网站制作程序下载,怎么样做好网站建设,网站开发运营职位,软件技术开发工程师下面的例子来源书籍策略比较简单#xff0c;使用N只股票构建投资组合#xff0c;计算每只股票的过去LookBack(参数)日的动量#xff0c;并作标准化处理作为股票权重#xff0c;持有Holding(参数)日#xff0c;其中权重允许为负数#xff0c;即允许做空股票。简要说来就是…下面的例子来源书籍策略比较简单使用N只股票构建投资组合计算每只股票的过去LookBack(参数)日的动量并作标准化处理作为股票权重持有Holding(参数)日其中权重允许为负数即允许做空股票。简要说来就是做过过去表现强势的股票做空过去表现弱势的股票。虽然策略比较简单但整体的测试流程和框架很明了清晰对类似策略的回测实现具有参考意义整体的流程框架为数据获取(基于付费或者免费的数据源)——》数据的时间轴对齐以及缺失数据填充——》子函数编写特定回顾期的动量计算并作标准化——》子函数编写给定回顾期和持有期组合的夏普比例计算——》计算不同回顾期和持有期下组合的夏普比例值——》进行策略参数分布图形展示一、Python下的实现测试。(1)主要用到numpy、pandas、matplotlib等几个包# -*- coding: utf-8 -*-SimpleMomentumPortfolioTestCreated on 2015/05/01author: LiYang(faruto)group : FQuantStudiocontact:farutoliyangfoxmail.com#%% importimport numpy as npimport pandas as pdimport pandas.io.data aswebimport matplotlib.pylabas pltfrom pandas importSeries,DataFramefrom collections importdefaultdict(2)数据的获取基于pandas包#%% GetDatanames [AAPL,GOOGL, MSFT, IBM, GS, MS, BAC, C]def get_px(stock, start,end):return web.get_data_yahoo(stock, start,end)[Adj Close]px DataFrame({n:get_px(n, 1/1/2005, 1/1/2015) for n in names})px.plot()(3)数据的时间轴对齐以及缺失数据填充#%% plotpx px.asfreq(B).fillna(methodpad)rets px.pct_change()retcum (1rets).cumprod()-1retcum.plot()(4)子函数编写特定回顾期的动量计算并作标准化#%% calc_momdef calc_mom(price,lookback, lag):mom_ret price.shift(lag).pct_change(lookback)ranks mom_ret.rank(axis1,ascendingFalse)demeaned ranks.subtract(ranks.mean(axis1), axis0)returndemeaned.divide(demeaned.std(axis1), axis0)当然这里是做了排序后把排序变量做标准化后返回。(5)子函数编写给定回顾期和持有期组合的夏普比例计算#%% strat_srcompound lambda x : (1 x).prod() - 1daily_sr lambda x:x.mean() / x.std()def strat_sr(prices, lb,hold):# Compute portfolio weightsfreq %dB % holdport calc_mom(prices, lb, lag1)daily_rets prices.pct_change()# Compute portfolio returnsport port.shift(1).resample(freq,howfirst)returns daily_rets.resample(freq,howcompound)port_rets (port * returns).sum(axis1)return daily_sr(port_rets) * np.sqrt(252 /hold)strat_sr(px, 70, 30)(6)计算不同回顾期和持有期下组合的夏普比例值#%% calc with difflookbacks and holdingslookbacks range(20,90, 5)holdings range(20, 90,5)dd defaultdict(dict)for lb in lookbacks:for hold in holdings:dd[lb][hold] strat_sr(px, lb, hold)ddf DataFrame(dd)ddf.index.name Holding Periodddf.columns.name Lookback Period(7)进行策略参数分布图形展示#%% heatmapdef heatmap(df, cmapplt.cm.gray_r):fig plt.figure()ax fig.add_subplot(111)axim ax.imshow(df.values, cmapcmap,interpolationnearest)ax.set_xlabel(df.columns.name)ax.set_xticks(np.arange(len(df.columns)))ax.set_xticklabels(list(df.columns))ax.set_ylabel(df.index.name)ax.set_yticks(np.arange(len(df.index)))ax.set_yticklabels(list(df.index))plt.colorbar(axim)heatmap(ddf)通过上图可以看到在此例下大概回顾期为55-60日持有期为35-40日会获取较高的夏普比率。总结可以看到在Python下使用pandas包整体的实现测试过程很简单明了。Pandas是个进行数据分析处理很赞的包。二、MATLAB下的实现测试。下面在来看下在MATLAB下的实现测试过程不同的语言各有利弊并无本质上哪个好那个坏之说本例中由于Python下的pandas包的帮助在Python下的代码更加简洁明了MATLAB下代码稍显臃肿当然也可以仿照Python下的pandas包实现一个MATLAB下的pandas包让相关的数据处理更加简洁方便。虽然MATLAB下的金融工具箱有fints(financial time series类)、timeseries类但相关的实现和处理在效率和使用上并不是特别好所以时序相关的处理我还是自己实现的并没有全部使用MATLAB自带的一些包。注MATLAB的实现测试使用的A股的数据数据的获取基于FQuantToolBox(1)函数说明functionSimpleMomentumPortfolioTest% by LiYang_faruto%Email:farutoliyangfoxmail.com% 2015/01/01%% A Little Clean Work% clear;% clc;% close all;format compact;(2)数据的获取基于FQuantToolBox%% GetDataFromWebtic;StockCodeCell {600588sh,sh600030,600446,300024sz,sz000001,600570sh};StockNameCell {用友网络,中信证券,金证股份,机器人,平安银行,恒生电子};BeginDate 20100101;EndDate 20150101;Len length(StockCodeCell);StockDataCell cell(length(StockCodeCell),1);for i 1:length(StockCodeCell)StockCode StockCodeCell{i};[StockDataCell{i}] GetStockTSDay_Web(StockCode,BeginDate,EndDate);endtoc;%% 前复权数据生成StockDataCellXRD StockDataCell;for i 1:LenStockData StockDataCell{i};AdjFlag 1;[StockDataCell{i}] CalculateStockXRD(StockData, [], AdjFlag);end(3)数据的时间轴对齐以及缺失数据填充tic;sdate datenum(BeginDate,yyyymmdd);edate datenum(EndDate,yyyymmdd);bdates busdays(sdate,edate, Daily);Bdates str2num(datestr(bdates,yyyymmdd) );StockDataCell_pre StockDataCell;for i 1:LentMat zeros(length(Bdates),8);tMat(:,1) Bdates;tMat_pre StockDataCell{i};for j 1:length(Bdates)tD Bdates(j);ind find(tMat_pre(:,1)tD,1,last);tMat(j,2:end) tMat_pre(ind,2:end);endStockDataCell{i} tMat;endtoc;%% 每只股票累计收益StockMat zeros(length(Bdates),Len1);StockMat(:,1) Bdates;for i 1:LenStockMat(:,i1) StockDataCell{i}(:,5);endRet tick2ret(StockMat(:,2:end));CumRet cumprod((1Ret))-1;scrsz get(0,ScreenSize);figure(Position,[scrsz(3)*1/4scrsz(4)*1/6 scrsz(3)*4/5 scrsz(4)]*3/4);plot(CumRet,LineWidth,1.5);xlim([0,length(Bdates)1]);Dates StockMat(2:end,1);LabelSet(gca, Dates, [],[], 1);M StockNameCell;H legend(M);H.Orientation horizontal;H.FontWeight Bold;H.FontSize 12;H.Location northoutside;str 股票累计收益;H title(str);H.FontWeight Bold;H.FontSize 15;(4)子函数编写特定回顾期的动量计算并作标准化%% sub fun calc_mom%---------------------------------------------------% calc_mom% ---------------------------------------------------function weight calc_mom(price,lookback)weight zeros(size(price));weight(:,1) price(:,1);[m,n] size(price);% weight(1:lookback,2:end) nan;weight(1:lookback,2:end) 0;for j lookback1:mfor i 2:ntData price(:,i);weight(j,i) (tData(j-1)-tData(j-lookback))/tData(j-lookback);endtemp weight(j,2:end);weight(j,2:end) (temp-mean(temp))./std(temp);endweight(isnan(weight)) 0;end当然这里与Python下稍有不同就使用标准化后的动量值返回。(5)子函数编写给定回顾期和持有期组合的夏普比例计算%% sub fun strat_sr%---------------------------------------------------% strat_sr%---------------------------------------------------function SR strat_sr(prices, lb, hold)SR 0;[m,n] size(prices);% 计算权重port calc_mom(prices,lb);port(isnan(port)) 0;% 计算组合收益PortResample [];Returns [];Ind 1;for i hold:hold:mPortResample(Ind,:) port(i-hold1,:);Returns(Ind,:) prices(i,:);Returns(Ind,2:end) (prices(i,2:end)-prices(i-hold1,2:end))./prices(i-hold1,2:end);Ind Ind 1;endport_rets PortResample(:,2:end).*Returns(:,2:end);port_rets sum(port_rets,2);% 计算年化SharpeRatioSR mean(port_rets)/std(port_rets)*sqrt(252/hold );end(6)计算不同回顾期和持有期下组合的夏普比例值%% calctic;lookbacks 20:5:90;holdings 20:5:100;DD zeros(length(lookbacks), length(holdings));for i 1:length(lookbacks)for j 1:length(holdings)lb lookbacks(i);hold holdings(j);DD(i,j) strat_sr(StockMat, lb, hold);endendtoc;(7)进行策略参数分布图形展示%% HeatPlottemp num2cell(lookbacks);temp cellfun(num2str,temp,UniformOutput,false);YVarNames temp;temp num2cell(holdings);temp cellfun(num2str,temp,UniformOutput,false);XVarNames temp;XLabelString HoldingPeriod;YLabelString LookackPeriod;Fmatrixplot(DD,ColorBar,On,XVarNames,XVarNames,YVarNames,YVarNames,...XLabelString,XLabelString,YLabelString,YLabelString);通过上图可以看到在此例下大概回顾期为25-35日持有期为60日会获取较高的夏普比率。总结本文给出了一个简化的截面动量组合测试虽然策略比较简单但整体的测试流程和框架很明了清晰对类似策略的回测实现具有参考意义整体的流程框架为数据获取(基于付费或者免费的数据源)——》数据的时间轴对齐以及缺失数据填充——》子函数编写特定回顾期的动量计算并作标准化——》子函数编写给定回顾期和持有期组合的夏普比例计算——》计算不同回顾期和持有期下组合的夏普比例值——》进行策略参数分布图形展示在Python下pandas是个数据处理非常不错的一个包另外在Python下免费的A股数据可以通过tushare 包(作者Jimmy)获取tushare 包下载地址TuShare -财经数据接口包。在MATLAB下虽然此例的实现测试稍显臃肿但也不是非常复杂。在MATLAB下免费的A股数据可以通过FQuantToolBox(作者faruto)获取FQuantToolBox下载地址FQuantToolBoxHelpOnLine
