python回测函数_Python事件化回测双均线

事件回测的最大好处是基本上可以避免未来函数的出现。

代码如下：

# -*- coding: utf-8 -*-

from __future__ import division

# %matplotlib inline

import tushare as ts

import pandas as pd

import numpy as np

data = ts.get_hist_data("510050",start="2017-01-01",end="2017-09-08")

data = data.sort_values("date")

df = pd.DataFrame()

df['close'] = data['close']

df['change'] = df['close']- df['close'].shift(1)

df = df.dropna() #将带有Na的去掉，返回一个新的对像

close5_array = np.zeros(5) #缓存过去5天收盘价

close20_array = np.zeros(20)

last_signal = 0 #最近交易信号，初始化为0。因为双均线策略要使用前一天的收盘价，就需要将信号缓存下来，第2天计算仓位的时候使用

last_pos = 0 #最近的持仓，初始化为0

dr_list = [] #每日盈亏结果列表

class DailyResult:

"""每日盈亏结果"""

def _init__(self):

self.date = ''

self.close = 0

self.change = 0

self.pos = 0

self.last_pos = 0 #昨日持仓

self.pnl = 0

self.fee = 0

self.net_pnl = 0

def calculate(self,date,close,change, last_signal, last_pos):

"""计算每日盈亏"""

#赋值原始数据

self.date = date

self.close = close

self.change = change

self.pos = last_signal

self.last_pos = last_pos

#计算结果数据

self.pnl = self.change * self.pos

self.fee = abs(self.pos-self.last_pos) * 1.5/10000

self.net_pnl = self.pnl - self.fee

#运行回溯

#iterrows生成迭代器，enumerate在迭代过程中返回当前的变量的计数情况。df刚好有date, close, change三列。叠代过程中会以tuple的形式返回每一行，其中的第一个元素是日期，第二个元素是数值段。

for i, row in enumerate(df.iterrows()):

date = row[0]

close =row[1]['close']

change = row[1]['change']

#将数组中的数据平移一格

close5_array[0:4] = close5_array[1:5]

close20_array[0:19] = close20_array[1:20]

#将新数据添加到数组末尾

close5_array[-1] = close

close20_array[-1] = close

#如果尚未有20个数据点的缓存数量，则不执行后续逻辑

if i < 20:

continue

#计算当日持仓盈亏

dr = DailyResult()

dr.calculate(date, close, change, last_signal,last_pos)

dr_list.append(dr)

#记录当日持仓

last_pos = dr.pos

#计算信号数据

ma5 = close5_array.mean()

ma20 = close20_array.mean()

if ma5 > ma20:

last_signal = 10000

else:

last_signal = -10000

#显示回测结果

result_df = pd.DataFrame()

result_df['net_pnl'] = [dr.net_pnl for dr in dr_list] #将dailyresult列表中的数据转换为pandas的dataframe

result_df.index = [dr.date for dr in dr_list] #添加日期索引

result_df['cum_pnl'] = result_df['net_pnl'].cumsum() #累积求和

result_df['cum_pnl'].plot()

在jupyter运行结果如下：