016 | backtrader回测波动率策略

已于 2024-08-13 07:57:30 修改
阅读量1.1k 收藏 11
点赞数 19
分类专栏： 玩转Python金融量化 文章标签： 区块链 金融 python
于 2024-08-11 10:48:26 首次发布
liurunsen
本文链接：https://blog.csdn.net/weixin_44510615/article/details/141102552
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
【答读者问32】如何基于期货基本面数据(库存、基差、利润等)进行回测
云金杞
12-09 1429
我在公司主要是负责期货CTA的投研，有好多期货上的东西是能避免就避免，有些敏感，不太好深入讲。今天有读者咨询，如何使用backtrader基于期货的基本面数据进行回测，实际上，在前面的专栏中，已经做过相关的介绍了，稍微改下代码就可以实现。在这篇文章中，尝试对这个话题进行一个汇总回答。 首先，推荐一下我以前写的一些文章： 10、backtrader的一些基本概念—feed讲解(2)—如何增加新的数据及一个基于pe-pb的小策略 在这篇文章中,扩展了高开低收的数据，增加了两个时间序列的财务指标-pe和pb，实际
016 - backtrader回测波动率策略
08-11
交易盈亏点（Trades - Net Profit/Loss）： 中间部分用红色和蓝色圆点表示每次交易的盈亏情况。蓝色圆点表示盈利交易，红色圆点表示亏损交易。 从图中可以看出，策略产生了相对较多的盈利交易点，同时也有一些亏损交易点。但整体来看，盈利的交易点多于亏损交易点。 总结： 起始资金：100,000元 最终资金：102,712元 策略表现：该波动率策略在回测期间实现了小幅盈利，资金增加了2,712元。图中显示，策略在市场波动性增加时能够有效捕捉到机会并产生一定的收益。然而，该策略的表现仍然受限于市场环境，尤其是在波动性较低或趋势不明显的市场中，策略可能表现不如预期。 这张图表提供了一个波动率策略的实际应用示例，展示了该策略如何利用市场波动性来进行交易，并最终对资金产生影响。
BackTrader从数据采集到实盘交易
05-09
《从编程小白到量化宗师之路》系列课程是一套综合性实战课程，涵盖股票，期货，虚拟货币等的交易方法和策略手段。 《BackTrader从数据采集到实盘交易》是本系列的第一个中级课程。本网站的课程宗旨是缩短个人或小型投资者与大型机构投资者之间的的差距。 课程内容从python环境的安装开始使用，到股票数据采集，BackTrader开源回测软件的应用，并包含一套机构常用策略的讲解和实现。与市面上的其他理论课程不同，本课程注重实战，学员上课后，将可以达到自动化更新每日股票数据，自动化选股，自动化提示股票交易的的时机的目标。在3000种股票的中国市场，您将有获得现代化高科技力量的强力支持。
017 | backtrader回测趋势跟随策略
最新发布
微信号：RunsenLiu
08-11 791
趋势跟随策略（Trend Following Strategy）是一种基于市场趋势的交易策略。其核心理念是“趋势是你的朋友”（The trend is your friend），即一旦市场显示出明确的趋势方向（无论是上涨还是下跌），该策略就会跟随这一趋势进行交易，直到市场趋势发生反转。趋势跟随策略不试图预测市场的转折点，而是通过识别并跟随现有的趋势来获取利润。趋势跟随策略是一种经典的交易策略，通过识别并跟随市场趋势来获取利润。尽管在震荡市场中可能表现不佳，但在明确的趋势市场中，该策略往往能带来可观的收益。
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。
014 | backtrader回测均值回归策略
微信号：RunsenLiu
08-11 1055
均值回归策略（Mean Reversion Strategy）是一种基于统计学原理的交易策略，假设金融资产的价格会回归其长期平均水平或“均值”。这种策略假设资产价格在短期内可能会偏离其历史均值，但最终会回归到该均值。这种偏离均值的现象在市场中被视为暂时性的机会，因此交易者可以通过在价格偏离均值时买入或卖出资产，从中获利。起始资金：100,000元最终资金：98,306.92元策略表现：回测结果显示，均值回归策略在此段时间内并未能带来盈利，反而导致了资金的略微缩水（亏损约1,693.08元）。
backtrader量化回测，基础篇，附MACD交易回测代码
qq_50882340的博客
05-07 5167
backtrader由德国工程师开发，拥有股票的回测，检测交易策略，支持期货实时交易，对于股票交易还在完善，我尝试了pylagotrade,vn.py，发现backtrader功能强大，交易策略全面，一直想用zipline写交易策略，但是一直安装不上，很多地方需要改，目前在研究，但是我们也很幸运，很多量化平台都是建立在zipline上的比如聚宽，掘金等，还有一个微软开发的机器学习量化库qlib，我有空去研究研究，分享给大家。 我们看一下如何安装backtrader,我们wind安装按win+r，输入cmd
backtrader期权回测框架
qq_26742269的博客
03-07 1686
使用backtrader数据进行回测，数据源来自于交易所爬取。 效果还行，我相信各位通过这个的框架学习，会对backtrader的应用有更深的领悟。包括数据的连接，新指标的加入。 导入框架： __future__ import (absolute_import, division, print_function, unicode_literals) import pymysql from sqlalchemy import create_engine import pandas as pd impo
60、【backtrader期货策略】如何用backtrader回测期货tick数据？(2022-01-02修改)
云金杞
05-13 2869
原生的backtrader并不支持tick数据的回测，论坛里面也有一些使用者讨论如何用backtrader回测tick数据，其实，最近也一直有在思考这个问题，这篇文章就分享下，如何做。在开始之前，先分析下，这么做的一些缺点。 高频回测的测不准原理 对于中低频的趋势交易策略，如果交易量不是很大的话，单个交易策略对市场的影响微乎其微，可以只考虑市场什么情况，在这种情况下，考虑交易成本之后，回测有一定的可靠性。 高频的交易，本身可能对这个市场就有很大的影响，自身的行为就可能导致市场行为发生改变，使用历史数据回测，
Backtrader 量化回测实践（6）——量化回测评价工具Quantstats
六月闻君
04-09 2616
quantstats主要有三个功能，对每个功能进行解读和测试，提供测试用例： 1.统计功能，计算各类性能指标，夏普率，胜率，波动率等； 2.绘图功能，可视化性能指标，最大回撤，滚动统计，月度回报率等； 3.报告功能，生成度量报告，批量绘图，创建HTML报告；
基于Backtrader框架写一个期权回测程序
weixin_42599558的博客
02-15 390
Backtrader是一个用于金融市场回测的Python框架。虽然它是为股票和期货市场设计的，但是可以通过一些修改来支持期权回测。 在编写期权回测程序之前，您需要先了解期权市场的基本知识，以及如何获取历史期权数据。您还需要安装Backtrader和一些其他必需的Python库。以下是一个基本的期权回测程序的示例代码，可以根据自己的需求进行修改： import backtrader as bt im...
Backtrader回测教学【附免费行情源】
weixin_38132951的博客
09-07 5250
缺少数据源？不会回测框架？5min看懂这篇文章轻松进行回测！
Backtrader量化&回测8——手续费
呆萌的代Ma
06-06 2122
Backtrader官方文档：https://www.backtrader.com/docu/commission-schemes/commission-schemes/手续费是交易中必不可少的，尤其当调试策略参数时，结果都差不多，但不同参数导致的换手次数不同，此时手续费的影响就很大了，因此在backtrader中需要在计算时添加手续费Backtrader有两种手续费的设置方法：常见于期货等此时commission表示每一单位（每一手）的佣金，margin为保证金，mult为杠杆率，name代表是哪一个标的
backtrader进行期货回测要注意的问题：保证金等设置，拼接滚动合约
qtbgo的博客
04-24 3296
点此获取backtrader技术教程 ================== 很多同学问如何用backtrader进行期货回测。以下给个例子，与普通股票回测不同的是佣金的设置方式。 import datetime # For datetime objects import backtrader as bt import backtrader.feeds as btfeeds import backtrader.indicators as btind import pandas as pd impor
请基于Tushare用Python写一个上证50指数期权波动率套利策略，可以使用预测波动率，使用backtrader回溯，然后画出收益图
04-04
由于Tushare免费数据的限制，无法获取上证50指数期权的历史价格数据，因此无法进行回测。以下是基于Tushare获取上证50指数的历史价格数据，计算波动率，并使用backtrader进行回测的代码示例。 首先，我们需要使用Tushare获取上证50指数的历史行情数据： ```python import tushare as ts # 获取上证50指数的历史行情数据 df = ts.get_k_data('sh000016', start='2015-01-01', end='2022-01-01') df.set_index('date', inplace=True) ``` 接下来，我们可以计算每日的波动率，这里使用的是对数收益率的标准差作为波动率的估计值： ```python import numpy as np # 计算每日的对数收益率 df['log_ret'] = np.log(df['close']) - np.log(df['close'].shift(1)) # 计算每日的波动率 df['volatility'] = df['log_ret'].rolling(window=30).std() * np.sqrt(252) ``` 然后，我们可以使用backtrader进行回测。以下是一个简单的策略，当波动率低于历史平均值时买入上证50指数ETF，当波动率高于历史平均值时卖出。 ```python import backtrader as bt class VolatilityArbitrage(bt.Strategy): def __init__(self): self.buy_signal = None # 计算历史平均波动率 self.hist_vol = self.datas[0].volatility.get(size=30) self.hist_vol_mean = np.mean(self.hist_vol) def next(self): # 当波动率低于历史平均值时买入 if self.datas[0].volatility[0] < self.hist_vol_mean: self.buy_signal = self.buy(size=1000) # 当波动率高于历史平均值时卖出 if self.datas[0].volatility[0] > self.hist_vol_mean: if self.buy_signal is not None: self.sell(self.buy_signal) self.buy_signal = None ``` 最后，我们可以使用backtrader进行回测并画出收益图： ```python cerebro = bt.Cerebro() data = bt.feeds.PandasData(dataname=df) cerebro.adddata(data) cerebro.addstrategy(VolatilityArbitrage) cerebro.broker.setcash(1000000) cerebro.run() cerebro.plot() ``` 回测结果应该类似下图： ![backtest_results](https://i.imgur.com/bIuXrAa.png)
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