京东量化教你如何用简单的策略回测盈利

阅读原文：http://club.jr.jd.com/quant/topic/963245

今天来教大家使用量化平台中Python的部分，完成一个简单的策略回测。

 

首先，回测界面是长这个样子的

可以看到，左半边的大部分区域是编辑代码的地方，开发环境会自动识别Python语言的关键词。在代码区上面的设置标志里面可以个性化调节开发环境的视觉效果。

 

Python的回测代码主要包括init()函数，handle_data()函数，以及其他用户自定义内容。如果在每天开盘前要进行额外的处理或计算，可选择添加before_trade()函数。

 

def init(context):

         # 这里用来写策略开始时要做什么

 

def before_trade(context):

         # 非强制，在这里写每天开盘之前要做什么，不可下单

 

def handle_data(context, data_dict):

         # 这里用来写每天开盘后要做什么，可以是计算，输出日志，或者下单

 

其中，init()是初始化函数，可以设置基准，滑点，佣金等回测参数，也可以利用context自定义变量。在Python及大部分其他编程语言中，在局部变量只在该变量定义的函数体有效，在其他函数体内是无效的。而context被定义为一个局部变量，可以把内容在不同函数代码之间传导。该函数在回测开始时运行一次。

 

handle_data()是每个交易时间点（分钟/日）时自动运行一次的函数，可以在此函数内设置交易判断和下单，是策略核心逻辑所在。

 

用户可以按照Python语言规则定义其他函数，包括运算/数据处理函数，也可以通过task()函数设置自定义函数的执行频率和执行时间。

 

接下来，我们用一个简单的策略来演示这个过程。我们策略的内容是对平安银行（000001.SZ）进行择时，如果前一天收益率大于中证全指收益率，则买入持仓，反之则不持仓。

 

首先，我们在init()函数里面设置我们的股票和比较的标的：

 

# init方法是您的初始化逻辑。context对象可以在任何方法之间传递。

def init(context):

    context.stock = '000001.SZ'

context.set_benchmark = '000985.SH'

 

其中，只要在“#”后面的内容都是注释，不会被Python编译。设置stock和set_benchmark对象时，一定要在前面加上“context.”，这样才能传递到之后的函数中。设置标的后，回测中的基准曲线和收益将采用设置的指数。

 

然后我们来编辑每个交易日的逻辑：

 

# 日或分钟或实时数据更新，将会调用这个方法

def handle_data(context, data_dict):

    price = get_history(2, '1d', 'close')[context.stock]

priceBm = get_history(2, '1d', 'close')[context.set_benchmark]

 

这部分代码获取了目标股票和标的的历史价格，其中context.stock和context.set_benchmark都在init()函数中定义好了。get_history()函数是京东量化平台封装的取历史交易数据的函数。其中“2”代表要取历史两天的数据，以便计算上个交易日的收益。“’1d’”和“'close’”分别表示数据频率为天，所需数据为收盘价。返回的价格为pandas.Series类型。各个平台函数的使用方法可以查看帮助板块中的API文档。

 

为了方便计算收益率，我自定义了一个CalRet()函数，输入连续两天的价格，计算第二天的收益率：

 

def CalRet(price):

    r = (price[1] - price[0]) / price[0]

return r

 

这段函数写在handle_data()之前。自定义函数编辑的语法符合Python语法即可。这个函数会返回float类型的r。

 

我们回到handle_data()函数，利用刚刚定义的函数和获取的股票及指数价格计算收益率：

 

    ytdRet = CalRet(price)

bmRet = CalRet(priceBm)

 

可以得到上个交易日股票的收益率ytdRet和指数收益率bmRet。之后我们进行判断，如果ytdRet大于bmRet，则全仓买入平安银行股票，否则清仓。

 

    if ytdRet > bmRet:

        order_target_percent(context.stock, 1)

    else:

        order_target_percent(context.stock, 0)

 

order_target_percent()是量化平台编辑的下单函数，可以设置某个股票的仓位至一个百分比。平台同样支持加减仓，用手数，金额等方式下单，详见API文档。

 

现在，我们就完成了这个策略的设计。回测平台会自动按照这个逻辑，在回测区间内完成交易。

我们设置回测区间为今年，初始金额为一百万，调仓频率为每天，点击“运行回测”。结果如下：

我们可以看到在回测区间内，策略和基准的净值曲线，每天盈亏，买卖等图像，以及回测的技术指标。同时可以查看相对收益，对数收益等。我们可以看到，这个策略没有能够跑赢大盘。当然，这只是一个例子。

在左边的交易详情，持仓和输出日志中可以看到回测中的具体情况，方便进行归因分析，调整策略等等，同时还可以查看历史回测记录。

 

这样我们就成功完成了整个回测过程。更详细的函数使用方法和平台功能，请参加平台的帮助板块。

阅读原文：http://club.jr.jd.com/quant/topic/963245