[量化投资-学习笔记011]Python+TDengine从零开始搭建量化分析平台-MACD金死叉策略回测

在上一章节 MACD金死叉中结束了如何根据 MACD 金死叉计算交易信号。

目录

本次将根据交易信号,模拟交易。更加历史数据对MACD金死叉交易策略进行回测,看一下收益如何。

下面进行一个简单的实现:

    1. 定义一个资金池
    1. 当出现买入信号且无仓位时,全仓买入。买入价为第二日收盘价(其实以第二日开盘价计算比较合理)。
    1. 当出现卖出信号且有仓位时,清仓。卖出价为第二日收盘价(同样,也是以第二日开盘价更合理)
    1. 以下程序未计算印花税等交易费用。
    1. 对金额进行了取整,方便展示。
python 复制代码
def calculate_profit(prices, signals):
    capital = 100000  # 初始资金000001
    shares = 0  # 持有股票数量
    position = 0  # 0表示空仓,1表示持仓
    balance = 0
    profit = []
    profit.append(capital)
    for i,singal in signals:
        if singal == 'buy' and position == 0 :
            shares = int(capital / prices[i+1] / 100)
            balance = int(capital - (shares*prices[i+1]*100))
            position = 1
        elif singal  == 'sell' and position == 1 :
            capital = int(shares * 100 * prices[i+1] + balance)
            shares = 0 
            position = 0
            profit.append(capital)
    return profit

对MACD 和收益进行图形化输出

python 复制代码
plt.figure(figsize=(12, 8))
plt.subplot(3, 1, 1)
plt.plot(df.index, df['close'])
plt.title('收盘价')
plt.xlabel('tdate')
plt.ylabel('Price')


plt.subplot(3, 1, 2)
plt.title("MACD")
plt.plot(df['DIF'],'r',linewidth=1.0,label='DIF')
plt.plot(df['DEA'],'y',linewidth=1.0,label='DEA')
plt.legend()
plt.grid()

plt.subplot(3, 1, 3)
plt.title("收益曲线")
plt.plot(profits,'r',linewidth=1.0,label='Profit')
plt.bar(range(len(profits)),profits)
plt.ylabel('RMB')
plt.legend()
plt.grid()


plt.tight_layout()
plt.show()

以下是不同股票的策略回测结果:

平安银行(000001)

全柴动力(600218)

中航高科(600862)

脚本说明文档(DevChat 生成)

再次展示一下 AI 的力量。

MACD 分析脚本

这是一个用于从 TDengine 数据库查询股票收盘价,并进行 MACD 分析的 Python 脚本示例。脚本会绘制收盘价曲线、MACD 指标曲线以及收益曲线图。

安装依赖库

确保您已安装以下依赖库:

  • requests 用于发送 RESTful 请求
  • json 用于解析 JSON 响应
  • matplotlib 用于绘制图形
  • pandas 用于处理数据

您可以使用 pip 在命令行中安装它们:

shell 复制代码
pip install requests matplotlib pandas

参数配置

在开始之前,请根据您的实际情况设置以下参数:

  • host:TDengine 数据库的主机名或 IP 地址
  • port:TDengine 数据库的端口号
  • username:TDengine 数据库的用户名
  • password:TDengine 数据库的密码
  • db_name:数据库名称
  • table_name:数据表名称
  • fcode:股票代码

查询与解析数据

首先,脚本通过 RESTful 请求从 TDengine 数据库中查询收盘价数据。然后,将查询结果解析为列表,并将时间戳和收盘价分别存储在 timestamps 和 close_prices 数组中。

计算 MACD 指标

接下来,使用 calculate_macd 函数计算 MACD 和信号线的值。该函数使用指定的周期参数计算指数移动平均线(EMA),然后计算 MACD 和信号线。同时,还计算了 MACD 的柱状图(MACD-Histogram)。

判断金叉和死叉

使用 check_macd 函数判断金叉和死叉的位置。该函数遍历 MACD 和信号线数组,找到金叉和死叉的位置,并将其存储在 crossing_points 数组中。

计算收益

使用 calculate_profit 函数计算根据金叉和死叉信号的策略产生的收益。在此示例中,初始资金为 100,000 RMB,根据买入和卖出信号以及股票价格的变化,计算并存储了每个时刻的资金余额,并返回收益数组 profits。

绘制图形

最后,脚本使用 matplotlib 库绘制了三个子图。第一个子图展示了收盘价的曲线图,第二个子图展示了 MACD 指标的曲线图,第三个子图展示了收益曲线。

运行脚本

确保您已正确安装依赖库并设置了正确的参数后,您可以执行此 Python 脚本来运行 MACD 分析并绘制图形。

当脚本运行完毕后,将会在屏幕上打印金叉和死叉的位置以及对应的时间戳和收盘价。此外,图形窗口将显示收盘价、MACD 指标和收益曲线。

请根据您的实际需求对脚本进行自定义和调整。希望这个示例对您有所帮助!

相关推荐
艾莉丝努力练剑32 分钟前
【QT】系统相关:TCP的API介绍
开发语言·前端·c++·人工智能·qt·学习·tcp/ip
用户03321266636737 分钟前
使用 Python 轻松移除 Excel 文档中的重复行
python·excel
LiaoWL12338 分钟前
从零搭一个 RAG 知识库(二):换上语义 Embedding——BGE 实测与阈值重校准
python·大模型·numpy·embedding·向量检索·rag
Dmz丶1 小时前
前端转 AI 100 天 Day 48:向量数据库——100 万向量的毫秒级检索
python
青少儿编程课堂1 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:中国剩余定理解析
c++·python·算法·bfs·信息学竞赛
菜鸟~noob2332 小时前
[AI]间章:系列走到这里,聊聊后面的规划、造卡需要的软件平台,以及为什么我要先暂停更新
人工智能·python·fpga开发·django·pygame
TomEval11 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
prince_zxill12 小时前
PEP 751 pylock.toml 实测:pip 26.3 装 6 个包版本全钉死,但 [web] 选不中任何东西
python·pip·依赖管理·pep 751
Thanks_ks14 小时前
Python 的垃圾回收——引用计数撑起日常,分代回收收拾残局
python·内存管理·垃圾回收·循环引用·引用计数·gc 模块·weakref
CyrusYiVPP14 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python