1.2 利用历史数据实现策略回测

最新推荐文章于 2025-03-19 10:19:58 发布

原创

最新推荐文章于 2025-03-19 10:19:58 发布 · 1.7k 阅读

标签

#周规则

收录于

本文介绍如何利用pandas处理历史数据，实现两个简单的交易策略：收盘价突破120日均线的买卖策略和基于周规则的买卖策略。通过2009/3/12至2019/3/12上证综指数据，计算了这两个策略的十年总回报率和年平均复利回报率，结果显示周规则策略表现优于简单均线策略。

前言
承接上文，在实现pandas进行数据清洗、作均线之后，已经可以开始实现一些简单的小策略了。
小策略一：如果当日收盘价向上突破120日均线，则买入，如果当日收盘价向下突破120日均线，则卖出。
小策略二（周规则）：如果当日收盘价向上突破前50日的最高价，则买入，如果当日收盘向下突破前20日的最低价，则卖出。
数据：2009/3/12至2019/3/12的上证综指数据，包括最高价，最低价，开盘价，收盘价，来自国泰安CSMAR数据库。

代码

#此程序用于读取上证综指的近10年数据，并且计算120日均线，利用周规则进行投资，看回报率如何
import numpy as np
import pandas as pd
import datetime
import matplotlib.pyplot as plt

data = pd.read_csv("TRD_Index.csv")
#读取收盘价
close_price = data[data["Indexcd"] == 1]["Clsindex"]
high_price = data[data["Indexcd"] == 1]["Hiindex"]
low_price = data[data["Indexcd"] == 1]["Loindex"]

#读取指数的code
stk = data["Indexcd"]
stk = stk.drop_duplicates()
#print(stk)
#最初，df只表示收盘价，行是时间，列是股票代码
df = pd.DataFrame(close_price.tolist(), index = data[data["Indexcd"] == 1]["Trddt"], columns = [stk.iloc[0]])
cls_high_low_price = {
        "close_price": close_price,
        "high_price": high_price,
        "low_price": low_price
        }
df2 = pd.DataFrame(cls_h