使用 Pandas 在 Python 中对移动平均线交叉进行回测
移动平均线交叉策略
移动平均线交叉技术是一种非常著名的简单动量策略。它通常被认为是量化交易的“Hello World”示例。
此处概述的策略仅适用于多头。创建两个单独的简单移动平均线过滤器，具有特定时间序列的不同回溯期。当较短的回溯移动平均线超过较长的回溯移动平均线时，就会出现购买资产的信号。如果较长的平均值随后超过较短的平均值，则资产将被卖回。当时间序列进入强劲趋势期然后缓慢逆转趋势时，该策略非常有效。
对于这个例子，我选择了苹果公司（AAPL）作为时间序列，短回溯期为 100 天，长回溯期为 400 天。这是zipline 算法交易库提供的示例。因此，如果我们希望实现自己的回测器，我们需要确保它与 zipline 中的结果相匹配，作为验证的基本手段。
执行
请务必遵循此处的上一个教程，其中描述了如何构建回测器的初始对象层次结构，否则下面的代码将不起作用。对于这个特定的实现，我使用了以下库：
- Python——2.7.3
- NumPy-1.8.0
- 熊猫-0.12.0
- matplotlib-1.1.0
实现ma_cross.py需要backtest.py上一个教程中的步骤。第一步是导入必要的模块和对象：
# ma_cross.py
import datetime
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas.io.data import DataReader
from backtest import Strategy, ortfolio
与上一教程一样，我们将对Strategy抽象基类进行子类化以生成MovingAverageCrossStrategy，它包含有关如何在 AAPL 的移动平均线相互交叉时生成信号的所有细节。
该对象需要对short_window和进行操作。这两个值分别设置为默认值 100 天和 400 天，与ziplinelong_window主示例中使用的参数相同。
移动平均线是使用 pandasrolling_mean函数对bars['Close']AAPL 股票的收盘价创建的。构建单个移动平均线后，signal通过将列设置为 1.0（当短期移动平均线大于长期移动平均线时）或 0.0（否则）来生成系列。由此positions可以生成订单来表示交易信号。
# ma_cross.py
class MovingAverageCrossStrategy(Strategy):
"""
Requires:
symbol - A stock symbol on which to form a strategy on.
bars - A DataFrame of bars for the above symbol.
short_window - Lookback period for short moving average.
long_window - Lookback period for long moving average."""
def __init__(self, symbol, bars, short_window=100, long_window=400):
self.symbol = symbol
self.bars = bars
self.short_window = short_window
self.long_window = long_window
def generate_signals(self):
"""Returns the DataFrame of symbols containing the signals
to go long, short or hold (1, -1 or 0)."""
signals = pd.DataFrame(index=self.bars.index)
signals['signal'] = 0.0
# Create the set of short and long simple moving averages over the
# respective periods
signals['short_mavg'] = pd.rolling_mean(bars['Close'], self.short_window, min_periods=1)
signals['long_mavg'] = pd.rolling_mean(bars['Close'], self.long_window, min_periods=1)
# Create a 'signal' (invested or not invested) when the short moving average crosses the long
# moving average, but only for the period greater than the shortest moving average window
signals['signal'][self.short_window:] = np.where(signals['short_mavg'][self.short_window:]
> signals['long_mavg'][self.short_window:], 1.0, 0.0)
# Take the difference of the signals in order to generate actual trading orders
signals['positions'] = signals['signal'].diff()
return signals
MarketOnClosePortfolio是从 子类化而来的Portfolio，可以在 中找到。它backtest.py与前一个教程中描述的实现几乎相同，不同之处在于交易现在是以“收盘价到收盘价”为基础进行的，而不是“开盘价到开盘价”为基础。有关如何Portfolio定义对象的详细信息，请参阅前一个教程。我保留了代码以保持完整性并使本教程独立：
# ma_cross.py
class MarketOnClosePortfolio(Portfolio):
"""Encapsulates the notion of a portfolio of positions based
on a set of signals as provided by a Strategy.
Requires:
symbol - A stock symbol which forms the basis of the portfolio.
bars - A DataFrame of bars for a symbol set.
signals - A pandas DataFrame of signals (1, 0, -1) for each symbol.
initial_capital - The amount in cash at the start of the portfolio."""
def __init__(self, symbol, bars, signals, initial_capital=100000.0):
self.symbol = symbol
self.bars = bars
self.signals = signals
self.initial_capital = float(initial_capital)
self.positions = self.generate_positions()
def generate_positions(self):
positions = pd.DataFrame(index=signals.index).fillna(0.0)
positions[self.symbol] = 100*signals['signal'] # This strategy buys 100 shares
return positions
def backtest_portfolio(self):
portfolio = self.positions*self.bars['Close']
pos_diff = self.positions.diff()
portfolio['holdings'] = (self.positions*self.bars['Close']).sum(axis=1)
portfolio['cash'] = self.initial_capital - (pos_diff*self.bars['Close']).sum(axis=1).cumsum()
portfolio['total'] = portfolio['cash'] + portfolio['holdings']
portfolio['returns'] = portfolio['total'].pct_change()
return portfolio
既然MovingAverageCrossStrategy和MarketOnClosePortfolio类已经定义，__main__将调用一个函数将所有功能绑定在一起。此外，还将通过权益曲线图检查策略的表现。
pandasDataReader对象下载 1990 年 1 月 1 日至 2002 年 1 月 1 日期间 AAPL 股票的 OHLCV 价格，此时signals创建 DataFrame 以生成多头信号。随后以 100,000 美元的初始资本基础生成投资组合，并根据股权曲线计算收益。
最后一步是使用 matplotlib 绘制 AAPL 价格的双图，叠加移动平均线和买入/卖出信号，以及具有相同买入/卖出信号的权益曲线。绘图代码取自（并经过修改）zipline实现示例。
# ma_cross.py
if __name__ == "__main__":
# Obtain daily bars of AAPL from Yahoo Finance for the period
# 1st Jan 1990 to 1st Jan 2002 - This is an example from ZipLine
symbol = 'AAPL'
bars = DataReader(symbol, "yahoo", datetime.datetime(1990,1,1), datetime.datetime(2002,1,1))
# Create a Moving Average Cross Strategy instance with a short moving
# average window of 100 days and a long window of 400 days
mac = MovingAverageCrossStrategy(symbol, bars, short_window=100, long_window=400)
signals = mac.generate_signals()
# Create a portfolio of AAPL, with $100,000 initial capital
portfolio = MarketOnClosePortfolio(symbol, bars, signals, initial_capital=100000.0)
returns = portfolio.backtest_portfolio()
# Plot two charts to assess trades and equity curve
fig = plt.figure()
fig.patch.set_facecolor('white') # Set the outer colour to white
ax1 = fig.add_subplot(211, ylabel='Price in $')
# Plot the AAPL closing price overlaid with the moving averages
bars['Close'].plot(ax=ax1, color='r', lw=2.)
signals[['short_mavg', 'long_mavg']].plot(ax=ax1, lw=2.)
# Plot the "buy" trades against AAPL
ax1.plot(signals.ix[signals.positions == 1.0].index,
signals.short_mavg[signals.positions == 1.0],
'^', markersize=10, color='m')
# Plot the "sell" trades against AAPL
ax1.plot(signals.ix[signals.positions == -1.0].index,
signals.short_mavg[signals.positions == -1.0],
'v', markersize=10, color='k')
# Plot the equity curve in dollars
ax2 = fig.add_subplot(212, ylabel='Portfolio value in $')
returns['total'].plot(ax=ax2, lw=2.)
# Plot the "buy" and "sell" trades against the equity curve
ax2.plot(returns.ix[signals.positions == 1.0].index,
returns.total[signals.positions == 1.0],
'^', markersize=10, color='m')
ax2.plot(returns.ix[signals.positions == -1.0].index,
returns.total[signals.positions == -1.0],
'v', markersize=10, color='k')
# Plot the figure
fig.show()
代码的图形输出如下。我%paste在 Ubuntu 中使用 IPython 命令将其直接放入 IPython 控制台，以便图形输出仍然可见。粉红色的上升线代表购买股票，而黑色的下降线代表卖回股票：
1990 年 1 月 1 日至 2002 年 1 月 1 日 AAPL 移动平均线交叉表现
可以看出，该策略在此期间亏损，有五次往返交易。考虑到 AAPL 在此期间的表现，这并不奇怪，当时 AAPL 处于略微下降的趋势，随后从 1998 年开始出现大幅上涨。移动平均线信号的回溯期相当长，这影响了最后一笔交易的利润，否则该策略可能会盈利。