這篇文章主要介紹如何使用Python對一些簡單的交易策略進(jìn)行回測，對這塊比較感興趣的朋友可以看一看。
1.獲取證券數(shù)據(jù)
本文以A股市場為例，先獲取A股近10年的數(shù)據(jù)并保存到數(shù)據(jù)庫。
1.1.安裝數(shù)據(jù)庫（MongoDB）
為了提升運(yùn)行效率，需要將證券數(shù)據(jù)保存到本地數(shù)據(jù)庫，這里我們選擇的數(shù)據(jù)庫是MongoDB，安裝過程在此不再贅述，參照http://www.runoob.com/mongodb/mongodb-window-install.html即可，比較簡單。
1.2.編寫數(shù)據(jù)庫操作類
安裝完數(shù)據(jù)庫，我們先編寫一個工具類來管理數(shù)據(jù)庫的增刪改查等操作：
class DBManager:
def __init__(self, table_name):
self.client = MongoClient("127.0.0.1", 27017)
self.db = self.client["my_database"]
self.table = self.db[table_name]
def clsoe_db(self):
self.client.close()
# 獲取股票代碼列表(sz格式)
def get_code_list(self):
return self.table.find({}, {"ticker": 1}, no_cursor_timeout=True)
# 查詢多條數(shù)據(jù)
def find_by_key(self, request=None):
if request is None:
request = {}
return self.table.find(request)
# 查詢單條數(shù)據(jù)
def find_one_by_key(self, request=None):
if request is None:
request = {}
return self.table.find_one(request)
# 添加單條數(shù)據(jù)
def add_one(self, post, created_time=datetime.datetime.now()):
# 添加一條數(shù)據(jù)
post['created_time'] = created_time
return self.table.insert_one(post)
1.3.獲取數(shù)據(jù)
獲取證券數(shù)據(jù)的途徑主要有兩種，第一種是去網(wǎng)上找現(xiàn)成的數(shù)據(jù)接口，通過調(diào)用接口獲取數(shù)據(jù)，這種方式簡單便捷，數(shù)據(jù)的準(zhǔn)確性有保障；第二種是自己編寫數(shù)據(jù)爬蟲獲取數(shù)據(jù)，這種方式會相對麻煩一點。本文采用的是第一種方式。使用的數(shù)據(jù)接口是http://www.baostock.com/。
調(diào)用數(shù)據(jù)接口：
bs.login() # 初始化baostock
code_list = dm.get_code_list() # 獲取股票代碼列表
for item in code_list:
max_try = 8 # 失敗重連的最大次數(shù)
ticker = item["ticker"]
for tries in range(max_try):
rs = bs.query_history_k_data(ticker, "date,code,open,high,low,close,volume,amount,adjustflag,turn,"
"pctChg", frequency="w", adjustflag="3")
if rs.error_code == '0':
parse_pager(rs, ticker) # 解析數(shù)據(jù)
break
elif tries < (max_try - 1):
sleep(2)
continue
else:
log.logger.error("加載數(shù)據(jù)失敗：" + str(ticker))
log.logger.info("加載數(shù)據(jù)完成")
bs.logout()
解析數(shù)據(jù)并保存到數(shù)據(jù)庫：
# 解析數(shù)據(jù)并保存到數(shù)據(jù)庫
def parse_pager(content, ticker):
while content.next():
item_row = content.get_row_data()
__dict = {
"date": item_row[0],
"code": item_row[1],
"open": item_row[2],
"high": item_row[3],
"low": item_row[4],
"close": item_row[5],
"volume": item_row[6],
"amount": item_row[7],
"adjustflag": item_row[8],
"turn": item_row[9],
"pctChg": item_row[10]
}
dm.add_tk_item(ticker, __dict) # 將數(shù)據(jù)保存到數(shù)據(jù)庫
2.編寫交易邏輯
為了便于描述，本文選擇了一個較為簡單的交易邏輯。以周為交易周期，每周一開盤前分析各股的周macd數(shù)據(jù)，滿足交易條件則以開盤價買入并持有一周，再以當(dāng)周五的收盤價賣出。這個交易邏輯比較簡單且實操性強(qiáng)，回測的結(jié)果也有可圈可點之處（回測結(jié)果見文末）。交易邏輯的核心代碼如下：
if wmacd_list[-1] > 0 >= wmacd_list[-2]: # 判斷某支股票是否符合當(dāng)前交易邏輯
if np.mean(volume_list[-5:-1]) < volume_list[-1]:
if 0.1 >= diff_list[-1] >= 0:
data = [x for x in dm_tk.find_one_by_key({"ticker": item["ticker"]})["data_list"] if x["date"] == cur_date][0]
result_list.append(data)
def get_w_macd(price_list): # 生成每支股票的周macd數(shù)據(jù)
ema_12_list = list()
for index in range(len(price_list)):
if index == 0:
ema_12_list.append(price_list[0])
else:
ema_12_list.append(round(ema_12_list[index - 1] * 11 / 13 + price_list[index] * 2 / 13, 4))
ema_26_list = list()
for index in range(len(price_list)):
if index == 0:
ema_26_list.append(price_list[0])
else:
ema_26_list.append(round(ema_26_list[index - 1] * 25 / 27 + price_list[index] * 2 / 27, 4))
diff_list = list()
for index in range(len(ema_12_list)):
diff = ema_12_list[index] - ema_26_list[index]
diff_list.append(diff)
dea_list = list()
for index in range(len(diff_list)):
if index == 0:
dea_list.append(diff_list[0])
else:
dea_list.append(round(dea_list[index - 1] * 0.8 + diff_list[index] * 0.2, 4))
wmacd_list = list()
for index in range(len(dea_list)):
bar = (diff_list[index] - dea_list[index]) * 3
wmacd_list.append(bar)
return wmacd_list, diff_list, dea_list
以上只是該交易策略的部分代碼，讀者不需要看懂其中的邏輯，實際操作過程中應(yīng)該使用自己的交易策略。
3.模擬交易操作
編寫好交易策略后，我們開始對交易策略進(jìn)行回測。首先我們設(shè)定一些初始數(shù)據(jù)，這些數(shù)據(jù)是我們?nèi)粘＝灰字谐Ｒ姷降模热绯跏假Y金總額、當(dāng)前可用資金、最大倉位等等，由于該交易策略比較簡單，所以我們只需要設(shè)定起始資金就可以了：
capital_base = 1000000 # 起始資金設(shè)定為100萬
history_capital = list() # 用于記錄交易結(jié)果
接著我們創(chuàng)建一條時間軸，所有的交易操作都將跟隨時間軸進(jìn)行：
# 生成時間軸
def date_range(start, end, step=1, format="%Y-%m-%d"):
strptime, strftime = datetime.datetime.strptime, datetime.datetime.strftime
days = (strptime(end, format) - strptime(start, format)).days + 1
return [strftime(strptime(start, format) + datetime.timedelta(i), format) for i in range(0, days, step)]
date_list = date_range("2016-01-01", "2016-12-31") # 生成2016-01-01至2016-12-31的所有時間點
生成好時間軸后，使用for循環(huán)遍歷時間軸（模擬時間推進(jìn)，并且過濾掉周末和節(jié)假日），按照之前設(shè)定的交易策略，我們在每周一和周五進(jìn)行買入賣出操作即可。由于該策略不涉及加減倉，故我們對交易過程進(jìn)行了簡化，通過直接計算得出每周的收益。
對于更為復(fù)雜的交易策略，建議開發(fā)者分別實現(xiàn)開倉、平倉和加減倉等各種操作：
for cur_date in date_list:
if datetime.datetime.strptime(cur_date, "%Y-%m-%d").weekday() == 4: # 判斷當(dāng)前日期是否需要操作
result_list = list() # 用于記錄當(dāng)前時間符合交易條件的股票代碼
for item in code_list: # 遍歷各支股票，篩選出符合交易條件的股票
-執(zhí)行交易邏輯-
if 符合交易條件:
result_list.append(data)
# 計算本次操作的收益
if result_list:
capital = capital_base / len(result_list) # 對當(dāng)前資金進(jìn)行均分
temp_capital = 0
for item in result_list:
close_price = float(item["close"])
open_price = float(item["open"])
max_price = float(item["high"])
profit = (close_price - open_price) / open_price
temp_capital += (capital * (1 + profit))
capital_base = temp_capital
history_capital.append(capital_base) # 記錄本次操作后剩余的資金
4.統(tǒng)計結(jié)果和繪圖
模擬交易完成后我們來對結(jié)果進(jìn)行統(tǒng)計，由于我們已經(jīng)將交易的過程記錄在history_capital中，此時我們可以輕松的計算出收益率：
net_rate = (history_capital[-1] - history_capital[0]) / history_capital[0] # 計算回測結(jié)果
log.logger.info("total_profit：" + str(round(net_rate * 100, 2)) + "%")
為了讓交易的結(jié)果更加直觀，我們還可以將其繪制成折線圖，這里使用matplotlib進(jìn)行繪圖：
plt.subplot(111)
lable_x = np.arange(len(history_capital))
plt.plot(lable_x, history_capital, color="r", linewidth=1.0, linestyle="-")
plt.xlim(lable_x.min(), lable_x.max() * 1.1)
plt.ylim(min(history_capital) * 0.9, max(history_capital) * 1.1)
plt.grid(True)
plt.show()
回測結(jié)果展示（該收益曲線是在限制最大倉位的條件下得出的，如果取消該限制，收益率將更高）：
到此為止，我們就完成了對某個交易策略進(jìn)行回測的全部流程，從回測結(jié)果中可以看出，該交易策略在2014-2017這4年中有著不錯的表現(xiàn)。按照策略的規(guī)則，交易者只需要在每周一開盤前運(yùn)行策略，開盤后買進(jìn)策略推薦的股票，最后在周五收盤前賣掉即可，是易于實盤操作的。
讀者也可以自由變換交易邏輯來獲取不同的結(jié)果，通過對回測結(jié)果進(jìn)行分析，可以對我們?nèi)粘５慕灰讕硪恍椭?br>
與我交流：1003882179@qq.com
