​年化收益52%,最大回撤13%,卡玛比率3.77,ETF轮动系列大有可为(附策略代码和数据下载)。

原创内容第648篇,专注量化投资、个人成长与财富自由。

今天继续开发策略,先看结果:

图片

图片

年化52%,最大回撤13%,卡玛比率3.77。

策略逻辑:

买入规则:

5日均线大于20日均线 。

最近20个交易日的涨幅大于5% 。

最近20个交易日的涨幅小于20%。

从符合上述条件的ETF中,按涨幅从高到低排序,选择前2个进行买入。

卖出规则:

当前持有的ETF不在最近20个交易日涨幅排名前4的ETF中。

当前持有的ETF涨幅超过20%。

卖出后不立即买入已经卖出的ETF。

下面是ETF池,没有特别选择所谓的“未来视角”。

t.order_by_topK = 2
t.order_by_dropN = 0
t.symbols = [
    '516510.SH',  # 云计算(信息技术)
    '159985.SZ',  # 豆粕
    '515880.SH',  # 通讯
    '513060.SH',  # 恒生医疗
    '512660.SH',  # 军工(军工)
    '513520.SH',  # 日经
    '513330.SH',  # 恒生互联网
    '515790.SH',  # 光伏
    '512100.SH',  # 中证1000
    '512510.SH',  # 中证500
    '159998.SZ',  # 计算机
    '513500.SH',  # 标普500
    '162719.SZ',  # 石油LOF
    '159949.SZ',  # 创业板50
    '515030.SH',  # 新能车
    '159928.SZ',  # 消费 (消费)
    '513100.SH',  # 纳指100
    '159995.SZ',  # 芯片
]

策略还有优化的空间,这个系列会持续做,主要是思路。

昨天的“债券策略”代码也已经提交:

年化12.6%,最大回撤才2.6%的债券轮动策略,卡玛比4.79,稳稳的幸福

图片

策略代码+数据下载:AI量化实验室——2024量化投资的星辰大海

代码下载:AI量化实验室 星球,已经运行三年多,1100+会员。quantlab代码交付至5.X版本,含几十个策略源代码,因子表达式引擎、遗传算法(Deap)因子挖掘引等,每周五迭代一次。

图片

02 五年财务自由退休

财富自由实战方法论,构建两大系统:金钱系统和商业系统。

推荐第七本书《刻意学习》。 

如果说,昨天推荐的书是讲“目标到系统”,是提供了一个方向。 

刻意学习里的“N阶行动”计划,就是一个路径。

客观讲,它确实改变我的一些行动。 

以前想做的事情很多,不少浅尝辄止。践行“N阶行动”,公众号日更快两年,星球等持续输出。 

N=1,一件事,先干十天再评价。这个阶段最容易放弃。 

N=2,干三个月,基本会找到感觉,拿到正反馈。 

N=3,1000天。一件事,干三年,终有小成。 

有价值的事,都不容易。大力出奇迹,这就是心法。

图片

限时免费,感兴趣可入)五年之约,一起出发吧!

作者:AI量化实验室(专注量化投资、个人成长与财富自由)

 扩展  •  历史文章   

• 年化12.6%,最大回撤才2.6的债券轮动策略,卡玛比4.79,稳稳的幸福

• 年化从19.1%提升到22.5%,全球大类资产轮动,加上RSRS择时,RSRS性能优化70倍。(附策略源码)

• quantlab5.9代码更新:提供RSRS择时和小市值股票策略(附代码和数据)

•  AI量化实验室——2024量化投资的星辰大海

要计算指数的区间回撤年化收益率、年化波动率、夏普比率卡玛比率,你可以使用Python中的pandas和numpy库来处理数据并计算这些指标。下面是一个简单的示例代码: ```python import pandas as pd import numpy as np # 读取Excel表格 data = pd.read_excel('your_file.xlsx') # 计算每日收益率 data['收益率'] = data['单位净值'].pct_change() # 计算区间回撤 data['最大净值'] = data['单位净值'].cummax() data['回撤'] = (data['单位净值'] - data['最大净值']) / data['最大净值'] # 计算年化收益率 annual_returns = (data['单位净值'][-1] / data['单位净值'][0]) ** (252 / len(data)) - 1 # 计算年化波动率 annual_volatility = np.std(data['收益率']) * np.sqrt(252) # 计算夏普比率 risk_free_rate = 0.02 # 无风险利率 sharpe_ratio = (annual_returns - risk_free_rate) / annual_volatility # 计算卡玛比率 risk_free_return = np.log(1 + risk_free_rate) excess_returns = np.log(1 + data['收益率']) - risk_free_return kappa_ratio = (np.exp(np.mean(excess_returns)) - 1) / np.sqrt(np.mean(excess_returns**2)) # 打印结果 print("区间回撤:", data['回撤'].min()) print("年化收益率:", annual_returns) print("年化波动率:", annual_volatility) print("夏普比率:", sharpe_ratio) print("卡玛比率:", kappa_ratio) ``` 请将代码中的`your_file.xlsx`替换为你的Excel文件路径。代码中的252表示一年有252个交易日,你可以根据实际情况进行调整。 这个示例代码假设你的Excel表格至少包含两列:日期和单位净值。你可以根据需要调整列名和计算方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI量化投资实验室

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值