0

我目前正在尝试实施单个资产回测，其中当 zscore 低于某个阈值时生成买入信号，并在高于阈值时卖出。

df1 = pd.read_csv('XBT.csv', index_col = 0)
df1 = df1.drop(['ADJUSTED','VOLUME'], axis = 1)
df1.head()

                        OPEN        HIGH         LOW       CLOSE
Date                
2016-09-25 22:00:00 600.1650    600.2850    599.3190    599.4575
2016-09-25 22:01:00 599.4550    600.1605    599.2980    599.5125
2016-09-25 22:02:00 599.5101    601.0850    599.2945    600.1450
2016-09-25 22:03:00 600.2950    600.6150    599.3290    599.3350
2016-09-25 22:04:00 599.3350    600.1400    599.3350    599.6972

此外，我计算了滚动 zscore、阈值和累积回报。

window = 300 #HYPERPARAMETER 5 hours lookback
df1['zScore'] = (df1['CLOSE']  - df1['CLOSE'] .rolling(60).mean())/df1['CLOSE'] .rolling(60).std()
df1 = df1.dropna()
entryZscore = 4 #HYPERPARMETER arbitrary naumber based on visual observations
exitZscore = 0 #HYPER PARAMETER
df1['cumret'] = df1['CLOSE'].divide(df1['CLOSE'].ix[0])


                        OPEN    HIGH         LOW        CLOSE    zScore cumret
Date                        
2016-09-25 22:59:00 599.8950    600.1239    599.5101    599.5376    -0.068662   1.000000
2016-09-25 23:00:00 599.5626    600.0743    599.5500    599.5775    0.001960    1.000067
2016-09-25 23:01:00 599.5750    600.0372    599.2800    599.9372    0.656922    1.000667
2016-09-25 23:02:00 600.3245    600.3245    598.5426    599.8000    0.416065    1.000438
2016-09-25 23:03:00 599.8000    599.9950    599.8000    599.9901    0.749235    1.000755

对我来说，问题是创建一个 Regime 值，该值将指示我们是多头（1）、空头（-1）还是中性（0），以便稍后创建策略返回值。我试图通过创建入口和出口点来做到这一点，但从这里开始就卡住了。任何帮助将不胜感激！

df1['long entry'] = np.where((df1.zScore < - entryZscore) & ( df1.zScore.shift(1) > - entryZscore), 1, 0)
df1['long exit'] = np.where((df1.zScore > - exitZscore) & (df1.zScore.shift(1) < - exitZscore),1, 0) 
df1['short entry'] = np.where((df1.zScore >  entryZscore) & ( df1.zScore.shift(1) <  entryZscore),1, 0) 
df1['short exit'] = np.where((df1.zScore < exitZscore) & (df1.zScore.shift(1) > exitZscore),1, 0)
df1['close pct ch'] = df1['CLOSE'].pct_change()
df1 = df1.dropna()
4

1 回答 1

0

要跟踪您的职位，您需要实施整个职位管理系统。你应该使用已经支持这些东西的平台，这样你才能真正专注于交易算法。

我看过一个关于 Quantopian 的公司困境研究： https ://www.quantopian.com/posts/campbell-hilscher-szilagyi-chs-model-probability-of-corporate-failure 笔记本可能已经过时并且不再运行，但是整个想法就在那里。

于 2017-05-04T04:47:41.533 回答