海龟策略深入研究-策略回测系列-9 品种选择检验(二)

量化投资策略——海龟策略 几乎所有的宽客(Quant)都听说过海龟交易策略,该策略以海龟交易法则为核心。海龟交易法则,起源于八十年代的美国,是一套简单有效的交易法则。这个法则以及使用这个法则的人的故事被写成了一本书——《海龟交易法则》,这是一本入门量化投资的经典书籍。 海龟交易的具体规则是: 当今天的收盘价大于过去20个交易日中的最高价时,以收盘价买入; 买入后,当收盘价小于过去10个交易日中的最低价时,以收盘价卖出。 ... 阅读详情

传统筛选品种的方法


传统意义上,为保证策略的稳健性,应该进行样本内外检验,其具体步骤如下:

  1. 设定好历史回测周期,如2年的回望周期
  2. 设置固定的筛选标准,如夏普比率大于0.6
  3. 基于筛选标准,对每个品种进行策略回测,然后选择合格的品种组成投资组合
  4. 通过样本内筛选出来的组合,去预测其未来表现,如预测1年的策略表现
  5. 回望周期向后滚动,基于新组合再次筛选品种,直到预测最新年份未知

 
 

1 初步筛选

 
初步的筛选仅仅基于历史行情。

因为本次测试规定历史回测时间从2014年1月1日开始,故首先剔除在该时间点后才上市的品种,所以进行历史回测的品种从51个降低至35个。

所以一些例如苹果之类非常热门的新品种,不在本次测试范围之内。
 
 

2. 滚动回测

 
滚动回测标准如下

  • 回望周期:2年
  • 夏普比率标准:>0.6
  • 回望周期步进:1年

 

1)2014-2015 测试

对35个品种进行海龟策略的历史回测,如图所示。(下图小字“夏普统计出错”,其意思是总收益为负数,有时候转换成年化收益变成正数,导致负的夏普比率变成正数。)

enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here

根据夏普比率>0.6的准则,筛选出了17个品种,其历史表现和2016年预测表现如图所示。
投资组合在2014-2015年年化收益74.06%,百分比最大回撤-45.09%,夏普比率,1.41,整体上还可以,但是去2016年预测表现非常糟糕。这说明投资组合里噪声过多,稳健性弱。
下面分析一下挑选出来的品种成分,按交易所分类如下:

  • 中金所:沪深300股指
  • 上期所:铝、铜、螺纹钢、白银、线材、锌
  • 郑商所:普麦、一号棉花、菜籽粕、PTA
  • 大商所:玉米、鸡蛋、铁矿石、焦煤、黄大豆2号、豆粕

可以发现占绝大部分的是成交量巨大的品种,推测可能是流动性差的品种,如黄大豆2号等,导致其投资组合在2016年亏损,故非常有必要进行滚动回测来剔除表现不好的品种。
 
enter image description here
 
 

2)2015-2016 测试

 

第一次从35个样本中筛选出17个,本次同样将继续剔除噪声因子,试图提高海龟组合的预测效果,测试如图所示。
 
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here

 

经过第二轮筛选后,剩下11个品种,同样按照交易所分类,如下:

  • 上期所:铝、铜、螺纹钢、锌
  • 郑商所:普麦、一号棉花
  • 大商所:玉米、鸡蛋、铁矿石、焦炭、豆粕

在新的投资组合中,年化收益达94.05%,百分比最大回撤是-19.94%,夏普比率达2.36,整体资金曲线比较平滑,但是其组合的稳健性仍未提高,在2017年仍然亏损,百分比最大回撤达43.79%,还需要在剔除无效的样本。
 
enter image description here

 
 

3)2016-2017 测试

 
第三轮测试也是最后一轮测试,将决定最终海龟组合内品种的构成,其单品种测试效果如图所示。
enter image description here

enter image description here
enter image description here
 
第三轮筛选后,得到由铝、铜、锌、普麦、铁矿石、焦炭、豆粕组成的海龟组合,都符合了流动性强的特征,该组合的历史回测和2018年预测效果如图所示。

结果同样是不理想,在样本内表现出色,样本外却亏损。
 
enter image description here
 

说说海龟交易法则的基本原理,如何实现海龟交易策略? 原文地址:https://www.fmz.cn/digest-topic/8978 什么是海龟策略? 几乎所有的宽客(Quant)都听说过海龟交易策略,该策略以海龟交易法则为核心。海龟交易法则,起源于八十年代的美国,是一套简单有效的交易法则。这个法则以及使用这个法则的人的故事被写成了一本书——《海龟交易法则》,这是一本入门量化投资的经典书籍。 股票证券的程序化、量化交易以前门槛可不低,以前软件支持少,账户开户门槛极高。FMZ.CN(国内站)支持富途证券、中泰XTP,开通了富途证券就可以很方便的做程序化模拟盘 阅读详情

相关推荐

超参数优化过拟合了?试试滚动优化回测

超参数优化后的参数可以在未来继续有良好表现吗? 进行超参数优化后,应该选择表现最好的那组参数吗?

永远行进 1182

backtrader高级walk forward多股滚动回测

许多朋友在做策略参数优化时,都陷入了一个误区,那就是简单地在历史数据上执行参数优化,发现最优参数下,策略绩效极好,然后使用这个最优参数投入实盘,这样做基本等于自杀,过拟合的可能性太大了。稍微好一点的做法,是将历史数据分层成两部分,一部分是训练集,另一部分是测试集。在训练集上做参数优化,然后拿到最优参数后,在测试集上回测,看看回测效果如何,如何好,就投入实盘,如何回测效果不好,就继续修改策略。这样做,比较浪费数据,测试量也不够大。更好的评价参数优化效果的方法,是所谓walk forward滚动回测的方法。这里

qtbgo的博客 2421

量化策略深入研究

摘要:本文系统解析量化交易策略体系,涵盖趋势跟踪、均值回归、统计套利、高频交易和机器学习五大核心策略。详细阐述各类策略的数学模型(如双均线、布林带、协整套利)、适用场景及风险特征,并提供完整的策略评估指标体系(夏普比率、卡玛比率等)。重点强调风险控制体系,包括资金管理模型和止损策略。最后指出深度学习、另类数据等前沿方向,并推荐经典论文与开源工具。核心观点:量化策略开发是持续优化的系统工程,需兼顾逻辑驱动、严格风控和技术支撑,多策略组合是穿越市场周期的关键。

几十年资深高级架构师,技术专家的技术笔记。专注C、Java、Python、微服务、云原生、AI工程化及高并发系统分布式架构实战,分享源码剖析、性能调优与架构治理经验。 789

【量化交易笔记】12.海龟交易策略

海龟交易法则利用唐奇安通道的突破点作为买卖信号指导交易,简单而言唐奇安通道是由一条上轨线、中线和下线组成,上轨线由N1日内最高价构成,下轨线由N2日内最低价计算,当价格冲破上轨是可能的买入信号,反之,冲破下轨时是可能的卖出信号。原始的海龟交易采用唐奇安通道来追踪趋势,在趋势比较明显的行情表现不错,但是在震荡的行情中效果不佳,当然这是所有趋势型策略的通病。信息比率越大,说明该策略单位跟踪误差所获得的超额收益越高,因此,信息比率较大的策略的表现要优于信息比率较小的策略。

水滴的博客 4962

【答读者问40】谈一谈如何使用backtrader实现基于机器学习算法的滚动优化回测(事件驱动回测+向量化优化参数)?

昨天有读者咨询,使用sckit-learn等包实现机器学习算法的时候,如何滚动进行参数优化的问题,主要考虑到的一个问题就是滚动优化计算量比较大,如何能够更快实现的问题。 实际上,在前面的教程中,也提到过一些如何实现递进优化参数的问题,如果不考虑实现的效率,按照下面这篇文章的思路实现滚动优化是没有问题的。 68、backtrader的一些高级技巧—backtrader参数的可动态修改性与递进参数优化的实现方法 但是考虑到实际的情况,backtrader是基于python的以事件驱动为主的量化框架,python

云金杞 2726

基于机器学习算法的滚动优化回测实现指南

在本文中,我们将介绍如何使用backtrader框架实现基于机器学习算法的滚动优化回测。在本文中,我们将介绍如何使用backtrader框架实现基于机器学习算法的滚动优化回测。它提供了丰富的功能和灵活的API,使得我们可以轻松地构建和测试自定义的交易策略。它提供了丰富的功能和灵活的API,使得我们可以轻松地构建和测试自定义的交易策略。在这一步中,我们需要设置回测的一些参数,例如初始资金、手续费、滑点等。在这一步中,我们需要设置回测的一些参数,例如初始资金、手续费、滑点等。方法中,我们可以编写交易逻辑。

TgpActionscript的博客 468

Python量化交易03——海龟策略

Python量化交易实现海龟的策略

weixin_46277779的博客 5251

倍福TC3 PLC高速采集实战:如何用PLC-Recorder实现0.24ms级时间戳同步

本文详细介绍了倍福TC3 PLC与PLC-Recorder实现0.24ms级时间戳同步的工程实践方案。通过硬件拓扑设计、时间源选择优化、报文结构封装及同步验证方法,为工业自动化领域的高精度数据采集提供了可靠解决方案,特别适用于精密装配、激光切割等微秒级同步要求的场景。

weixin_29193359的博客 374

海龟策略深入研究-策略回测系列-8 品种选择检验(一)

策略回测操作 运行run.ipynb文件 首先进入“examples\TurtleStrategy”文件夹,通过Jupyter Notebook中打开run.ipynb可以执行策略回测。   1)调用海龟回测引擎   %matplotlib inline from datetime import datetime import numpy as np import matplotlib.p...

智能量化交易 1500

2021-8-14 EDK II编译

2021-8-14 EDK II 编译为什么要写这篇文章新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 为什么要写这篇文章 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdo

qq_45775660的博客 2949

Sentinel-1 Burst数据处理避坑实录:从aria2c报错到wget脚本救场

本文详细介绍了Sentinel-1 Burst数据处理的完整解决方案,从下载困境到高效处理技巧。针对aria2c报错等常见问题,提供了增强版wget脚本和智能分组方法,显著提升下载成功率和处理效率,特别适合科研机构和企业级网络环境下的哨兵数据处理需求。

weixin_42641998的博客 284

海龟策略深入研究-策略回测系列-10 品种选择检验(三)

本章主要讲述构建海龟组合的痛点和解决方案 构建海龟组合痛点 在追求策略稳健性前提下,通过传统的滚动测试的方法不能筛选出盈利组合,即这种适用于日内CTA策略的检验方法针对海龟组合是无效的。 构建海龟组合困难表现为以下几点:   a. 历史数据过于少 从2014年到2018年这5年间,其日线数据仅仅是1,200根。其数据过少导致调整回望周期的灵活性降低,即最多回望周期只能设置为2年、3年、4...

智能量化交易 1696

手把手教你用EG2153搭建开关电源:SOP-8封装驱动芯片的5个设计技巧

本文详细介绍了使用EG2153自振荡半桥驱动芯片搭建开关电源的五个核心设计技巧。内容涵盖从深入理解芯片工作机制、频率编程计算误区、SOP-8封装的热管理方案,到死区时间评估与外部保护电路设计,以及实战调试与故障排查指南,旨在帮助工程师实现稳定可靠的小功率电源设计。

weixin_29200485的博客 380

海龟策略深入研究-策略回测系列-11 品种选择检验(四)

重新构建投资组合 1)初步筛选 初步筛选从仅仅基于历史行情外,还加多了品种波动率和自相关性的要求,故总的来说其初步筛选条件为三点: 历史行情:2014年1月1日前上市 调整后波动率比值>1 ADF值>10% 根据初步筛选标准,剔除了不符合要求品种后,测试样本从调整前的35个缩小至27个,根据其调整后波动率比值的大小按从大到小排序,如图所示。 结合高成交量特征,...

智能量化交易 1069

自举电容的工作原理-3句话总结

1、一道面试题 照例,先抛出来一道面试题:“Buck电路的SW引脚通常会放置一颗小电容,这颗电容有什么用?”。这个问题问得比较细,非常考验被面试者的硬件基本功。 2、似懂非懂的答案 有小伙伴可能不太清楚这颗电容的作用,回答不上来。也有小伙伴脱口而出:自举电容,用来做升压的。但后面好像说不出来具体逻辑。 没具体了解过,答不上来,也没啥可惜的。但是了解过一点,但又似懂非懂的这种,给出的答案只是轻轻点水或者千篇一律,那无疑是错过了一个加分项。 3、异步Buck的自举环路组成 既然是针对Buck电路讲自举电容,前面

ltqdxl的博客 3万+

手把手教你完成基于cnn的手写数字识别系统MATLAB语言

手写数字识别是经典的 CNN 分类应用之一,常用的数据集就是 MNIST 手写数字数据集,包含 0~9 这 10 个数字的手写图片,每个数字都由 6 万幅训练图像和 1 万幅测试图像构成。为了便于直观分析,这里选择 MATLAB 工具箱提供的 DigitDataset 进行训练识别,读者也可以直接利用 MNIST 数据集或者自己设计的数据集进行实验。其中,数据集文件夹 db 如图 所示。在数据集文件夹 db 里面对每个数字都建立了子文件夹,各自包含 1000 幅 28×28 大小的二维灰度图像。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 1369

海龟策略深入研究-策略回测系列-12 品种选择检验(五)

3)3年回望周期测试 选择标准:回归夏普比率>0.4 a.2014-2016测试 对初步筛选出来的样本进行2014-2016年回测,选择回归夏普比率>0.4的品种,然后构成组合,如图所示。 根据回归夏普比率>0.4的准则,筛选出了17个品种,其历史表现和2017年预测表现如图6-31所示。投资组合在2014-2016年年化收益73.7%,百分比最大回撤-22.9...

智能量化交易 926

Python爬虫实战:利用最新技术高效爬取百度贴吧帖子内容

本文将详细介绍如何使用Python最新技术栈构建一个高效的百度贴吧爬虫,包括requests-html异步请求、BeautifulSoup4解析、数据存储到MongoDB以及应对反爬机制等完整解决方案。文章包含5000余字详细教程和完整代码实现。网络爬虫(Web Crawler)是一种自动获取网页内容的程序,广泛应用于搜索引擎、数据分析和内容聚合等领域。Python凭借其丰富的库生态系统成为爬虫开发的首选语言。贴吧作为中文互联网最大的兴趣社区,包含大量有价值的UGC内容。动态加载内容处理登录状态维持。

2201_76125261的博客 541

海龟策略深入研究-策略回测系列-16 单位头寸限制检验

vn.py实现了2个维度上的单位头寸限制,分别是单品种头寸上限是4,单个方向整体头寸上限是10。那么现在测试一下适用于国内期货品种的新海龟策略,其最优单位头寸限制数值是否与原版海龟策略一致。 实现步骤: 对单品种头寸上限分类,直接分成3、4、5, 然后基于各自的单品种头寸上限再对当个方向的整体头寸上限进行细分,分别是8、9、10、12、14、无限大。 故一共构成了3*6 = 18个测...

智能量化交易 910

SAP_SD模块销售利润中心替代简介

SAP SD模块跨公司销售利润中心替代简介 在SAP SD模块中,系统自动生成的财务凭证需要正确反映利润中心归属。当默认利润中心取值不符合业务逻辑时(如跨公司销售、多组织共用工厂等情况),需配置利润中心替代功能。该功能通过事务码0KEM定义替代规则,可根据物料、客户等条件自动替换利润中心字段。系统配置包括创建替代规则、定义先决条件、设置用户出口程序等步骤。对于复杂业务场景,还可通过用户出口或BADI增强实现。利润中心替代能确保销售收入与成本正确核算,避免利润分配错误,满足企业多维度利润分析需求。

我小时候很黑的博客 437

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

海龟策略深入研究-策略回测系列-13 长短周期信号检验

原版海龟策略的出入场交易信号分成2个版本: 短周期版本:1)入场信号:若期货指数价格突破20日最高价/最低价,买入/卖出1个头寸单位。过滤条件是上一次突破是盈利性突破,则当前入市信号无效(其保障性突破点为在55日通道入市)。 2)离场信号:采用10日唐奇安通道突破退出法则,即多头价格跌破10日最低点离场,空头价格超过10日最高点离场。 长周期版本:1)入场信号若价格突破55日最高价...

智能量化交易 1178

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

海龟策略深入研究-策略回测系列-14 上一笔盈利过滤检验

上一笔盈利过滤的意思是,若上一次交易为盈利的,则当前的交易信号无效,即当前不进行交易。 基于20日唐奇安通道,费思认为若上一次突破是盈利的,那么新突破点可能离当前价格,因为有可能跑到55日突破点上面去;若上一次突破点亏损,那么新突破点将更加接近当前价格。 若基于传统日内中高频CTA策略的视角,这是非常主观的解释:费思认为这几乎不可能连续2次出现大行情,但是事实是分钟级别的CTA策略有可...

智能量化交易 1138

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

海龟策略深入研究-策略回测系列-15 手续费滑点检验

理论上,基于日线数据的中低频趋势跟踪策略,手续费和滑点是可以忽略不计的。为了验证这个结论,进行对比测试,如图所示。 右图为包含手续费和滑点版本的海龟策略,其中手续费设置为交易所手续费的1.1倍,滑点设置为期货合约的最小价格变动。 其结果是总手续费为635364,总滑点为636794,加上手续费和滑点后,其影响在于: 结束资金从77605953降低至76333794, 年化收...

智能量化交易 1186

海龟策略:量化交易的实战应用

1983年,期货大佬理查德·丹尼斯做了一场实验:他招募了23名新手(昵称“海龟”),传授一套趋势跟踪策略,并每人给予100万美元资金。5年后,这群“海龟”中最高盈利达1.72亿美元。Anderson(2000):在国债期货和小麦市场中应用海龟交易法则,取得了超额收益,并验证了最优资产配置方法的适用性。John et al.(2004):在美国国债期货、标准普尔500指数期货和黄金期货中进行了大量市场论证,发现海龟交易法则在美国期货市场中能够取得超额收益。他们还对模型进行了优化,进一步提升了收益。

m0_70486148的博客 1662

每个量化平台必须拥有的策略?海龟策略

海龟交易法则和所有交易大师一样,对加仓和止损有着严格要求,只有盈利时才能加仓,一旦价格到达止损位需要交易者无条件止损。投机者虽然是风险偏好者,但需要注意流动性风险和价格风险。海龟交易法则认为投机者在选择投资标的时,在没有止损的前提下,海龟交易法则同样给出了止盈位置。(包含向上突破和向下突破,即做多和做空)。

meiaoxue1234的博客 1143

Hikyuu教程 | 滚动回测与滚动寻优系统

前面介绍了如何使用 hikyuu 进行策略回测参数优化,同时也提到了这种简单的参数优化本质其实是对历史数据的过拟合,通常并不具备直接使用的意义。那么有什么办法来减缓这种过拟合影响,让参数优化发挥实际的作用呢?答案是——使用滚动系统,但依然需要保持谨慎的态度,因为回测是拟合的本质并没有改变。

森林木的专栏(fasiondog) 2238
上一篇: 海龟策略深入研究-策略回测系列-8 品种选择检验(一)
下一篇: 海龟策略深入研究-策略回测系列-10 品种选择检验(三)
Trader_Python
博客等级 码龄11年 392粉丝 0原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值