用数据告诉你均线策略在马股的有效性
均线策略
移动均线算是交易者们最常用的指标之一。
因为它在各大网站或图标软件都能见到它的踪影。
一个非常常用的策略就是金叉/死叉策略，
快线穿过慢线时买入，
快线跌破慢线时卖出。
这篇文章我们来探讨这个策略在马股KLSE指数的表现如何。
数据读取
我从Yahoo Finance上下载了KLSE指数的历史数据，
要分析数据得先读取这个csv文件。
1 2 3 4 5 6 7 8 9 |
import pandas as pd
KLSE = pd.read_csv('KLSE.csv')
KLSE = KLSE.replace(',','', regex=True)
KLSE['Open'] = KLSE['Open'].astype(float)
KLSE['Close'] = KLSE['Close'].astype(float)
KLSE['Change'] = (KLSE['Close'] - KLSE['Close'].shift(1))/KLSE['Open'] + 1
KLSE.head()
|
| Date | Open | High | Low | Close | Adj Close | Volume | |
|---|---|---|---|---|---|---|---|
| 0 | 4-Jan-10 | 1272.31 | 1275.75 | 1272.25 | 1275.75 | 1275.75 | 56508200 |
| 1 | 5-Jan-10 | 1278.26 | 1290.55 | 1278.26 | 1288.24 | 1288.24 | 136646600 |
| 2 | 6-Jan-10 | 1288.86 | 1296.44 | 1288.02 | 1293.17 | 1293.17 | 117740300 |
| 3 | 7-Jan-10 | 1293.69 | 1299.70 | 1290.36 | 1291.42 | 1291.42 | 115024400 |
| 4 | 8-Jan-10 | 1294.93 | 1295.51 | 1290.86 | 1292.98 | 1292.98 | 74587200 |
策略规则
我们以最简单的双均线策略进行回测，
具体规则：
- 快线穿过慢线时买入
- 快线跌破慢线时卖出
- 不考虑交易成本
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 |
def simulate(df,fast,slow):
import talib
df['fast'] = talib.SMA(df['Close'],fast)
df['slow'] = talib.SMA(df['Close'],slow)
df.dropna(inplace = True)
gold_cross = df[df['fast'] > df['slow']].index
df.loc[gold_cross,'Cross'] = 1
gold_cross = df[df['fast'] < df['slow']].index
df.loc[gold_cross,'Cross'] = 0
df['Buy'] = df['Cross'].diff()
df['Return'] = df['Cross']*df['Change']
def norm(x):
if x == 0:
return 1
else:
return x
df['Return'] = df['Return'].apply(lambda x: norm(x))
df['Nav'] = (df['Return']).cumprod()
price_in = df.loc[df['Buy'] == 1,'Close'].values
price_out = df.loc[df['Buy'] == -1,'Close'].values
# divide by 252 because generally a year has 252 trading days
num_periods = df.shape[0]/252
rety = ((df['Nav'].iloc[-1] / df['Nav'].iloc[0]) ** (1 / (num_periods - 1)) - 1)*100.0
if len(price_out) > len(price_in):
price_out = price_out[:len(price_in)]
if len(price_in) > len(price_out):
price_in = price_in[:len(price_out)]
VictoryRatio = ((price_out - price_in)>0).mean()*100.0
DD = 1 - df['Nav']/df['Nav'].cummax()
MDD = max(DD)*100.0
return df, round(rety, 2), round(VictoryRatio, 2), round(MDD,2)
|
策略表现
我们测试3对的均线，
毕竟每个人都会有自己喜欢的均线组合
- 10天线 和 20天线 (短期交易)
- 20天线 和 50天线 (中期交易)
- 50天线 和 200天线 (长期交易)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 |
MA1020,cagr1020,vr1020,mdd1020 = simulate(KLSE.copy(),10,20)
MA2050,cagr2050,vr2050,mdd2050 = simulate(KLSE.copy(),20,50)
MA50200,cagr50200,vr50200,mdd50200 = simulate(KLSE.copy(),50,200)
KLSE['KLSE'] = (KLSE['Change']).cumprod()
import matplotlib.pyplot as plt
plt.style.use('seaborn')
ax = MA1020['Nav'].plot(figsize=(10, 6))
MA2050['Nav'].plot(ax=ax)
MA50200['Nav'].plot(ax=ax)
KLSE['KLSE'].plot(ax=ax)
# plt.plot( 'Date','Nav', data = MA2050, marker='', color='olive', linewidth=2)
ax.legend(['MA1020','MA2050','MA50200','KLSE']);
plt.show()
from prettytable import PrettyTable
t = PrettyTable(['Strategy', 'CAGR', 'Win Rate', 'Max Drawdown'])
t.add_row(['MA1020', cagr1020,vr1020,mdd1020])
t.add_row(['MA2050', cagr2050,vr2050,mdd2050])
t.add_row(['MA50200', cagr50200,vr50200,mdd50200])
print(t)
|
+----------+-------+----------+--------------+
| Strategy | CAGR | Win Rate | Max Drawdown |
+----------+-------+----------+--------------+
| MA1020 | 6.44 | 50.77 | 8.52 |
| MA2050 | 3.14 | 30.77 | 12.15 |
| MA50200 | -0.89 | 28.57 | 30.08 |
+----------+-------+----------+--------------+
想法
从数据来看，看来短期的策略最适合KLSE指数
它的赢率也是最高的。
而且也大幅跑赢KLSE指数。
较长期的均线组合的表现较差强人意，
有些表现还不如直接买入持有。
这可能是因为KLSE指数的长期走势不强，
如果把这策略套用在长期走势强劲的指数（比如SP500），
相信成绩会好看得多。
想要自己测试的读者可以从Yahoo Finance下载想要的个股数据来分析看看。
纯属分享，无买卖建议
