关于数据挖掘:R语言金融市场量化交易布林带价差策略RSI交易策略回测COMP-226

咱们将利用每日数据制订简略的交易策略咱们将涵盖以下内容。

一个简略的介绍性交易。
它每天只依据前一天的价格行为做出交易决定 – 咱们用这个例子来介绍前瞻性的偏见
布林线是一个应用挪动平均线（和挪动标准差）的规范技术剖析指标的例子
一个应用布林线的简略的均线回复型交易策略指标作为策略的构件（但与之不同）。门路依赖性。止损、盈利指标和持有期是引入门路依赖的交易策略构建的例子。
滑点 – 咱们回顾一下什么是滑点，咱们探讨在交易策略中思考滑点的问题 – 应用价差的策略，它是两个价格工夫序列的线性组合

策略

如果收盘价高于开盘价，则在第二天买入
否则，在第二天卖出

咱们心愿这个策略在什么时候能发挥作用？

如果有间断多日价格向同一方向挪动的状况
每一天的方向与之前的变动不同，对该策略来说都是亏损的一天，所以这样的日子不应该有大的价格稳定。

测试该策略

从当初开始，咱们将重复使用实用工具脚本 “utilities.R “ 中的函数。在这种状况下，咱们将应用。

getLogReturns(prices)，从调整后的价格中计算出对数回报。
getEquityLog(log_ret,pos)，从对数收益和仓位向量中计算出股权曲线。

getLogReturns <- function(prices) {
 # 返回调整后价格的对数收益
 # 假如输出中存在调整后的价格列
 log_ret <- ROC(Ad(prices),type='continuous')
 log_ret[1] <- 0
 return(log_ret)
}

getEquityCurve <- function(returns,pos,type='log') {
 #  股票曲线的简略回报

 if (type=='log')
 return(exp(cumsum(returns*pos)) - 1)
 else
 cat ('Type not supported','\n')
}

咱们应用滞后函数将工夫序列挪动一个地位，因而咱们应用前一天的价格来做决定

pos <- ifelse(Cl(prices)-Op(prices)>0,1,-1)
pos <- Lag(pos)
pos[1] <- 0

替换地位

留神到这个策略在所有四个股票上都体现不佳，但在其中三个股票上体现特地差。这表明对策略进行了显著的扭转：做齐全相同的事件，即替换多头和空头交易，如下所示

pos <- ifelse(Cl(prices)-Op(prices)>0,1,-1)

切换式股票曲线

相似于挪动平均线，咱们当初引入挪动（滚动）标准差

咱们应用挪动平均线和挪动标准差来定义布林带，而后将在咱们的下一个交易策略示例中应用

图表系列

> library(quantmod)
> getSymbols('AAPL')

这应用包中的 BBands 函数 TTR quantmod 在 chartSeries 中联合了 xts 和 TTR 性能

咱们将应用与雷同的循环、收益和权利曲线计算

扭转的是地位向量的计算

pos <- long + short
pos <- lag(pos)

这个策略的参数是什么？

bbands <- BBands(prices,n=50,sd=2)

两个显著的数字参数是。

n 是回溯期，和
sd 是标准偏差的乘数

plot(equity,main='Equity curve')

该策略须要一个参数，即持有期。当且仅当持有期过后，咱们退出交易

通过在计数小于持有期时留在交易中来实现。

run <- function(prices,n,sd,hold) {bbands <- lag(BBands(prices,n=n,sd=sd))
 pos <- rep(0,length=nrow(prices)) # all zeroes

止损限度了某项交易的损失
咱们将掂量一笔交易的简略回报
如果它太负，咱们将退出交易

getTradeReturn <- function(prices,entry,exit,short=FALSE) {prices <- as.numeric(prices)

> prices
 Adjusted
1970-01-02 100
1970-01-03 110
1970-01-04 100
1970-01-05 150
1970-01-06 200
1970-01-07 100

> getTradeReturn(prices,entry=1,exit=2)
[1] 0.1
> getTradeReturn(prices,entry=1,exit=2,short=T)
[1] -0.09090909
> getTradeReturn(prices,entry=1,exit=4)
[1] 0.5

 titStr <- paste("stoploss=", stoploss,":",sum(stopOuts),"stop outs")
 plotEquity(prices,pos,stopOuts,titStr); return(pos)
}

两个系列的加权组合（通常是差别）。

策略能够尝试利用价差中的均值反转；对于一对股票，这被称为成对交易

与协整实践无关

咱们将看一下规范普尔 500 指数和道琼斯工业指数

pdf('different_screens.pdf')
plot.zoo(prices,col=cols,xlab=xlab,ylab=paste(tickers,ylab),main="")
dev.off()

当初，惊人的相似性是不言而喻的

lookback <- 50

spread <- close1 - positionRatio*close2

点差 = x – positionRatio * y
当咱们卖出 y 的仓位比例单位时，买入一个单位的 x

点差例子

plot.zoo(cbind(spread,0,0.5,-0.5),screen=c(2,2,2,2),main="Spread")

创立价差的目标是创立一个安稳的工夫序列，也就是一个具备恒定平均值和标准差的工夫序列。

如果咱们胜利了，咱们就能够在价差远远低于其平均值时买入价差（做多便宜产品，做空低廉产品），在价差高于其平均值时卖出价差。

间断积分实践正是解决安稳的工夫序列的线性组合，但咱们不会去钻研数学。

接下来咱们将看到一个简略的基于布林线的价差交易策略想法。

RSI 是一个规范的指标，在 TTR 软件包中实现。
它的数值在 0 到 100 之间，较高（较低）的数值示意市场最近在回升（降落）。

# RSI 策略

 pos <- long + short 
 pos <- Lag(pos); pos[is.na(pos)] <- 0
 return(pos)
}

样本内和样本外回测

resultsIn <- backtest(prices[startIn:endIn,],params) # in-sample
resultsOut <- backtest(prices[startOut:endOut,],params) # out-of-sample

绘制图

#dev.new(width=10, height=5) # prevent elongation of plots
grid.arrange(plot1,plot2,ncol=2)
dev.off()

从样本内后果中筛选参数并不总是容易的

– 数据集的漂移可能导致良好的参数组合在样本内和样本外期间有所不同

最受欢迎的见解

1.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略

2.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言改良的股票配对交易策略剖析 SPY—TLT 组合和中国股市投资组合

3.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言工夫序列：ARIMA GARCH 模型的交易策略在外汇市场预测利用

4.[](http://tecdat.cn/r%e8%af%ad%e…)TMA 三均线期指高频交易策略的 R 语言实现

5.[](http://tecdat.cn/r%e8%af%ad%e…) r 语言多均线量化策略回测比拟

6.[](http://tecdat.cn/r%e8%af%ad%e…) 用 R 语言实现神经网络预测股票实例

7.[](http://tecdat.cn/r-%e8%af%ad%…)r 语言预测稳定率的实现：ARCH 模型与 HAR-RV 模型

8.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言如何做马尔科夫转换模型 markov switching model

9.matlab 应用 Copula 仿真优化市场危险

关于数据挖掘:R语言金融市场量化交易布林带价差策略RSI交易策略回测COMP-226

全文链接：http://tecdat.cn/?p=29653

简略的策略：模拟

实用功能

股票曲线

正确的股票曲线

挪动标准差和布林带

策略代码

参数

例子

下一个例子 – 止损

利差

价差例子

例子：寻找权重

一个价差策略

例子：RSI 策略