现在，让我们创建一个$ 1,000,000的虚拟投资项目，按照我们制定的规则，看看它会如何表现。规则包括：
模拟时，请记住：
这里是回溯检验方式： 我们的投资组合的价值在六年间大约增长了10％。考虑到任何一笔交易仅涉及所有投资总额的10%，这样的表现并不差。 请注意，这个交易策略并不会触发我们的止损指令。难道这意味着我们不需要止损指令吗？要回答这个问题并不简单。毕竟，如果我们选择了另一个不同的股价来判断是否卖出股票，止损指令可能真的会被触发。 止损指令会被自动触发，且不会询问为什么指令被触发。这意味着股价的真实变化与短暂波动都有可能触发止损指令，而后者我们更为关心，因为你不仅要支付订单费用，而且还无法保证以指定的价格卖出股票，这可能会使你的损失更大。同时，你交易股票的走势仍在继续，如果止损指令不被触发，你甚至可以从中获利。也就是说，止损指令能够帮助你保持自己的情绪，继续持有股票，即使它已经失去了自己的价值。如果你无法监控或快速访问你的投资组合，例如在度假时，它们也能发挥作用。 我曾提供了一些关于赞成和不赞成止损指令的链接，但从现在起，我不会要求我们的回溯检验系统来解释它们。虽然不太现实（我相信具有工业强度的系统应该考虑止损规则），但这简化了回溯检验任务。 更为现实的投资组合不会将投资总额的10%押注在一只股票上。更现实的做法是考虑在多只股票上投资。涉及多家公司的多笔交易可能会在任何时刻进行，并且大多数投资项目会选择股票交易，而不是现金。既然我们将在多只股票上投资，只有当移动均线交叉（不是因为止损）时才退出仓位，那么我们需要改变回溯检验的方式。例如，我们将使用pandas中的DataFrame来记录所有考虑到的股票的买卖订单，前面的循环代码也需要记录更多的信息。 我已经编写了为多只股票创建订单数据的函数，以及一个执行回溯检验的函数。 475行×3列 475行×9列 一个更为现实的投资组合投资了十二只（科技）股票，最终的资产增长达到了100%左右。这很好吗？表面上看起来并不糟糕，但我们会看到我们可以做得更好。 基准测试回溯检验只是评估交易策略有效性性的一部分。我们会对策略进行基准测试，或者与其他的可行（通常是众所周知的）策略进行比较，以确定我们所能达到的效果。 当你评估一个交易系统时，有一个策略你一定要与它比较，除了少数互惠基金与投资管理人，这个策略的效果是最好的：买入并持有SPY指数基金。有效市场假说声称，任何人都无法击败市场。因此，投资者应该一直购买反映市场结构的指数基金。SPY指数基金是一种交易所买卖基金（一种在市场上交易的类似股票的互惠基金），其值可以有效地代表了标准普尔500指数中股票的价值。通过买入并持有SPY指数基金，我们实际上可以尝试将回报与市场匹配，而不是去击败它。 以下是我获取的关于SPY的数据，以及简单地买入和持有SPY指数基金获得的收益。 买入和持有SPY指数基金的效果优于我们的交易系统，至少优于我们现在初期的系统，而且，我们甚至没有说明，考虑到费用我们这个更加复杂的策略有多么的昂贵。考虑到机会成本和与主动投资策略相关的费用，我们不应该采用这样的策略。 我们怎样才能提高我们系统的性能呢？对于初学者来说，我们可以尝试投资多样化。我们之前考虑的所有股票都属于科技公司，这意味着如果科技行业表现不佳，我们的投资项目也会受影响。我们可以开发一个能够做空股票或看跌押注的系统，这样，我们就可以利用市场上各个走向。我们还可以寻找一种能够预测股价变化的方法。但是，无论我们做什么，都必须击败这个基准测试；否则，我们的交易系统中始终会存在着机会成本。 还存在着其他的基准测试策略，如果我们的交易系统击败了"买入和持有SPY"这个策略，那么我们可以与这些策略进行比较。这类的交易策略包括：
（我最早在这里知道了这些策略。）普遍的经验仍然成立：对于一个包含大量活跃交易的复杂交易系统，如果一个涉及指数基金且不进行频繁交易的简单策略击败了它，那么不要使用这个复杂系统。实际上，这是一个难以满足的要求。 最后一点，假设你的交易系统确实在回溯检验中击败了所有的基准策略。回溯测试是否能预测未来的表现？不太可能。回溯检验存在着过拟合的倾向，所以，仅仅是回溯检验预测的上涨并不意味着未来会保持上涨。 总结虽然这篇教程以一个令人沮丧的观点结尾，但是请记住，有效市场假说有很多的批判者。我自己的看法是，随着交易变得越来越算法化，击败市场将变得更加困难。也就是说，击败市场仍然是有可能的，尽管互惠基金似乎还做不到（但是请记住，互惠基金表现得如此糟糕的部分原因，是交易所伴随的费用，但这不是指数基金关注的关注点）。 这篇教程非常简短，只涉及一种策略类型：基于移动平均线的交易策略。在实践中存在和使用着许多其他的交易信号。此外，我们并没有深入讨论有关做空股票、货币交易或者股票期权。尤其是股票期权的形式非常丰富，能够提供许多不同的方式来押注股票的走势。你可以在《Python衍生分析：数据分析，模型，仿真，校准与对冲》一书中了解更多关于衍生品（包括股票期权和其他衍生品）的信息，（对于犹他州立大学的学生）这本书可以在犹他州立大学图书馆中找到。 另一个资源（我写这篇教程时参考的文献）是O"Reilly出版的图书《Python金融分析》，也可以在犹他州立大学图书馆中找到。 请记住，我们可能（甚至很常见）在股市中亏钱。同样，我们也很难在其他领域获得像股市那样的回报，任何投资策略都应该谨慎对待投资。这篇教程的目的是介绍评估股票交易与投资的入门知识，我希望大家能够继续探索这些想法。 问题问题1基于移动均线交叉，设计一个本篇教程中描述的交易策略（你不需要考虑止损指令）。挑选至少15只自2010年1月1日就存在的股票。根据所挑选出的股票回溯检验你的策略，并模拟一个投资项目，与SPY指数基金的效果进行对比。 你能够击败市场吗？ 问题2实际上，每一笔交易都需要缴纳佣金。了解佣金的收取机制，并修改本文中的backtest()函数，使其能够模拟多种佣金制度（固定费用，投资金额的百分比等）。 此外，我们的均线交叉策略在两条均线交叉时会导致交易信号被触发。我们希望通过以下两种方式之一，确保信号触发机制更加健壮： 当移动均线相差固定金额时，触发交易 当移动均线相差一定数值的（滚动）标准差时，触发交易，标准差根据如下公式定义:
一旦进行了这些修改，重复问题1，此外，还包括一个在模拟投资项目效果时切实可行的佣金方案（可参考某个经纪公司的做法），以及移动均线间相差的能够触发交易信号的固定金额或标准差数值。 问题3我们并没有建立一个能够做空股票的交易系统。做空交易的手段很巧妙，因为做空的损失是无限大的（另一方面，多头仓位**了损失最多为购入资产的总值）。这里可以了解更多关于做空交易的信息。然后可以修改函数backtest()使其支持做空交易。这个函数会怎么决定如何进行做空销售，包括做空多少股份以及在进行其他交易时如何评估做空的股票？我们将这个问题留给你来决定。提示一点，做空股票的份额在函数内部可通过负数表示。 一旦完成了这些，重复问题1，或许还需要使用到问题2实现的功能。 英文原文：https://ntguardian.wordpress.com/2016/09/26/introduction-stock-market-data-python-2/ 本文转载于微信公众号: Python程序员(pythonbuluo)，更多微信文章请扫描关注公众号: |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
