MACD策略深测

最新推荐文章于 2023-11-11 18:45:20 发布

WinnieJiang

最新推荐文章于 2023-11-11 18:45:20 发布

阅读量944

点赞数 2

分类专栏：量化金融

本文链接：https://blog.csdn.net/weixin_42694350/article/details/105521137

版权

量化金融专栏收录该内容

4 篇文章

订阅专栏

本文通过测试MACD策略在不同市场环境下的表现，探讨了参数设置对策略效果的影响。研究发现，大盘波动期和平稳期对策略收益有显著影响，且参数调整需考虑市场状态。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

测试说明

此次测试主要有两个角度：①MACD策略有效性随大盘波动影响的测试；②参数设置对MACD策略的影响测试。

这是2014年以来A股指数的周线图，可以看到在红框部分起伏非常大，设置为大盘波动期的参考对象（2014/8/1-2016/2/19）；蓝框部分在历史上相对起伏较小，设置为大盘平缓期的参考对象（2016/12/2-2018/1/12）；并加入近期数据作为参照（2019/12/1-2020/4/13）。

MACD的三个参数中，短期均线周期和长期均线周期具有联动性，这里选择调节短期均线周期进行测试。参数标准为（12，26，9）。

代码模板

选股策略，并做了一定简化。

import numpy as np
import pandas as pd
import talib as tb

def initialize(context):
    """初始化函数"""
    
    # 记录股票的收益率
    g.retio = {}
    # 使用真实价格交易
    set_option('use_real_price', True)
    # 指定周期性交易函数
    run_daily(trade, 'every_bar')
    
    
def trade(context):
    """交易函数"""
    
    '''一、挑选出高质量的股票'''
    stocks_choose = get_fundamentals(
        query(
            valuation.code
            ).filter(
                valuation.pe_ratio < 40,
                valuation.pe_ratio > 10,
                indicator.eps > 0.3,
                indicator.inc_net_profit_annual > 0.30,
                indicator.roe > 15
                ).order_by(
                    valuation.pb_ratio.asc()
                    ).limit(50), 
        date=None)
    
    # 将股票代码集转成ndarray,因为它比列表的计算速度更快
    stocks_pool = stocks_choose['code'].values
    
    '''二、剔除st、停牌、退市的股票'''
    current_data = get_current_data()
    # 剔除停牌
    stocks_pool = [stock for stock in stocks_pool if not current_data[stock].paused]
    # 剔除st
    stocks_pool = [stock for stock in stocks_pool if not current_data[stock].is_st]
    # 剔除退市
    stocks_pool = [stock for stock in stocks_pool if not '退' in current_data[stock].name]
    
    '''三、股票交易条件判断'''
    # 买入列表
    stocks_long = []
    # 卖出列表
    stocks_short = []
    # 继续持有列表
    stocks_hold = []
    #MACD判断
    for stock in stocks_pool:
        # 获得之前300天的收盘价
        prices = attribute_history(stock, 300, '1d', ['close'])
        # 将价格值转换成ndarray
        price = np.array(prices['close'])
        # 计算MACD值
        DIF, DEA, MACD = tb.MACD(
            price,
            fastperiod=6,
            slowperiod=26,
            signalperiod=9)
            
        # 在0轴上金叉买入
        if DIF[-1] > 0 and DEA[-1] > 0:
            if (DIF[-2] <= DEA[-2]) and (DIF[-1] > DEA[-1]):
                stocks_long.append(stock)
        # 在MACD最高点卖出
        if MACD[-1] < MACD[-2] * 1.05:
            stocks_short.append(stock)
            
    
    '''四、卖出持仓中符合卖出条件的股票'''
    # 持仓
    hold_list = list(context.portfolio.positions.keys())
    # 判断
    for stock in hold_list:
        # 计算持仓股票的收益率
        cost = context.portfolio.positions[stock].avg_cost
        price = context.portfolio.positions[stock].price
        ret = (price/cost) - 1
        
        # 记录收益率，如果当前收益率比之前大，替换之前的记录
        # 如果当前收益率比记录的最大收益率小20%，止损，卖出
        if stock in g.retio.keys():
            if ret > g.retio[stock]:
                g.retio[stock] = ret
            elif (ret - g.retio[stock]) < -0.2:
                order_target_value(stock, 0)
                del g.retio[stock]
        else:
            g.retio[stock] = ret
        
        # 将在卖出列表中的股票卖出
        if stock in stocks_short:
            order_target_value(stock, 0)
        # 继续持仓的股票
        else:
            stocks_hold.append(stock)
            
    '''五、买入符合条件的股票'''
    # 买入列表，已经持仓的不再重复买入
    buy_list = list(set(stocks_long) - set(stocks_hold))
    # 买入
    if len(buy_list) > 0:
        Cash = context.portfolio.available_cash / len(buy_list)
        for stock in buy_list:
            order_value(stock, Cash)

测试结果

波动期基准收益：29.84%
平稳期基准收益：18.51%
近期基准收益：-1.97%

signalperiod=6

fastperiod	波动期	平稳期	近期
6	78.71%	98.21%	-4.83%
9	32.08%	94.74%	-12.98%
12	37.99%	98.57%	-22.21%
15	60.84%	46.55%	-29.18%

signalperiod=10

fastperiod	波动期	平稳期	近期
6	50.57%	107.68%	-19.47%
9	65.65%	96.11%	-22.15%
12	52.42%	-13.30%	-24.86%
15	56.32%	-3.50%	-7.32%

signalperiod=14

fastperiod	波动期	平稳期	近期
6	38.77%	98.57%	-29.18%
9	58.62%	-13.53%	-18.11%
12	53.32%	-3.01%	-25.26%
15	52.36%	-6.73%	-15.91%

signalperiod=18

fastperiod	波动期	平稳期	近期
6	53.30%	54.32%	-28.09%
9	79.22%	-1.76%	-12.85%
12	44.96%	-9.89%	-17.63%
15	41.77%	-9.70%	-5.71%

总结：根据回测过程中收益波动情况与具体收益数值结果，我有如下几点结论
（1）股票收益情况与大盘走势有较大关联
（2）波动前期的大牛市阶段，MACD策略显得比较保守，实质收益不算高
（3）波动后期的大回落阶段，MACD策略在各参数下都较好地维持住了原有收益
（4）平稳期在一定意义上也是“波动期”，因为价格平稳，所以每天涨跌情况都很随机，不会像波动期长期处于一个大趋势中。也因此，需要“缩短视野”，将fastperiod调小，这影响很大，而signalperiod也要相对调小一些
（5）在近期A股总体呈下跌趋势的情况下，将fastperiod调大即策略调保守一些是比较合适的，signalperiod也应适当调大
（6）总体而言，signalperiod对收益结果的影响相对较小
（7）综合来看，（6，26，9）的参数设置在三种情况下总体收益最高