量化双均线策略：（三）统计策略结果

最新推荐文章于 2025-06-08 19:51:11 发布

风云pgg

最新推荐文章于 2025-06-08 19:51:11 发布

阅读量5.7k

点赞数 3

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/mashijia986/article/details/79187799

本文介绍了量化交易策略的统计指标，包括总收益、年化收益、夏普比率、平均每日涨幅和最大回撤。通过读取CSV文件计算策略结果，夏普比率考虑了收益率与风险的平衡，波动率需按相同周期计算。最大回撤使用pd.Series.expanding().max()函数计算。以代码列表['002415', '002416', '000333']进行回测，涉及海康威视、爱施德和美的集团，初始资金100000，回测期间从2014年至2017年，结果显示2015年股灾的最大回撤控制得较好。" 79282912,6675555,C语言处理时间：获取秒、毫秒、纳秒,"['C语言', '时间编程']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

统计指标包括：总收益，年化收益，夏普比率，平均每日涨幅，最大回撤。

基于上篇Strategy类run_simulation后将res_df存储到本地的一个csv文件中，然后读取csv后计算这些统计指标，具体实现如下。

    def annual_return(df):
        change = df['capital_market_value'].iloc[-1]/df['capital_market_value'].iloc[0]-1
        annual = pow(change+1, 250/len(df)) - 1
        print('总收益为%f，年化收益为%f\n' % (change, annual))

    def sharp_ratio(df):
        from math import sqrt
        rf = 0.0284
        change = df['capital_market_value'].iloc[-1] / df['capital_market_value'].iloc[0]
        annual = pow(change, 250 / len(df)) - 1
        volatility = df['profolio_daily_return'].std() * sqrt(250)
        sharp = (annual - rf)/volatility
        print('sharp ratio is %f\n'%sharp)

    def average_change(df):
        ave = df['profolio_daily_return'].mean()
        print('平均每日涨幅为%f'%ave)

    def max_dramdown(df):
        df['max_value_before_today'] = pd.Series.expanding(df['capital_market_value']).max()
        df['drawdown