python 海龜交易法則 股票回測-雙均線規則（一）

看着別人炒股掙錢，心里總是心癢癢，但是每次一入市，總能被當韭菜收割，沉不住氣。近期看了《海龜交易法則》，里面提到一些說法，覺得有點意思，所以拿歷史數據試一試，探探究竟，不作為投資建議，僅供娛樂。

拋出書里的幾個說法:
1、投資可以標准化，但是每幾個人能堅持；
2、找到一個期望值為正的操作系統，不如有55%的概率是掙錢的，那么只要不斷的重復，最終總可以贏錢，除非你是45%*45%...*45%的倒霉蛋；
3、風險空值，逐步試行；
4、簡單就可以了，復雜的系統反而會出現過度擬合；

使用python進行數據收集和處理，最后進行結果分析和展示。使用到pandas庫、金融數據庫使用了akshare（免費，tushare也可以，但是要有積分），但是

akshare收集到的數據，與不同平台的進行比較（wind,東方財富)有微小偏差，暫忽略不計。

akshare：https://www.akshare.xyz/zh_CN/latest/data/stock/stock.html#id5

***本次回測操作方法為趨勢交易，采用60日均線上穿250日均線時買入（認為開啟往上漲的趨勢)，下穿時賣出(認為上漲結束開始下跌)
使用當前A股從2000年1月1日到2020年11月26日數據進行測試。
以當前數據的結論是：截止到2020年11月26日，包含持有的收益是（6000倍），但是需要操作的資金量大，操作股票數量較多，且存在連續虧損的年份，雖然總體為
正收益，但是執行起來信心難以保障。

1、獲取機構名單，這個通過wind查詢了機構的名單；

2、獲取數據，通過akshare庫獲取每只股票從2000年開始，每一天的數據，采用后復權。

     后復權：保證歷史價格不變，在每次股票權益事件發生后，調整當前的股票價格。 后復權價格和真實股票價格可能差別較大，不適合用來看盤。 其優點在於，可以被看作投資者的長期財富增長曲線，反映投資者的真實收益率情況。

%%time
# 讀取全部A股數據
for i, row in org.iterrows():
    code = row['akcode']
    t1 = row['上市日期']
    if t1 < datetime.datetime(2000,1,1):
        t1 = datetime.datetime(2000,1,1)
    t2 = datetime.datetime.now()
    print(str(i),code,'開始讀取。')
    berr = True
    try:
        #調用API接口獲取數據
        df = ak.stock_zh_a_daily(symbol=code, start_date=t1.strftime("%Y%m%d"), end_date=t2.strftime("%Y%m%d"), adjust="hfq")
    except:
        print(code + '讀取' + t1.strftime("%Y-%m-%d") + ' -- ' + t2.strftime("%Y-%m-%d") + '有問題。') 
        berr = False
    l = []
    
    # 合並
    if berr:
        df = df.reset_index()
        # 修改名字
        df.columns = [ x.upper() for x in df.columns]
        df.rename(columns={"DATE": "index"},inplace=True)
        df = df[df['OPEN'].notnull()]
        # 通過rolling滾動計算均線和BOLL通道
        df['MA_5'] = df['CLOSE'].rolling(window=5).mean()
        df['MA_10'] = df['CLOSE'].rolling(window=10).mean()
        df['MA_20'] = df['CLOSE'].rolling(window=20).mean()
        df['MA_30'] = df['CLOSE'].rolling(window=30).mean()
        df['MA_60'] = df['CLOSE'].rolling(window=60).mean()
        df['MA_250'] = df['CLOSE'].rolling(window=250).mean()
        df['BOLL_STD'] = df['CLOSE'].rolling(window=250).std()
        df['BOLL_UPPER'] = df['MA_250'] + 2 * df['BOLL_STD']
        df['BOLL_LOWER'] = df['MA_250'] - 2 * df['BOLL_STD']
        with pd.ExcelWriter(r'../data/huice/aklishi/' + code + '.xlsx') as writer:
            df.to_excel(writer,index=False,sheet_name = 'Sheet1')

3、開始進行回測；

# 判斷買賣結點
# 采用短線均線上穿長線均線為買點
# 采用短線均線下穿長線均線為賣點
def is_dbljx(data,i,mode = 'buy',j1='MA_60',j2='MA_250'):
    if i < 250:
        return False
    
    if mode == 'buy':
        if (data.loc[i,j1] > data.loc[i,j2]) & (data.loc[i-1,j1] < data.loc[i-1,j2]):
            return True
    else:
        if (data.loc[i,j1] < data.loc[i,j2]) & (data.loc[i-1,j1] > data.loc[i-1,j2]):
            return True
    
    return False

# data總數據，l操作記錄列表（買、賣形成一條記錄）
# 計算出每一次持有股票的盈利金額、盈利幅度、持有天數、期間最高收益、區間最低收益
def huizong_one(data,l):
    # 輸出結果
    dfout = pd.DataFrame(l, columns=['證券代碼','買入索引','賣出索引', '買入日期','賣出日期', '買入價格', '賣出價格','狀態']) 
    dfout = dfout.reindex(columns=['證券代碼', '買入索引','賣出索引', '買入日期','賣出日期', '買入價格', '賣出價格','狀態','期間最高收益','期間最低收益','盈利金額','盈利幅度','持有天數'])
    # ,'盈利金額','盈利幅度','持有天數'
    for i, row in dfout.iterrows():
            dfout.loc[i,'盈利金額'] = dfout.loc[i,'賣出價格'] - dfout.loc[i,'買入價格']
            dfout.loc[i,'盈利幅度'] = (dfout.loc[i,'賣出價格'] - dfout.loc[i,'買入價格']) / dfout.loc[i,'買入價格'] * 100
            dfout.loc[i,'持有天數'] = dfout.loc[i,'賣出日期'] - dfout.loc[i,'買入日期']
            m = data.loc[dfout.loc[i,'買入索引']:dfout.loc[i,'賣出索引'],'CLOSE'].max()
            if m <  dfout.loc[i,'賣出價格']:
                m = dfout.loc[i,'賣出價格']
            dfout.loc[i,'期間最高收益'] =  (m - dfout.loc[i,'買入價格'])/dfout.loc[i,'買入價格'] * 100
            m = data.loc[dfout.loc[i,'買入索引']:dfout.loc[i,'賣出索引'],'CLOSE'].min()
            if m >  dfout.loc[i,'賣出價格']:
                m = dfout.loc[i,'賣出價格']
            dfout.loc[i,'期間最低收益']=  (m - dfout.loc[i,'買入價格'])/dfout.loc[i,'買入價格'] * 100
    return dfout

回測主體：

%%time
# 遍歷回測所有采集的股票數據
folder_name = r'../data/huice/aklishi/'
file_list = os.listdir(folder_name)
ldf = []
if len(file_list) > 0 :
    # 遍歷文件夾下所有文件
    ldf = []
    for f in range(len(file_list)):
        data = pd.read_excel(folder_name + str(file_list[f]),dtype=object)
        data['bs'] = ''
        code = str(file_list[f])[:-5]
        l = []
        buy_index = 0
        # 因為比較的是60日線和250日線，所以從第251個開始
        for i in range(250,len(data)):
            # 判斷買賣信號
            if is_dbljx(data,i,'buy'):
                # 記錄買點
                buy_index = i
                data.loc[i,'bs'] = 'b'
            # 賣出信號
            elif (buy_index != 0) & is_dbljx(data,i,'sell'):
                # 證券代碼 買入索引 賣出索引 買入日期 賣出日期 買入價格 賣出價格
                # 記錄下買賣點，清除買點
                l.append([code,buy_index,i,data.loc[buy_index,'index'],data.loc[i,'index'],data.loc[buy_index,'CLOSE'],data.loc[i,'CLOSE'],'終止'])
                buy_index = 0
                data.loc[i,'bs'] = 's'
        # 結束以后保存結果
        with pd.ExcelWriter(folder_name + str(file_list[f])) as writer:
            data.to_excel(writer,index=False,sheet_name = 'Sheet1')
        # 匯總單次結果
        if buy_index != 0:
            # 記錄一個當前
            l.append([code,buy_index,i-1,data.loc[buy_index,'index'],data.loc[i-1,'index'],data.loc[buy_index,'CLOSE'],data.loc[i-1,'CLOSE'],'持有'])
        ldf.append(huizong_one(data,l)) # 存儲每只股票的操作結果
    
# 最后匯總輸出
dfout  = pd.concat(ldf,ignore_index=True)
with pd.ExcelWriter(r'../data/huice/回測結果2.xlsx') as writer:
    dfout.to_excel(writer,index=False,sheet_name = 'Sheet1',float_format="%.2f")

最終形成的數據：

 

 4、結果分析

4.1 總體情況來看

    從2000-01-01 -- 2020-11-26 以來，按照收盤價，60日均線上穿250日均線時進行買入，60日均線下穿250日均線時進行賣出，共進行操作21948次（每一次都買入一樣的價錢)，平均持有天數是293天，虧損次數13331次，盈利次數8568次，只有大概4成的操作是盈利的，但是盈利幅度總和達到605232.1%（6052倍），總共是盈利的。

 

 最大一次虧損達到-68.5%，相當於1萬元，虧損剩下3000來，最大一次盈利是24倍！

4.2 從過程來看

    持有期間，最高一次收益是52倍，最低持有收益是-72.22%，意味着你某次操作得承受虧損72%，持有天數達223天，最大一次利潤回吐是84.15%，經歷了從盈利3倍到虧損27%的痛。

 

 

 

 4.3 分時間操作來看

   買入來看，在2007年僅操作了84次，在2019年3401次。假設每次操作都投入1萬元，那么- -||在不考慮存量股票的情況下，你需要3401萬資金，貧窮限制了我的操作。

 

   賣出來看，最多賣出時在2019年2242次(2020年賣出1671次，還在持有的有（2515，前面的計算是計算到截至11月26日的收益），最少賣出時間是在2009年。

 

   分年度收益來看，20年來，僅有11年是正收益，在2008年的時候，產生了3052倍收益，在2019年時造成了321倍的虧損....這相當於，每次投入1萬塊，在2019年會虧個幾百萬。從這個系統運行起來看，2001年-2006年經歷了長達5年的虧損，正常人相比都會懷疑自己的系統不行的了。難！

分個股收益來看。 總操作股票3570個，其中虧損的有915個，越大概四分之一的股票會虧損，這么一看，選擇單個股票執行這個策略有25%的概率會失敗，其中失敗最慘的一次是虧損1.39倍。盈利來說有2655個，總收益是6342倍，最小的一次收益是30%，極端情況下，我選兩次股票進行操作，不排除出現（-1.39，0.30）的組合，最終虧損一倍。下一步因對標記了的虧損股票進行一次數據挖掘分析，得出虧損的股票都有些什么性質，進而進行排除。

 

 

 5、結論

    從當前的操作來看這一次回測，第一，雖然能掙錢，資金量需要有點多；

    第二，操作的股票太多，2020年持有2515只股票，等價於操作了股票市場一半多的股票。

    第三，根據交易者效應，你發現能夠賺錢的策略被別人知道以后開始跟風就會變得不賺錢，然而系統的正確性又需要時間來驗證，如果出現了交易者效應或其他因素導致系統連續虧錢如2001年 -- 2006年，那么就會導致對系統變得沒有信心，最終就會錯過2007年、2008年以致於后面豐收的年份。

   第四，需要進行分散投資；

   總體來說，有點跳大神的感覺，以為自己在某個時間段合適的理論，結果只是巧合？三體轉。

   回頭再考慮結合一下，大盤的情況進行回測看看。