014 | backtrader回测均值回归策略

已于 2024-08-13 07:56:12 修改
阅读量1k 收藏 22
点赞数 14
分类专栏： 玩转Python金融量化 文章标签： 均值算法 回归 android
于 2024-08-11 10:21:44 首次发布
liurunsen
本文链接：https://blog.csdn.net/weixin_44510615/article/details/141102082
版权
了解本专栏 订阅专栏 解锁全文 超级会员免费看
小刘要努力。
关注
专栏目录
订阅专栏
67、backtrader的一些高级技巧---用dash和plotly画出参数与资金曲线的关系图
云金杞
09-21 1897
这篇文章写起来真不容易，从下午到现在，中间除了跑了半小时步，吃了点东西，估计有六七个小时的时间了，主要是解决使用plotly和dash回调的时候不显示图形的问题。最后发现，不是我dash和plotly代码的问题，而是搜狗浏览器的问题，我换了谷歌浏览器就正常了。吃一堑长一智，以后还是多用谷歌浏览器吧！ 如果使用上篇文章的代码运行策略，得到参数优化后的数据之后，就可以使用本文的代码，展示参数优化后的结果了。 参数优化展示结果 展示代码 import os import pandas as pd import
《BackTrader量化交易图解》第8章：plot 绘制金融图
C与Python实战
01-08 2980
在源码中， “√”和“×”符号需要用两个“$”符号表示， 并括住符号代码， 因为需要使用UTF代码符号。通常， SMA均线指标、 vol成交量和主图价格曲线会叠加显示， 其他指标（如rsi、 kdj等） 都采用独立subplot子图模式， 在主图下方显示。相对于修改买卖点符号而言， 对颜色进行修改更加简单。变量参数， 两个星号“**”变量是Python的特有语法中字典模式的多变量， 这有些类似于C语言的“宏定义”.在K线图中有专门的规定， 比如， 当天的成交量或者价格超过昨天的， 则使用up颜色。
均值回归策略（一）
虹之间的博客
05-27 1320
资产价格将围绕其历史均值进行波动，当价格偏离其长期平均水平时，价格趋向于回归到其平均水平，价格的偏离程度越大，回归的力度越大。因此，可以通过采取反向交易的方式（即价格偏低时买入，价格偏高时卖出）来获取收益。
基于backtrader的三均线策略（多参数自动调优和回测）
jsyzliuyu的博客
07-15 2344
基于backtrader的三均线策略
014 - backtrader回测均值回归策略
08-11
- 从图中可以看到资金曲线的波动，最终的资金略有减少，表明策略在整个回测期间总体上产生了亏损。 4. **交易盈亏点（Trades - Net Profit/Loss）**： - 中间部分用红色和蓝色圆点展示了每次交易的盈亏情况。蓝色...
015 | backtrader回测动量策略
微信号：RunsenLiu
08-11 714
动量策略（Momentum Strategy）是一种基于资产价格或收益动量的交易策略。动量策略假设“强者恒强，弱者恒弱”，即近期表现强劲的资产在未来仍可能延续其趋势，而近期表现疲软的资产在未来可能继续走弱。因此，动量策略的核心思想是买入那些表现良好的资产，卖出或做空表现不佳的资产。起始资金：100,000元最终资金：101,831.91元策略表现：回测结果显示，动量策略在此段时间内实现了小幅盈利，资金增加了约1,831.91元。尽管策略频繁买卖，最终的盈利结果表明该策略在这个特定时间段内有效。
018 | backtrader回测反转策略
最新发布
微信号：RunsenLiu
08-11 831
反转策略（Reversal Strategy）是一种试图捕捉市场价格趋势逆转的交易策略。与趋势跟随策略不同，反转策略的核心理念是“物极必反”，即价格在经过一段时间的单边趋势后，往往会出现逆转的机会。交易者通过识别这些即将到来的反转点，在市场趋势反转时进行买卖操作，从而获取利润。反转策略是一种试图捕捉市场价格转折点的交易策略，通过在市场超买或超卖状态下进行反向操作，交易者可以在市场反转时获取利润。然而，由于反转点的预测难度较大，该策略具有较高的风险和不确定性。
013 | backtrader回测沪深300指数简单移动平均线交叉策略
微信号：RunsenLiu
08-11 1104
简单移动平均线（SMA）是某一段时间内价格的平均值。策略通常使用两条SMA：一条短周期SMA（例如10天）和一条长周期SMA（例如30天）。买入信号当短周期SMA上穿长周期SMA时，产生买入信号。这意味着短期价格趋势强于长期趋势，可能预示着价格将继续上涨。卖出信号当短周期SMA下穿长周期SMA时，产生卖出信号。这意味着短期价格趋势变弱，可能预示着价格将下跌。简单移动平均线交叉策略是技术分析中的一个基础策略，它利用不同周期均线的交叉来判断市场趋势并做出交易决策。
量化交易-Backtrader回测
linxiarain的博客
09-08 2988
如果将backtrader包分解为核心组件，主要包括以下组成部分："Lines"是backtrader回测的数据：Open（开盘价），High（最高价），Low（最低价），Close（收盘价），Volume（成交量），OpenInterest（无得话设置为0）。DataFeeds（数据加载）、Indicators（技术指标）和Strategies（策略）都会生成Lines.价格数据中的所有“Open”（开盘价）按时间组成一条Line。所以，一组含有以上6个类别的价格数据，共6条Lines。如果算上“Data
backtrader源码解析_BackTrader量化交易案例图解
weixin_39949473的博客
12-24 2536
第1章　BackTrader简介11.1　BackTrader量化软件的特点21.2　进入神奇的Python世界31.3　TOP极宽量化工具函数库41.4　量化回测“四步曲”51.5　案例：完整的量化版“Hello”程序7第2章　数据预处理112.1　数据格式122.2　Lines内部数据格式142.3　数据目录172.4　指数代码文件182.5　数据预处理函数182.6　案例：数据预处理20第3...
手把手教你用Python搭建自己的量化回测框架【均值回归策略】
Python金融量化
10-14 1万+
1引言大部分量化策略都可以归类为均值回归与动量策略。事实上，只有当股票价格是均值回归或趋势的，交易策略才能盈利。否则，价格是随机游走的，交易将无利可图。均值回归是金融学的...
Python进阶量化交易场外篇3——最大回撤评价策略风险
weixin_34378969的博客
01-30 455
新年伊始，很荣幸笔者的《教你用 Python 进阶量化交易》专栏在慕课专栏板块上线了，欢迎大家订阅！为了能够提供给大家更轻松的学习过程，笔者在专栏内容之外会陆续推出一些手记来辅助同学们学习本专栏内容，因此同学们无需担心专栏内容在学习上的困难，更多的是明确自己学习的目的即可。当然笔者也欢迎同学们踊跃留言，说出自己想扩展的知识点，笔者会根据同学们的意愿选择性的推出一些内容。 在第一篇《管理概率=...
量化交易9-backtrader回测十字星K线形态图
q15399129775的博客
04-06 1834
十字星形态图，在股市中的应用： 十字星是一种K线基本型态。十字星，是一种只有上下影线，没有实体的K线图。开盘价即是收盘价，表示在交易中，股价出现高于或低于开盘价成交，但收盘价与开盘价相等。其中：上影线越长，表示卖压越重。下影线越长，表示买盘旺盛。通常在股价高位或低位出现十字线，可称为转机线，意味着出现反转。 以上的文字笔者截取自百度百科，笔者对以上的定义做个解读：十字星作为反转形态出现，出现在底部那么就会上涨，出现在顶部，那么就会下跌，根据这个解读，就得出一个策略：底部十字星，全仓买入，顶部十字星，全仓
利用Backtrader进行期权回测之五：用backtrader_plotting查看回测结果
luoqingyong的博客
07-22 8960
backtrader_plotting是一个扩展库，用来增强backtrader的绘图功能。它不仅功能更加强大，比如能够把结果分成多个Tab显示，而且显示效果也更加优雅美观。所以推荐大家使用这个，而不是backtrader缺省的plot功能。 安装backtrader_plotting backtrader_plotting可以通过pip进行安装： pip install backtrader_plotting 替换backtrader的plot功能 backtrader_plotting的使用也很简单。
十二、计算期权定价和布莱克-斯科尔斯公式
热门推荐
微信号：RunsenLiu
05-23 1万+
期权定价 期权定价（Option Valuation），期权价值的两个基本构成要素是：内含价值和时间价值。 期权定价，内含价值，也称内在价值，是期权持有人因通过行权获得股票而不是直接购买股票而实现的收益。 布莱克-斯科尔斯公式 1997年10月10日，第二十九届诺贝尔经济学奖授予了两位美国学者，哈佛商学院教授罗伯特·默顿(RoBert Merton)和斯坦福大学教授迈伦·斯克尔斯(Myron Sc...
【Python金融量化 7- 100 】、七、计算两只股票方差和相关性
微信号：RunsenLiu
05-19 5425
如何计算两只股票方差和相关性 考虑一个由“沃尔玛”和“Facebook”组成的投资组合。你认为这些公司的收益会显示出高或低的协方差吗？或者，你能猜出相关性是什么吗？它是接近0还是接近1？ 从2015年1月1日到今天，为沃尔玛和Facebook提取数据。 import numpy as np import pandas as pd from pandas_datareader import data...
pandas_datareader金融数据
微信号：RunsenLiu
04-25 4509
{“谷歌”:“GOOG”,“亚马逊”:“AMZN”,“Facebook”:“FB”,“苹果”:“AAPL”,“阿里巴巴”:“BABA”,“腾讯”:“0700.hk”}
你能不能用backtrader写出一个详细的均值回归策略的代码
05-29
抱歉，我作为一个语言模型，并不支持直接编写代码。但我可以给您提供一个backtrader均值回归策略的实现思路，供您参考。 首先需要安装backtrader库，然后导入需要的库和数据，例如： ```python import backtrader as bt import pandas as pd data = pd.read_csv('data.csv') # 读取数据 data['time'] = pd.to_datetime(data['time']) # 转换时间格式 data.set_index('time', inplace=True) # 设置时间为索引 ``` 接下来，可以定义一个均值回归策略的类，继承自backtrader.Strategy类，例如： ```python class MeanReversionStrategy(bt.Strategy): # 定义参数 params = ( ('period', 20), # 移动平均周期 ('devfactor', 2), # 标准差倍数 ('size', 1), # 交易数量 ('commperc', 0.001), # 交易费用 ) def __init__(self): self.dataclose = self.datas[0].close self.order = None self.buyprice = None self.buycomm = None self.sellprice = None self.sellcomm = None self.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.period) self.std = bt.indicators.StandardDeviation(self.datas[0], period=self.params.period) def next(self): if self.order: return if not self.position: if self.dataclose[0] < self.sma[0] - self.params.devfactor * self.std[0]: self.order = self.buy(size=self.params.size) else: if self.dataclose[0] > self.sma[0] + self.params.devfactor * self.std[0]: self.order = self.sell(size=self.params.size) def notify_order(self, order): if order.status in [order.Submitted, order.Accepted]: return if order.status in [order.Completed]: if order.isbuy(): self.buyprice = order.executed.price self.buycomm = order.executed.comm else: self.sellprice = order.executed.price self.sellcomm = order.executed.comm self.order = None def notify_trade(self, trade): if not trade.isclosed: return self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' % (trade.pnl, trade.pnlcomm)) def log(self, txt, dt=None): dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) ``` 在该类中，我们定义了参数，包括移动平均周期、标准差倍数、交易数量和交易费用。在__init__()方法中，我们初始化了一些变量和指标，包括收盘价、订单、交易价格、交易费用、移动平均线和标准差。在next()方法中，我们进行了交易判断，当价格低于移动平均线减去一定倍数的标准差时，就可以考虑买入；当价格高于移动平均线加上一定倍数的标准差时，就可以考虑卖出。在notify_order()方法和notify_trade()方法中，我们记录了交易价格和交易费用，并输出了交易信息。在log()方法中，我们输出了日志信息。 最后，我们可以使用backtrader.Cerebro()函数创建一个回测引擎，并将数据、策略和参数添加到引擎中，例如： ```python cerebro = bt.Cerebro() data_feed = bt.feeds.PandasData(dataname=data) cerebro.adddata(data_feed) cerebro.addstrategy(MeanReversionStrategy, period=20, devfactor=2, size=1, commperc=0.001) cerebro.broker.setcash(100000.0) cerebro.broker.setcommission(commission=0.001) print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue()) cerebro.run() print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue()) ``` 在该代码中，我们创建了一个回测引擎，将数据添加到引擎中，并添加了均值回归策略和参数。然后，我们设置了初始现金和交易费用，并输出了初始和最终的账户价值。最后，我们使用cerebro.run()方法运行回测引擎，进行回测。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

小刘要努力。

顺便点一个赞

¥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

实付元
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