一、模型前提与假设
设策略总天数为\(n\)、第\(t\)日大盘的收盘价为\(P_t\)、第\(t\)日的单日收益率为\(r_t\)、\(n\)天的累积收益率为\(r_{cum}\)
假设策略仅买卖大盘指数,第\(t\)日的头寸是根据第\((t-1)\)日收盘价计算出的\(s_{t-1}\),因此第1天的收益率\(r_{1}=0\)
特别注意:为避免未来函数,不能使用\(s_{t}\)计算第\(t\)日的头寸。
二、大盘单日收益率
1. 离散型
\[r_t=\frac{P_t}{P_{t-1}}-1
\]
对应的Python代码为:
df['market_dis'] = df['close']/df['close'].shift()-1
或
df['market_dis'] = df['close'].pct_change()
2. 连续型
\[r_t=ln\frac{P_t}{P_{t-1}}
\]
对应的Python代码为:
df['market_con'] = np.log(df['close'] / df['close'].shift())
三、大盘累积收益率
1. 离散型
\[\begin{align}
1+r_{cum}&=(1+r_{1})(1+r_{2})\cdots(1+r_{n})\\[1.5ex]
&=\frac{P_{1}}{P_{0}}\cdot \frac{P_{2}}{P_{1}