引入c9_math这个模块 最高价和最低价的查询部分,就实现了代码的优化和简化 importc9_pmathas pmath defOpenPrice(priceSeq):Open=priceSeq[0]return(Open)defHighPrice(priceSeq):High=pmath.findMax(priceSeq)return(High)defLowPrice(priceSeq):Low=pmath.findMin(priceSeq)return(Low)defClosePrice(priceSeq...
print(signal) 为了后续的回测,简单构建了一个因子,即当前价格>6.50,就买入,否则就卖出,并且打印出了signal change_pos = signal-signal.shift(1) change_pos[0] = 0 change_pos.iloc[-1] = -change_pos.iloc[:-2].sum() print(change_pos) 根据signal的值,计算出动态的买入卖出位置,因为最终的仓位设置...
优化策略:如果回测结果不理想,交易者可以进行策略的优化,调整参数或修改规则,然后重新进行回测。 未来性检验:回测的一个关键问题是防止未来数据的泄漏。未来性检验是确保在设计和评估策略时只使用历史数据的一部分,以模拟实际交易中只能使用已知信息的情况。 接下来,这是一个简单的移动平均交叉策略的回测实例代码: 实例...
“根据代码返回对应股票的上市时间 get_open_date()” “表示当前是否开启回测模式 ContextInfo.do_back_test” “获取回测基准 ContextInfo.benchmark” “设定回测系统输出日志显示级别 ContextInfo.data_info_level” “获取某个记录类型对应的某个时刻的记录情况 get_result_records()” 我们继续来分享QMT量化平台...
import pandas as pd import matplotlib.pyplot as plt from _future_ import division # 获取数据函数 def get_stock_data(stock_code, index_code, start_date, end_date): linn :param stock_code:股票代码,例如sz000002 :param index_code:指数代码,例如sh000001 :param start_date: 回测开始日期,例如199...
Python量化交易学习笔记(11)——第一个策略回测程序v9,v9主要介绍如何引入技术指标数据,通过引入技术指标来添加新的策略。在程序中,引入了移动平均值这一技术指标:当收盘价大于移动平均值时买入如果在场内,当收盘价小于移动平均值时卖出只允许单笔交易,即如果场内目
下面将基于该原理,计算股价收益率的Zscore值,即以标准差为单位来衡量某一日收益率与平均收益率之间的离差情况。Talk is cheap, show your code!下面直接给出使用Python构建量化回测框架的过程和回测结果。 使用Python进行策略回测 01数据准备与探索分析 全文使用tushare获取股票数据,在Jupyter notebook上运行代码。长期...
下面将基于该原理,计算股价收益率的Zscore值,即以标准差为单位来衡量某一日收益率与平均收益率之间的离差情况。Talk is cheap, show your code!下面直接给出使用Python构建量化回测框架的过程和回测结果。3使用Python进行策略回测01 数据准备与探索分析 全文使用tushare获取股票数据,在Jupyter notebook上运行代码。长期...
代码展示 import matplotlib.pyplot as plt importnumpy as np # 参数设定 K1 = 45 K2 = 50 K3 =...
(一)根据代码返回对应股票的上市时间 get_open_date() 用法: get_open_date('stockcode') 释义: 根据代码返回对应股票的上市时间 参数: stockcode:股票代码,如'000001.SZ',缺省值 ' ' 默认为当前图代码 返回: number 示例: (二)表示当前是否开启回测模式 ContextInfo.do_back_test ...