[量化投资-学习笔记011]Python+TDengine从零开始搭建量化分析平台-MACD金死叉策略回测

在上一章节 MACD金死叉中结束了如何根据 MACD 金死叉计算交易信号。

目录

    • 脚本说明文档(DevChat 生成)
    • MACD 分析脚本
      • 安装依赖库
      • 参数配置
      • 查询与解析数据
      • 计算 MACD 指标
      • 判断金叉和死叉
      • 计算收益
      • 绘制图形
      • 运行脚本

本次将根据交易信号,模拟交易。更加历史数据对MACD金死叉交易策略进行回测,看一下收益如何。

下面进行一个简单的实现:

    1. 定义一个资金池
    1. 当出现买入信号且无仓位时,全仓买入。买入价为第二日收盘价(其实以第二日开盘价计算比较合理)。
    1. 当出现卖出信号且有仓位时,清仓。卖出价为第二日收盘价(同样,也是以第二日开盘价更合理)
    1. 以下程序未计算印花税等交易费用。
    1. 对金额进行了取整,方便展示。
def calculate_profit(prices, signals):
    capital = 100000  # 初始资金000001
    shares = 0  # 持有股票数量
    position = 0  # 0表示空仓,1表示持仓
    balance = 0
    profit = []
    profit.append(capital)
    for i,singal in signals:
        if singal == 'buy' and position == 0 :
            shares = int(capital / prices[i+1] / 100)
            balance = int(capital - (shares*prices[i+1]*100))
            position = 1
        elif singal  == 'sell' and position == 1 :
            capital = int(shares * 100 * prices[i+1] + balance)
            shares = 0 
            position = 0
            profit.append(capital)
    return profit

对MACD 和收益进行图形化输出

plt.figure(figsize=(12, 8))
plt.subplot(3, 1, 1)
plt.plot(df.index, df['close'])
plt.title('收盘价')
plt.xlabel('tdate')
plt.ylabel('Price')


plt.subplot(3, 1, 2)
plt.title("MACD")
plt.plot(df['DIF'],'r',linewidth=1.0,label='DIF')
plt.plot(df['DEA'],'y',linewidth=1.0,label='DEA')
plt.legend()
plt.grid()

plt.subplot(3, 1, 3)
plt.title("收益曲线")
plt.plot(profits,'r',linewidth=1.0,label='Profit')
plt.bar(range(len(profits)),profits)
plt.ylabel('RMB')
plt.legend()
plt.grid()


plt.tight_layout()
plt.show()

以下是不同股票的策略回测结果:
平安银行(000001)
[量化投资-学习笔记011]Python+TDengine从零开始搭建量化分析平台-MACD金死叉策略回测_第1张图片

全柴动力(600218)
[量化投资-学习笔记011]Python+TDengine从零开始搭建量化分析平台-MACD金死叉策略回测_第2张图片

中航高科(600862)
[量化投资-学习笔记011]Python+TDengine从零开始搭建量化分析平台-MACD金死叉策略回测_第3张图片

脚本说明文档(DevChat 生成)

再次展示一下 AI 的力量。

MACD 分析脚本

这是一个用于从 TDengine 数据库查询股票收盘价,并进行 MACD 分析的 Python 脚本示例。脚本会绘制收盘价曲线、MACD 指标曲线以及收益曲线图。

安装依赖库

确保您已安装以下依赖库:

  • requests 用于发送 RESTful 请求
  • json 用于解析 JSON 响应
  • matplotlib 用于绘制图形
  • pandas 用于处理数据

您可以使用 pip 在命令行中安装它们:

pip install requests matplotlib pandas

参数配置

在开始之前,请根据您的实际情况设置以下参数:

  • host:TDengine 数据库的主机名或 IP 地址
  • port:TDengine 数据库的端口号
  • username:TDengine 数据库的用户名
  • password:TDengine 数据库的密码
  • db_name:数据库名称
  • table_name:数据表名称
  • fcode:股票代码

查询与解析数据

首先,脚本通过 RESTful 请求从 TDengine 数据库中查询收盘价数据。然后,将查询结果解析为列表,并将时间戳和收盘价分别存储在 timestampsclose_prices 数组中。

计算 MACD 指标

接下来,使用 calculate_macd 函数计算 MACD 和信号线的值。该函数使用指定的周期参数计算指数移动平均线(EMA),然后计算 MACD 和信号线。同时,还计算了 MACD 的柱状图(MACD-Histogram)。

判断金叉和死叉

使用 check_macd 函数判断金叉和死叉的位置。该函数遍历 MACD 和信号线数组,找到金叉和死叉的位置,并将其存储在 crossing_points 数组中。

计算收益

使用 calculate_profit 函数计算根据金叉和死叉信号的策略产生的收益。在此示例中,初始资金为 100,000 RMB,根据买入和卖出信号以及股票价格的变化,计算并存储了每个时刻的资金余额,并返回收益数组 profits

绘制图形

最后,脚本使用 matplotlib 库绘制了三个子图。第一个子图展示了收盘价的曲线图,第二个子图展示了 MACD 指标的曲线图,第三个子图展示了收益曲线。

运行脚本

确保您已正确安装依赖库并设置了正确的参数后,您可以执行此 Python 脚本来运行 MACD 分析并绘制图形。

当脚本运行完毕后,将会在屏幕上打印金叉和死叉的位置以及对应的时间戳和收盘价。此外,图形窗口将显示收盘价、MACD 指标和收益曲线。

请根据您的实际需求对脚本进行自定义和调整。希望这个示例对您有所帮助!

你可能感兴趣的:(笔记,Python,TDengine,学习,笔记,python,tdengine,量化,回测)