# 股票量化回测_第9组 **Repository Path**: wcxhs/stock-quantitative-back-test_G9 ## Basic Information - **Project Name**: 股票量化回测_第9组 - **Description**: 股票量化回测大作业～ - **Primary Language**: Python - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 10 - **Created**: 2021-12-15 - **Last Updated**: 2021-12-15 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 股票量化回测——Python解决方案 > 组员：杨智昊、罗婧渝、谢文杰、郑荟鑫、徐福佳 ## 类的划分 - **数据读取类**：```ReadFile``` - 所在文件：```fileRW.py``` - 读入pickle类型的原始数据。 - **单只股票信息管理类**：```StockInfo``` - 所在文件：```stockInfo.py``` - 给定股票ID，用户可访问单只股票的所有信息； - 可以根据需要扩展设计函数。 - **回测类**：```BackTest``` - 所在文件：```backTest.py``` - 需要调用策略类，在历史数据中根据策略进行交易； - 记录和更新每天的资产变化、持仓详情，并计算每天的收益率； - 会调用日志纪录类记录每日持仓。 - 支持自定义**回测时间段、初始资金、持仓周期**和**持有股票数**等参数。 - **数据预处理类**：```PreHandle``` - 所在文件：```pre_handle.py``` - 函数： - ```prehandle(self, dict) ```：用于涨幅策略数据预处理 - ```prehandle_db_avg_stgy(self,dict) ```：用于双均线策略数据预处理 - **策略类**：```Strategy``` - 所在文件：```strategies.py``` - 设定交易策略，需要根据历史数据更新持仓； - 交易策略目前实现了涨幅策略和双均线策略； - **涨幅策略**： - 根据前n天股票的涨幅进行交易； - 支持自定义**回测时间段、初始资金、持仓周期**和**持有股票数**。 - 将前n天股票的涨幅进行从高到低排序，取涨幅在前k名的股票进行建仓换仓，每过一个特定周期就进行调仓换股票 - **双均线策略**： ![双均线的一个例子](./figure/双均线的一个例子.png) - 双均线，一条是长周期均线（自行设置周期），一条是短周期均线（自行设置周期），当短期均线从下往上穿越长周期均线时（交点为**金叉**），进行买入。当短周期均线从上往下穿越长周期均线时（交点为**死叉**），进行卖出。 - 双均线金叉的时候，表示股票很强势；反之很弱势。那么就在强势的时候买入，弱势的时候卖出即可。 - 支持自定义**回测时间段、初始资金、短期均线、长期均线**和**持有股票数**。 - 每只股票相互独立，各自采用双均线策略进行建仓买入以及调仓卖出 - **待加策略**： - 机器学习策略 - 因为因子数据是时间序列数据，并且因子之间的关系比较复杂，所以尝试使用长短时记忆网络（LSTM）来学习历史因子数据与未来收盘价时间序列的关系。 - 与涨幅策略类似，区别在于机器学习策略基于预测的未来涨幅，涨幅策略基于历史涨幅。 - 目前实现了模型训练，暂时还没有将预测功能加入策略中，后期有时间会加入。 - 评论数选股策略 ​ 1、从东方财富网股吧上爬取相应股票的评论数和发帖时间； ​ 2、将在同一天发帖的帖子的评论数求和，得出每只股票每天的帖子评论数； ​ 3、评论数体现了投资者关注度，可以根据评论数进行选股。 - **日志记录类**：```LogRecording``` - 所在文件：```logRecording.py``` - 将每天的**持仓详情**和**每支所持有股票相对于所在持仓周期第一天的涨幅**写入本地文件。 - **可视化类**：```Visualization``` - 所在文件：```visualization.py``` - 可绘制基准收益曲线和策略收益曲线，基准收益为一直持有上证指数或沪深300指数的收益变化； - 可根据给定的**执行策略**和**回测时间**进行绘制； - 可通过调用结果分析类中的函数，绘制**分组对比柱状图**。 - **结果分析类**：```ResultAnalysis``` - 所在文件：```resultAnalysis.py``` - 可计算的评价指标有： - **总收益** - **总收益率** - **年化收益率** - 将回测的股票（组合）的总收益率换算成以年为单位的几何平均收益率。数值越高代表不考虑风险的情况下股票的表现越好。 - **最大回撤、最大回撤率、最大回撤天数** - 最大回撤是衡量策略风险的重要指标，可理解为可能发生的最大亏损幅度，其值等于策略收益曲线上，高点到后期最低点的回撤幅度的最大值。 - 最大回撤率越小，说明投资策略越稳定。 - **击败基准比率（日胜率）** - 统计日收益率打败基准收益的概率。数值越大越好，表示策略收益能力越强。 - **夏普比率** - 其数值意思为在承受单位风险的情况下，所能获取的回报。 - 通过该类，可以与一直持有基准指数的策略做对比。 - **神经网络训练类**：```TrainModel``` - 所在文件：```train_model.py``` - 用前m天全部因子的时间序列数据来预测后n天的收盘价； - 需要构造训练集和验证集，需要调用单只股票信息管理类； - 划分数据集：可以通过参数定义来设置划分比例，比如用2010-2015年的数据作为训练集，2016年的数据作为验证集，保存在验证集上预测效果最好的模型； - 设定回测时间为2017-2019年，进行回测； - 将模型应用到策略中：每到一个持仓周期进行调仓，根据历史数据预测所有股票未来的涨幅，选取前k个股票，反馈给回测系统进行买入。 - **main方法** - 总体调用各个类，实现股票量化回测的功能，以及结果分析与可视化。 ## 可视化结果 ![资金变化对比图](./figure/资金变化对比图.png) ![双均线资金变化曲线图](./figure/双均线资金变化曲线图.png) ![各项指标对比图](./figure/各项指标对比图.png) ![各项指标对比图_两个策略](./figure/各项指标对比图_两个策略.png)