融安python量化交易培训费用a股和期货量化交易python入门
下载地址 https://share.weiyun.com/tIMc8ewb
资料目录 Python股票量化投资视频课程（25集完结）
Python股票量化策略培训预习材料（视频讲解+素材）
《Python机器学习与量化投资》电子书
《Python量化交易》.pdf
《Python与量化投资：从基础到实战》.pdf
《零起点TensorFlow与量化交易》.pdf
机器学习在量化投资中的应用研究_汤凌冰著 pdf
量化交易之路：用Python做股票量化分析(高清).pdf
量化投资以Python为工具.pdf
举例 向量回测
下面以上证 50ETF（510050）为例进行双均线的向量回测，其具体步骤如下。
（1）导入包。
import matplotlib.pyplot as plt
%matplotlib inline
import pandas as pd
import tushare as ts
（2）用 Tushare 获取数据，然后用 sort_index()改变其时间排序方式，再计算每天的价格变化，df.head(20)可以显示头 20 行数据，如图 5-2 所示。
# 获取数据
data = ts.get_hist_data('510050', '2017-01-01', '2018-01-01')
#50ETF 1 年日线历史数据
data = data.sort_index() #按照日期排序
df = pd.DataFrame() #创建新DataFrame
df['close'] = data['close'] #收盘价
df['change'] = data['close'] - data['close'].shift(1) #每日收盘价的变动
df.head(20) #显示头20 行数据（交易日）
图 5-2 显示头 20 行数据（部分截取）
（ 3 ） 计 算 两 条 均 线 ， 分 别 是 5 天 移 动 均 线 和 20 天 移 动 均 线 。
rolling(window=5,center=False)意味着滚动回望窗口的周期是 5，不取中位数。
# 计算均值
df['ma5'] = df['close'].rolling(window=5, center=False).mean()
df['ma20'] = df['close'].rolling(window=20, center=False).mean()
df.head(20)
（4）从图 5-3 中可以观察到，ma5 是从第 5 个交易日才开始有的（统计的是前 4 天的收盘价，加上今天的收盘价），而 ma20 是从第 20 个交易日才开始产生的。所以到 2 月 6 日所有数据才完整起来，同时从这天起（第 20 个交易日）开始产生交易信号。
图 5-3 从第 20 个交易日后开始产生信号
（5）清除空值，从 2 月 6 日开始统计：
# 删除空值
df = df.dropna()
（6）通过交易信号计算持仓情况。若快均线上穿慢均线，即 ma5 > ma20 时
产生买入信号。因为 ma5 和 ma20 是当天收盘的时候才刚刚统计出来的，所以其交易信号需要第二天开盘的时候执行。若是不注意写成当天执行的话，就隐含未来函数，导致策略回测结果偏高。因为函数必须满足时序不变性，即时间靠后的数据对时间靠前的结果不产生影响，未来函数就是时间靠后的数据对靠前结果有影响。
反之，若 ma5 < ma20，手头有多仓，则先平掉，然后再开相同数目的空仓，
如图 5-4 所示。
# 持仓情况
df['pos'] = 0 # 初始化
#交易信号判断
df['pos'][df['ma5'] >= df['ma20']] = 10000
df['pos'][df['ma5'] < df['ma20']] = -10000
df['pos'] = df['pos'].shift(1).fillna(0)
df
图 5-4 通过交易信号计算持仓情况
（7）计算净盈亏。
每天盈亏=当日持仓×当天价格变化
当仓位发生变化时，如做多变成做空，则会产生手续费。
手续费=开仓的总数（这里是 2 万股）×当日收盘价×手续费率（万分之三）
净盈亏=每天盈亏−手续费
如图 5-5 所示。
# 计算每日盈亏和手续费
df['pnl'] = df['pos']*df['change']
df['fee'] = 0 #初始化fee
df['fee'][df['pos']!= df['pos'].shift(1)] = 20000 * df['close'] * 3 / 10000
df['netpnl'] = df['pnl'] - df['fee']
df
图 5-5 计算净盈亏
（8）计算累计盈亏，如图 5-6 所示。
# 累计盈亏 cumsum()
df['cumpnl'] = df['netpnl'].cumsum()
df
图 5-6 计算累计盈亏
（9）最后绘图得到累计盈亏曲线，如图 5-7 所示。
df['cumpnl'].plot()
测试表明双均线策略并不理想。图中显示 2.3 万元人民币的本钱，在 2017 年全年最终赢利 2 千元左右。
图 5-7 累计盈亏曲线
|