回測股票交易策略─Python筆記(3)
之前我們建立了自動抓取股票歷史交易數據的程式，藉由這個程式我們能自由擷取想研究的股票的歷史資料。而這些資料除了可以用來繪製線圖以外，最常被使用的就是「交易策略回測」了。利用過往的成交資料，套入自訂的交易策略並模擬交易，由程式中設定的條件交由電腦幫我們下單，藉這樣的回測可以驗證你的交易策略是否有效。
首先我們先複習一下抓取歷史股價資料的程式，原先我使用的是twstock模組，但考慮到抓取美股資料的需求，因此將資料來源轉換成yfinance也就是從Yahoo財經抓取資料，並存成CSV，供接下來的程式使用。
import yfinance as yf
import pandas as pd
from pandas_datareader import data
from datetime import datetime
yf.pdr_override() #以pandasreader常用的格式覆寫
target_stock = 'TSLA' #股票代號變數
start_date = datetime(2010, 1, 1)
end_date = datetime(2020, 6, 30) #設定資料起訖日期
df = data.get_data_yahoo([target_stock], start_date, end_date) #將資料放到Dataframe裡面
filename = f'./data/{target_stock}.csv' #以股票名稱命名檔案，放在data資料夾下面
df.to_csv(filename) #將df轉成CSV保存
執行這個程式就可以得到特斯拉自2010/01/01~2020/06/30的歷史股價資料了(這邊因為特斯拉是2010/06/29才開始交易，所以最舊一筆資料會是2010/06/29)：
Open High Low Close Adj Close Volume
Date
2010-06-29 19.000000 25.000000 17.540001 23.889999 23.889999 18766300
2010-06-30 25.790001 30.420000 23.299999 23.830000 23.830000 17187100
2010-07-01 25.000000 25.920000 20.270000 21.959999 21.959999 8218800
2010-07-02 23.000000 23.100000 18.709999 19.200001 19.200001 5139800
2010-07-06 20.000000 20.000000 15.830000 16.110001 16.110001 6866900
... ... ... ... ... ... ...
2020-06-23 998.880005 1012.000000 994.010010 1001.780029 1001.780029 6365300
2020-06-24 994.109985 1000.880005 953.140015 960.849976 960.849976 10959600
2020-06-25 954.270020 985.979980 937.150024 985.979980 985.979980 9254500
2020-06-26 994.780029 995.000000 954.869995 959.739990 959.739990 8854900
2020-06-29 969.010010 1010.000000 948.520020 1009.349976 1009.349976 9026400
[2518 rows x 6 columns]
使用模組
回測的程式最主要的模組就是backtesting.py，這個模組對於新手來說非常簡單易用，而且除了輸出回測交易結果之外，backtesting還會生成一個可互動的線圖網頁，讓用戶能回顧整個交易歷程，相當方便。廢話不多說，開始寫程式吧！
引入模組
from backtesting import Backtest, Strategy #引入回測和交易策略功能
from backtesting.lib import crossover #從lib子模組引入判斷均線交會功能
from backtesting.test import SMA #從test子模組引入繪製均線功能
import pandas as pd #引入pandas讀取股價歷史資料CSV檔
定義交易策略
交易策略有很多個面向，這邊我先示範最基本的均線(Moving Average)判斷，設定5日均線(周線)和20日均線(月線)，當周線往上走超過月線時，表示股票進入上漲的趨勢，這時就選擇買進。而當周線又再度與月線交叉時，表示股票開始下跌，則選擇賣出。這樣一來一往，雖然不會買在起漲點，但也不會被殺在谷底，藉此維持一定水準的報酬。 情況|動作 —|— 周線向上突破月線，開始上漲|買入股票 周現向下跌破月線，開始下跌|賣出股票
class SmaCross(Strategy): #交易策略命名為SmaClass，使用backtesting.py的Strategy功能
n1 = 5 #設定第一條均線日數為5日(周線)
n2 = 20 #設定第二條均線日數為20日(月線)，這邊的日數可自由調整
def init(self):
self.sma1 = self.I(SMA, self.data.Close, self.n1) #定義第一條均線為sma1，使用backtesting.py的SMA功能算繪
self.sma2 = self.I(SMA, self.data.Close, self.n2) #定義第二條均線為sma2，使用backtesting.py的SMA功能算繪
def next(self):
if crossover(self.sma1, self.sma2): #如果周線衝上月線，表示近期是上漲的，則買入
self.buy()
elif crossover(self.sma2, self.sma1): #如果周線再與月線交叉，表示開始下跌了，則賣出
self.sell()
導入要回測的股票標的
完成策略的定義之後，就可以導入我們目標的股票，並用pandas將其格式化。
stock = "TSLA" #設定要測試的股票標的名稱
df = pd.read_csv(f"./data/{stock}.csv", index_col=0) #pandas讀取資料，並將第1欄作為索引欄
df = df.interpolate() #CSV檔案中若有缺漏，會使用內插法自動補值，不一定需要的功能
df.index = pd.to_datetime(df.index) #將索引欄資料轉換成pandas的時間格式，backtesting才有辦法排序
回測功能
回測功能的程式非常簡單，可以想像backtesting模組內建一個回測大腦，我們只要將設定好的策略及股價資訊提供給它，再設定好我們回測程式起始手上的現金與交易的手續費比例，backtesting就能幫我們完成其它複雜的運算了。
test = Backtest(df, SmaCross, cash=10000, commission=.002)
# 指定回測程式為test，在Backtest函數中依序放入(資料來源、策略、現金、手續費)
result = test.run()
#執行回測程式並存到result中
輸出結果
回測程式已經完成，接下來要輸出結果，在backtesting.py模組中提供兩種結果呈現方式，第一種是單純輸出純文字資料，內容包含交易次數、時間、報酬率、最終資產等等；另一種則是以網頁的方式呈現，是可互動的線圖，使用者可以看到每次買進和賣出的時間點以及資產的累積狀況。
print(result) # 直接print文字結果
test.plot(filename=f"./backtest_result/{stock}.html") #將線圖網頁依照指定檔名保存
程式執行結果
如果我們執行以上程式碼，便可以看到我們以這個均線交叉策略購買特斯拉的股票，自2010/06/29到2020/06/29的回測結果了。
Start 2010-06-29 00:00:00 起始時間
End 2020-06-29 00:00:00 結束時間
Duration 3653 days 00:00:00 經過天數
Exposure [%] 96.5782 投資比率
Equity Final [$] 51692.9 最終資產
Equity Peak [$] 52497 最高資產
Return [%] 416.929 報酬率
Buy & Hold Return [%] 4124.99 買入持有報酬率
Max. Drawdown [%] -80.6771 最大交易回落
Avg. Drawdown [%] -15.2517 平均交易回落
Max. Drawdown Duration 1037 days 00:00:00 最長交易回落期間
Avg. Drawdown Duration 120 days 00:00:00 平均交易回落期間
# Trades 149 交易次數
Win Rate [%] 38.255 勝率
Best Trade [%] 353.968 最好交易報酬率
Worst Trade [%] -17.9826 最差交易報酬率
Avg. Trade [%] 2.81325 平均交易報酬率
Max. Trade Duration 197 days 00:00:00 最長交易間隔
Avg. Trade Duration 24 days 00:00:00 平均交易間隔
Expectancy [%] 11.1337 期望值
SQN 0.708816 系統品質指標
Sharpe Ratio 0.0875347 夏普比率
Sortino Ratio 0.672486 索丁諾比率
Calmar Ratio 0.0348704 卡瑪比率
_strategy SmaCross 使用策略名稱
而線圖網頁部分則是這樣，可互動的介面非常方便。
運用在台股
這邊以台積電做範例，要修改的地方有下面幾項：
- 擷取歷史資料的程式中
target_stock變數要指定為'2330.TW'(Line 8) - 回測程式中的
stock變數也要指定為'2330.TW'(Line 22) - 回測程式中的手續費要改為
.004，以平均0.04%交易費用計算 (Line 29)
接著執行程式我們就能得到均線交叉策略購買台積電的回測結果以及線圖了(是賠錢的嗚嗚嗚)。
Start 2010-01-04 00:00:00
End 2020-06-29 00:00:00
Duration 3829 days 00:00:00
Exposure [%] 97.8062
Equity Final [$] 3128.54
Equity Peak [$] 10518.2
Return [%] -68.7146
Buy & Hold Return [%] 380.74
Max. Drawdown [%] -79.3499
Avg. Drawdown [%] -32.6934
Max. Drawdown Duration 3449 days 00:00:00
Avg. Drawdown Duration 1255 days 00:00:00
# Trades 162
Win Rate [%] 33.3333
Best Trade [%] 22.9392
Worst Trade [%] -10.8921
Avg. Trade [%] -0.629596
Max. Trade Duration 98 days 00:00:00
Avg. Trade Duration 24 days 00:00:00
Expectancy [%] 3.53282
SQN -2.42403
Sharpe Ratio -0.13655
Sortino Ratio -0.302971
Calmar Ratio -0.00793443
_strategy SmaCross
下一篇文章我們就要進階運用backtesting.py模組裡面的功能，優化我們的交易策略，看看能不能把台積電轉回賺錢的狀態XDDD。
完整程式碼
from backtesting import Backtest, Strategy #引入回測和交易策略功能
from backtesting.lib import crossover #引入判斷均線交會功能
from backtesting.test import SMA #引入繪製均線功能
import pandas as pd #引入pandas讀取股價歷史資料CSV檔
class SmaCross(Strategy): #交易策略命名為SmaClass，使用backtesting.py的Strategy功能
n1 = 5 #設定第一條均線日數為5日(周線)
n2 = 20 #設定第二條均線日數為20日(月線)，這邊的日數可自由調整
def init(self):
self.sma1 = self.I(SMA, self.data.Close, self.n1) #定義第一條均線為sma1，使用backtesting.py的SMA功能算繪
self.sma2 = self.I(SMA, self.data.Close, self.n2) #定義第二條均線為sma2，使用backtesting.py的SMA功能算繪
def next(self):
if crossover(self.sma1, self.sma2): #如果周線衝上月線，表示近期是上漲的，則買入
self.buy()
elif crossover(self.sma2, self.sma1): #如果周線再與月線交叉，表示開始下跌了，則賣出
self.sell()
stock = "TSLA" #設定要測試的股票標的名稱
df = pd.read_csv(f"data/{stock}.csv", index_col=0) #pandas讀取資料，並將第1欄作為索引欄
df = df.interpolate() #CSV檔案中若有缺漏，會使用內插法自動補值，不一定需要的功能
df.index = pd.to_datetime(df.index) #將索引欄資料轉換成pandas的時間格式，backtesting才有辦法排序
test = Backtest(df, SmaCross, cash=10000, commission=.002)
# 指定回測程式為test，在Backtest函數中依序放入(資料來源、策略、現金、手續費)
result = test.run()
#執行回測程式並存到result中
print(result) # 直接print文字結果
test.plot(filename=f"./backtest_result/{stock}.html") #將線圖網頁依照指定檔名保存