python 股票策略_每季度仓位写回测

「爱情、让人受尽委屈。」 2023-02-13 11:57 8阅读 0赞

#### 1- 读仓位信息： ####

（1）先简单存到dic中，时间是倒序，在构造time\_list中reverse即可  
（2） str,int转换 `int(''.join(str1.split('-'))`

def read_date(file_name):
        df_all = pd.read_excel(file_name+'.xlsx',header=None)
    
        df_all = df_all.dropna(axis=0,how='all')
        df_all.columns = ['股票代码','股票名称','占基金净值比(%)']
        df_all = df_all.reset_index(drop=True)
        judge = df_all[df_all.iloc[:,0] == '股票代码']
    
        dic = {}
        for i,s_index in enumerate(judge.index):
            time = df_all['股票代码'].iloc[s_index-1]
            time = ''.join(time.split('-'))
            if s_index != judge.index[-1]:
                df_temp = df_all.iloc[s_index+1:judge.index[i+1]-1,:]
            else:
                df_temp = df_all.iloc[s_index+1:,:]
            dic[time] = df_temp
    
        return dic

#### 2- 读取收盘价： ####

取出来后的数据转格式：  
`df_close_f = df_close.pivot(index='时间',columns='股票代码',values='CLOSE')`  
取tb\_object\_1425 赋权收盘价，代码略

#### 3- 计算股票端收益率： ####

(1) `df.pct_change(1)`计算股票个券收益率  
(2) 用`np.dot(df_r,df_pos)` 矩阵计算，得到股票端收益率  
(3) 用矩阵计算要实现对齐数据`s_index = df_pos['股票代码'] \ df_r = df_r.loc[:,s_index]`  
或用自定义函数ircp.ORDER\_LIST(): `df = df.set_index(target_columns) \ df = df.loc[s_index,:] \ df = df.reset_index()`

def get_stock_r(dic, dic_close):
        time_list = list(dic.keys())
        time_list.reverse()
    
        dic_stock_r  ={}
        for time  in time_list:
            df_pos = dic[time]
            df_pos = df_pos.dropna()
            df_close = dic_close[time]
            df_r = df_close.pct_change(1)
            df_r = df_r.dropna()
    
            # df_r的 columns 和 df_pos 的index 要匹配
            s_index = df_pos['股票代码']
            df_r = df_r.loc[:,s_index]
    
            # 提高计算精度，收益率乘以100
            np_stock_r = np.dot(np.array(df_r), np.array(df_pos['占基金净值比(%)']))
            df_stock_r = pd.DataFrame(np_stock_r,index=df_r.index,columns=['stock_r'])
            dic_stock_r[time] = df_stock_r
    
        return dic_stock_r

#### 4- 运行策略： ####

（1）逐渐建仓 仓位 `np.linspace(0,0.8,len(xxx)`  
（2）非满仓下认为投货币基金  
（3）series 是对应位置加减，dataframe与series运算.add, .sub , .div 再复杂的运算可转为array，进行换算， 注意换算后是否要转置

def run_strategy(dic_stock_r, s_date):
        time_list = list(dic_stock_r.keys())
        start_date = int(time_list[0])
        end_date = ircp.CLOSE_DATE(s_date,freq='quarter')
        money_fund = 。。。
    
        df_r = pd.DataFrame()   # 记录最后的总收益
        for time in time_list:
            df_stock_r = dic_stock_r[time]
            df_stock_r.index = df_stock_r.index.astype(int)
            df_fund_r = money_fund.loc[df_stock_r.index, 'N_RETURN']
            df_fund_r = (df_fund_r - 1) * 100  # 提高计算精度，收益率乘以100
            # 第一期逐渐建仓
            if time == time_list[0]:
                # 期末仓位0.8，期间仓位逐渐递增
                # 是占净值的比例，要根据0.8折算
                stock_pos = np.linspace(0,0.8,len(df_stock_r))
                fund_pos = 1-stock_pos
                df_r_temp = np.array(df_stock_r.T)*stock_pos/0.8 + np.array(df_fund_r.T)*fund_pos
                df_r_temp = pd.DataFrame(df_r_temp.T,index=df_stock_r.index,columns=['r'])
            else:
                # 0.8的股票仓位 0.2 的货币基金仓位 是占净值的比例，不用再乘以0.8
                df_r_temp = (df_stock_r ).add(df_fund_r * 0.2,axis=0)
                df_r_temp.columns = ['r']
            df_r = pd.concat([df_r,df_r_temp],axis=0)
            print(time)
        print('整体收益率提取完成')
        return df_r

#### 5- 策略评判： ####

（1）最大回撤  
（2）真实收益  
（3）基准  
（4）胜率  
（5）平均年化收益率