python使用pandas进行量化回测
时间：2023-01-19 09:30:01 | 栏目：Python代码 | 点击：次
下面文章描述可能比excel高级一点，距离backtrader这些框架又差一点。做最基础的测试可以，如果后期加入加仓功能，或者是止盈止损等功能，很不合适。只能做最简单的技术指标测试。
导包，常用包导入：
import os
import akshare as ak
import requests
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import talib as ta
%matplotlib inline
plt.style.use("ggplot")
获取数据，本文使用akshare中债券数据为对象分析：
bond_zh_hs_daily_df = ak.bond_zh_hs_daily(symbol="sh010107")
添加指标：
def backtest_trend_strategy(ohlc: pd.DataFrame, fast_period: int = 50, slow_period: int = 200, threshold: float = 1.0) -> pd.DataFrame: """封装向量化回测的逻辑""" # 计算指标 ohlc["fast_ema"] = talib.EMA(ohlc.close, fast_period) ohlc["slow_ema"] = talib.EMA(ohlc.close, slow_period) ohlc["pct_diff"] = (ohlc["fast_ema"] / ohlc["slow_ema"] - 1) * 100 # 生成信号，1表示做多，-1表示做空，0表示空仓 ohlc["signal"] = np.where(ohlc["pct_diff"] > threshold, 1, 0) ohlc["signal"] = np.where(ohlc["pct_diff"] < -threshold, -1, ohlc["signal"]) # 计算策略收益率 ohlc["returns"] = np.log(ohlc["close"] / ohlc["close"].shift(1)) ohlc["strategy"] = ohlc["signal"].shift(1) * ohlc["returns"] ohlc["strategy_returns"] = ohlc["strategy"].cumsum() return ohlc
运行策略，并绘制图片：
data = strategy1(data)
fig, ax = plt.subplots(nrows=3, ncols=1, figsize=(12, 15), sharex=True)
ax[0].plot(data.index, data["close"])
ax[0].plot(data.index, data["fast_ema"])
ax[0].plot(data.index, data["slow_ema"])
ax[0].set_title("Price and Indicators")
ax[1].plot(data.index, data["signal"])
ax[1].set_title("Strategy Position")
data[["returns", "strategy"]].cumsum().plot(ax=ax[2], title="Strategy Return")
参数优化：
# 选择核心参数和扫描区间，其它参数保持不变
fast_period_rng = np.arange(5, 101, 5)
total_return = []
for fast_period in fast_period_rng:
ohlc = data.filter(["open", "high", "low", "close"])
res = backtest_trend_strategy(ohlc, fast_period, 200, 1.0)
total_return.append(res["strategy_returns"].iloc[-1])
# 散点图：策略收益率 vs 快速均线回溯期
fig, ax = plt.subplots(figsize=(12, 7))
ax.plot(fast_period_rng, total_return, "r-o", markersize=10)
ax.set_title("Strategy Return vs Fast period")
ax.set_xlabel("fast_period")
ax.set_ylabel("return(%)")