快捷導(dǎo)航

python實(shí)現(xiàn)馬丁策略回測(cè)3000只股票的實(shí)例代碼

更新時(shí)間：2021年01月22日 10:05:28 作者：達(dá)科索斯

這篇文章主要介紹了python實(shí)現(xiàn)馬丁策略回測(cè)3000只股票,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

上一篇文章講解了如何實(shí)現(xiàn)馬丁策略，但沒有探索其泛化能力，所以這次來嘗試回測(cè)3000只股票來查看盈利比例。

批量爬取股票數(shù)據(jù)

這里爬取數(shù)據(jù)繼續(xù)使用tushare，根據(jù)股票代碼來遍歷，因?yàn)榕廊?shù)據(jù)需要一定時(shí)間，不妨使用多線程來爬取，這里要注意tushare規(guī)定每分鐘爬取不能超過500次，除非你有很多積分，所以線程數(shù)要適當(dāng)調(diào)低。

首先我們生成上證與深證所有股票的代碼：

#上證代碼
shanghaicode = []
for i in range(600000, 604000, 1):
 shanghaicode.append(str(i))
 
#深證代碼
shenzhencode = []
for i in range(1000000, 1005000, 1):
 i = str(i)[1:] 
 shenzhencode.append(i)

然后再定義一個(gè)爬取函數(shù)，broker則是上一篇文章創(chuàng)建的實(shí)例：

def getalldata(code):
  if os.path.exists(datapath + code + '.csv'):
   print(code + 'already existed!')
   return
  metadata = broker.get_stock_pro(code)
  if len(metadata) == 0:
   return
  metadata.to_csv('C:/Users/abc/Desktop/' + code + '.csv',index = False)
  print(code + 'finished!')

導(dǎo)入多線程需要的模塊

from concurrent.futures.thread import ThreadPoolExecutor #多線程

遍歷所有代碼開始爬取，max_workers可適當(dāng)調(diào)整

executor = ThreadPoolExecutor(max_workers=3)
 for datatemp in executor.map(getalldata, shenzhencode):
  pass 
 
 executor = ThreadPoolExecutor(max_workers=3)
 for datatemp in executor.map(getalldata, shanghaicode):
  pass

批量回測(cè)股票

數(shù)據(jù)爬好后則可開始回測(cè)了，因?yàn)榛販y(cè)是CPU瓶頸運(yùn)算，所以這里就不使用多線程了，速度差不多。

首先將一只股票的回測(cè)程序封裝到函數(shù)中，回測(cè)時(shí)間設(shè)置為2020年全年，起始資金設(shè)置為20萬元：

def martinmulti(code):
 broker = backtesting(200000,'20200101', '20201231')
 #獲取股票數(shù)據(jù)
 metadata = pd.read_csv(datapath + code)
 data = np.array(metadata['close'])
 exdata = np.array(metadata['pre_close'])
 everyChange = np.array(metadata['change'])
 date = metadata['trade_date'].values
 everyChange = everyChange/data
 #開始回測(cè)
 broker.startbackmartin(data, exdata, everyChange, date)
 dicttemp = {'股票代碼': code,'終止現(xiàn)金': broker.cash}
 return dicttemp

遍歷股票代碼回測(cè)并記錄終止現(xiàn)金

cashlist = pd.DataFrame(columns= ['股票代碼','終止現(xiàn)金'])
for code in datalist:
 datatemp = martinmulti(code)
 cashlist = cashlist.append(datatemp,ignore_index=True)

回測(cè)過程如下

在這里插入圖片描述

接下來看看哪支股票獲得了最大利潤(rùn)：

在這里插入圖片描述

看看平均值

cashlist.mean()
Out[12]: 
終止現(xiàn)金 208279.115166

可以從均值看出馬丁策略賺作為一種相對(duì)保險(xiǎn)的方法賺的不多，當(dāng)然想要找到一勞永逸的方法是不可能的，并且用平均數(shù)不能代表一切，那看看盈利比例如何：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('ggplot')
plt.title("盈利分布(萬元)")
bins = []
for i in range(10000, 600000, 10000):
 bins.append(i)
plt.hist(cashlist['終止現(xiàn)金'],bins = bins)
plt.axvline(x = cashlist.mean().values,ls="-",c="green")#添加垂直直線

在這里插入圖片描述