len(code)): # 循环获取10支股票历史数据 dataframe = pd.read_csv(code.iloc[i] + '.csv', index_col=0, parse_dates=True) dataframe['openinterest'] = 0 data = bt.feeds.PandasData(dataname=dataframe, fromdate=datetime.datetime(2006, 8, 18), todate=datetime.datetime(2022, 3, 22) ) cerebro.adddata(data) # 回测设置 startcash = 100000.0 cerebro.broker.setcash(startcash) # 设置佣金为千分之一 cerebro.broker.setcommission(commission=0.001) # 添加策略 cerebro.addstrategy(MyStrategy, printlog=True) 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)}') cerebro.plot()
以上的代码如果配置好环境可以直接运行,得到结果
总资金: 230494.3
净收益: 130494.3
执行结果图为:
让我意想不到的是这个策略竟然是盈利的,从2006年开始到2022年,中间经历过2008、2015、2020这么惨烈的时代,竟然还有盈利,看来有时候简单的打法反而是最有效的打法。
后续笔者会继续为大家做讲解指标的获取和基础数据的获取