2

我正在尝试在 R 的 Quantstrat 包中运行回测策略。该工具是小麦期货，以美分报价。合约规模为5000蒲式耳。因此，我添加了以下代码。

future(symbols, 
      currency = "USD",
      tick_size = 0.25,
      multiplier = 50)

但是，在运行模型时，如果利润太小，它似乎会亏损，这促使我查看了 blotter 包中的交易费用是如何计算的，如 github 上的这段代码所示。

#' @param ConMult Contract/instrument multiplier for the Symbol if it is not defined in an instrument specification

这是否意味着当我指定时.txnfees <- -10，税费为 50*-10 = -500，在这种情况下我应该指定 TxnFees 为 -0.2。如何指定每个订单的固定金额？

4

1 回答 1

7

为了直接回答您的问题，.txnfees <- -10在 ruleSignal 中设置将使交易的交易成本等于-10，无论交易数量如何。定义的合约中的乘数FinancialInstrument不直接影响交易成本的计算。这是您如何实现您的期望的方法...

首先是背景知识：in 的源代码addTxn是blotter交易成本在回测中发挥作用的地方quantstrat，您已经正确识别了它。TxnFees您可以作为（非正）数值或作为定义费用计算方式的函数名称的字符串传入。仔细看，你会发现这些TxnQty, TxnPrice, Symbol都是提供给TxnFee函数的所有参数。即见这部分代码addTxn：

if (is.function(TxnFees)) {
      txnfees <- TxnFees(TxnQty, TxnPrice, Symbol) 
    } else {
      txnfees<- as.numeric(TxnFees)
    }

在 quantstrat 中，通过参数ruleSignal包含交易成本的TxnFees参数（并且ruleSignal是 的参数add.rule）但是您可以传入一个自定义函数（在参数中将其名称作为字符串提供给ruleSignal），它将以您可能喜欢的方式模拟交易费用.

如果您查看已链接的同一个记事本源文件，则有一个事务成本函数的示例（查看记事本单元测试，您将看到如何使用此事务成本函数的示例）：

pennyPerShare <- function(TxnQty, ...) {
    return(abs(TxnQty) * -0.01)
}

下面是另一个完全可重现的示例，说明如何对作为交易数量函数的费用进行建模，仅出于演示目的，我使用来自stock对象的合约乘数参数，而不是future对象，但显然同样的逻辑适用于任何工具类型。在下面的示例中，对于每笔交易，收取相当于交易数量 1.5% 的费用作为交易成本。您也可以使费用成为该函数的函数TxnPrice，这是该函数的另一个参数。

#---------------------------------------------------------------
# Define the transaction cost function
txnFUN <- function(TxnQty, TxnPrice, Symbol, pct = 0.015) {
  multiStock <- getInstrument(Symbol)$multiplier
  # Do something with multiStock, here it is equal to 1, so it's effectively meaningless but shows how you could go about using it.

  fees <- abs(TxnQty) * pct * multiStock
  # Fees are a negative deduction for the trade:
  if (fees > 0) fees <- -fees

  fees
}

#-------------------------------------------------------------------------------------


library(quantstrat)


suppressWarnings(rm("order_book.RSI",pos=.strategy))
suppressWarnings(rm("account.RSI","portfolio.RSI",pos=.blotter))
suppressWarnings(rm("account.st","portfolio.st","stock.str","stratRSI","startDate","initEq",'start_t','end_t'))


strategy.st <- "RSI"

stratRSI <- strategy(strategy.st, store = TRUE)


add.indicator(strategy = strategy.st, name = "RSI", arguments = list(price = quote(getPrice(mktdata))), label="RSI")
add.signal(strategy = strategy.st, name="sigThreshold",arguments = list(threshold=70, column="RSI",relationship="gt", cross=TRUE),label="RSI.gt.70")

add.signal(strategy = strategy.st, name="sigThreshold",arguments = list(threshold=30, column="RSI",relationship="lt",cross=TRUE),label="RSI.lt.30")


add.rule(strategy = strategy.st, name='ruleSignal', arguments = list(sigcol="RSI.lt.30", sigval=TRUE, orderqty= 100, TxnFees="txnFUN", ordertype='market', orderside='long', pricemethod='market', replace=FALSE, osFUN=osMaxPos), type='enter', path.dep=TRUE)
add.rule(strategy = strategy.st, name='ruleSignal', arguments = list(sigcol="RSI.gt.70", sigval=TRUE, orderqty='all', TxnFees="txnFUN", ordertype='market', orderside='long', pricemethod='market', replace=FALSE), type='exit', path.dep=TRUE)


currency("USD")
symbols = c("SPY")
stock.str = symbols

    startDate <- "1987-01-01"
    getSymbols(stock.str,from=startDate, to= Sys.Date())

for(symbol in symbols){
    stock(symbol, currency="USD",multiplier=1)
}
SPY <- SPY["2015/"]


startDate='2005-12-31'
initEq=100000
port.st<-'RSI'

initPortf(port.st, symbols=symbols)
initAcct(port.st, portfolios=port.st, initEq=initEq)
initOrders(portfolio=port.st)
for(symbol in symbols){ addPosLimit(port.st, symbol, startDate, 300, 3 ) }

applyStrategy(strategy=strategy.st , portfolios=port.st, parameters=list(n=2) ) 

updatePortf(Portfolio=port.st,Dates=paste('::',as.Date(Sys.time()),sep=''))

检查费用是否符合交易数量的预期：

tail(getTxns(port.st, "SPY"), 15)
#                     Txn.Qty Txn.Price Txn.Fees Txn.Value Txn.Avg.Cost Net.Txn.Realized.PL
# 2017-03-28 20:00:00    -100  234.3969     -1.5 -23439.69     234.3969            178.6209
# 2017-04-05 20:00:00     100  234.2974     -1.5  23429.74     234.2974             -1.5000
# 2017-04-11 20:00:00     100  232.8943     -1.5  23289.43     232.8943             -1.5000
# 2017-04-20 20:00:00    -200  233.4515     -3.0 -46690.31     233.4515            -31.8605
# 2017-05-14 20:00:00     100  239.1338     -1.5  23913.38     239.1338             -1.5000
# 2017-05-15 20:00:00    -100  238.9149     -1.5 -23891.49     238.9149            -23.3933
# 2017-05-17 20:00:00     100  235.6210     -1.5  23562.10     235.6210             -1.5000
# 2017-05-22 20:00:00    -100  238.8851     -1.5 -23888.51     238.8851            324.9084
# 2017-06-12 20:00:00     100  243.3632     -1.5  24336.32     243.3632             -1.5000
# 2017-06-13 20:00:00    -100  243.0547     -1.5 -24305.47     243.0547            -32.3502
# 2017-06-27 20:00:00     100  243.4900     -1.5  24349.00     243.4900             -1.5000
# 2017-06-29 20:00:00     100  241.8000     -1.5  24180.00     241.8000             -1.5000
# 2017-07-05 20:00:00    -200  240.5500     -3.0 -48110.00     240.5500           -422.0002
# 2017-07-06 20:00:00     100  242.1100     -1.5  24211.00     242.1100             -1.5000
# 2017-07-12 20:00:00    -100  244.4200     -1.5 -24442.00     244.4200            229.4997
于 2017-07-16T03:15:46.357 回答