最大回撤（Max Drawdown）：表示策略在历史回测过程中Thursday, May 30, 2024正在编写量化战略回测时，能够挑选行使三方平台（第三方量化平台）或自立平台（己方编写代码）两种体例。它们各自有少许优劣势，下面是它们的比照：
方便易用：大大批三方平台都供应了用户友爱的界面和可视化器材，使得战略的构筑和回测进程相对容易上手，纵使对编程不熟习的人也能够行使。
神速回测：三方平台平常会优化回测引擎，使回测的速率更疾，越发是针对大范围数据举办回测时，能够俭约大批时期。
数据和原料库：大大批三方平台会供应包罗汗青商场数据、财政数据和贸易数据等正在内的原料库，无需自行收罗数据，极大地简化了数据打点流程。
社区和支柱：常用的三方平台具有生动的用户社区和本事支柱团队，您能够正在这里调换履历、寻求资帮，管理题目尤其利便。
有限的天真性：三方平台的性能和战略构筑方式平常受到平台自身的限度，不妨无法完毕某些较为繁杂的量化战略。
数据安定性：行使三方平台必要将您的贸易数据和战略上传到平台效劳器，涉及到数据安定和隐私题目，不妨会让少许用户感触操心。
本钱：虽然少许三方平台供应免费版，但更健壮的性能和效劳不妨必要付费订阅，长久来看不妨会加多本钱。
天真性：行使自立平台编写代码，您能够完整管造战略的逻辑和完毕体例，没有受到第三方平台性能的限度，可以完毕尤其繁杂和性格化的战略。
数据管造：正在自立平台上，您能够管造己方的数据，不必要将数据上传到第三方效劳器，有更好的数据隐私和安定管造。
进修机缘：自立编写代码让您更深化明了量化贸易的道理和编程技术，有帮于进步本事水准和清楚商场。
本事恳求：对编程和量化金融学问恳求较高，必要具备相应的本事才智和学问贮备，不妨不太适合初学者。
繁杂性：自立编写代码意味着必要重新着手搭筑回测框架、打点数据、安排战略等，事业量相对较大，不妨浪费更众的时期。
回测速率：自立编写的代码正在效力上不妨不如过程优化的三方平台，越发正在打点大范围数据时。
总的来说，假使对编程不熟习或者只是念测试方便的战略友人，行使三方平台不妨更为利便急切。可是，假使有肯定的编程技术，而且心愿完毕更繁杂的量化战略，或者更合怀数据隐私和自正在度，则自立平台更适合。本期作品，咱们就将以海龟贸易战略为例，手把手教众人不借帮三方平台（除数据源）完整自立搭筑一个方便的Python回测体系，堪称量化小白用户的“保姆级教程”。
正在邦内商场，有几个常用的量化战略回测数据源，这些数据源供应了汗青商场数据和财政数据，供量化投资者用于回测和切磋战略。以下是少许常睹的中邦商场量化战略回测数据源：
Wind（万得）：Wind是中邦著名的金融数据效劳供应商，它供应平凡的金融商场数据，包罗股票、债券、期货、指数等数据，同时还供应财政数据、宏观经济数据和讯息等音信。Wind的数据遮盖鸿沟平凡，是中邦量化投资者的主要数据泉源之一。
邃晓信：邃晓信是中邦股票商场上平凡行使的一种股票贸易软件，它也供应汗青商场数据供回测行使。邃晓信的数据平常包括股票的价值、贸易量、财政目标等音信。
聚宽（JoinQuant）：聚宽是一家为量化投资者供应数据效劳的公司，它供应了丰饶的股票、基金、期货等商场的汗青数据和及时数据。聚宽还供应Python编程接口，利便投资者行使Python举办量化战略回测和贸易。
掘金量化（JQData）：掘金量化是另一家专一于量化投资数据效劳的公司，供应了股票、期货、指数等商场的汗青数据，同时也供应了Python编程接口，利便用户举办自立量化切磋和回测。
为低重合怀作品友人的进修本钱，本文就将挑选免费版Tushare数据源，获取沪深300指数的汗青数据。装配免费版Tushare库，以及汗青K线数据获取周到先容，能够参考咱们的汗青作品：。实在获取数据的代码只必要两行竣事：
接下来咱们必要构筑贸易战略回测主函数：这是一个方便的海龟贸易战略函数，该函数接收一个包括股票数据的DataFrame行为输入，并返回加多了海龟贸易战略信号以及联系策画结果的DataFrame。
海龟贸易战略是一种趋向尾随战略，其重要思念是欺骗汗青股价的冲破来发作买入和卖出信号。代码对应解锁如下：
策画20日冲破价值：分辨策画迩来20个贸易日的最高价、最低价和收盘价的滚动均匀，并记载为20d_high、20d_low和20d_close。
发作买入和卖出信号：买入信号为当日收盘价大于前一个贸易日的prev_20d_high且前一个贸易日的收盘价小于等于prev_20d_high；卖出信号为当日收盘价小于前一个贸易日的prev_20d_low且前一个贸易日的收盘价大于等于prev_20d_low。
策画持仓状况：依据买入和卖出信号，确定逐日的持仓状况，用1示意买入，0示意卖出。
其余，该函数中行使了pandas的滚动策画和位运算，涉及了数据的平移、填充等操作，因此输入的stock_dataDataFrame数据必要包括起码以下列：high（最高价）、low（最低价）、close（收盘价）。当然，这只是一个方便的海龟贸易战略示例，现实行使中不妨必要更众的调动和改良，比如插足危机管造、手续费和滑点等身分。
起首将DataFrame的索引树立为日期，并将日期列转换为Datetime类型。接下来，挪用了之前界说的turtle_trading函数，对DataFrame践诺了海龟贸易战略的回测操作。
回测进程是基于汗青数据践诺的，以是必要确保df中包括足够的汗青股票数据来举办回测。回测的结果将会存储正在df中，能够通过查看加多的列来明了战略正在汗青数据上的涌现。
践诺完回测，下一步咱们必要做的是剖释这个战略的涌现，这个剖释进程主假如通过策画回测目标举办评判：
以上段落代码策画了回测目标，用于权衡海龟贸易战略的涌现。下面注解一下每个目标的寓意：
1，年化收益率（Annual Return）：示意战略正在一年内完毕的均匀逐日收益率。依据回测结果的累计收益率，将其指数化到一年的时期跨度内，通过以下公式策画：
此中，252是一年中贸易日的数目，len(df.index)示意回测数据的总贸易日数。
2，日均收益率（Daily Return）：示意战略正在回测时代的均匀逐日收益率。策画体例为逐日收益率的方便均匀。
3，日收益率震荡率（Daily Volatility）：权衡战略逐日收益率的震荡水平。平常用模范差来器度，模范差越大，震荡性越高。
4，夏普比率（Sharpe Ratio）：是一种危机调动后的回报率目标，用于权衡每担当一单元危机，可以取得众少逾额回报。夏普比率越高，注解单元危机下的回报越高。
5，最大回撤（Max Drawdown）：示意战略正在汗青回测进程中，轻易时期从最高点到最低点的最大亏损。策画体例为最大回撤幅度除以最高点的累计收益率。
回测目标的策画可以资帮您对所拓荒战略的涌现举办评估和比拟。然而，仅仅依赖回测目标并不行完整代外战略的优劣，现实行使中还必要商讨其他身分，如贸易本钱、滑点、危机办理等，以及对区别商场处境的适宜性。以是，正在行使回测目标时，必要归纳商讨战略的团体涌现和危机状况。
结果一步，咱们将此前回测取得的结果，采用可视化的体例映现打点，即输出回测图模块：
这段代码行使matplotlib库输出了回测图，闪现了海龟贸易战略的累计收益弧线。咱们来注解一下代码的性能：
运转此段代码将正在图形窗口中显示海龟贸易战略的累计收益弧线。通过该弧线（下图），您能够直观地看到战略的收益变革状况，以及不妨的峰值和谷底。请注视，该图外只是回测结果的可视化闪现，不行庖代对战略的统统剖释和评估。
以及正在回测目标策画模块策画取得的回测目标数值，同样正在运转进程中将其打印出来：
到这里，咱们就竣事了一个方便自立搭筑的海龟贸易战略回测体系，它包罗回测数据获取、回测函数构筑与挪用、回测目标策画，以及输出回测图，四个重要步调。电脑前的你，Get到回测体系的安排小技术了吗？
本文配套的Python源码，咱们已正在大众号中举办分享。合怀数目本事宅大众号，后台答复枢纽词：海龟，即可获取完美源码。
更众战略干货，迎接插足数目本事宅的学问星球，每周一期超适用干货战略，迎接增添本事宅的片面微信sljsz01、sljsz05获取星球优惠名额。
