[分享] quantstrat 套件分享

看板R_Language作者naturalsmen (日日夜夜)時間8年前 (2016/07/24 02:53)推噓11(11推 0噓 0→)

留言11則, 11人參與討論串1/1

1. 套件名稱： quantstrat 0.9.1739 Depends: R(>= 2.10), quantmod, xts(>= 0.8-2), blotter(>= 0.9), FinancialInstrument(>= 0.12.5), foreach(>= 1.4.0) Repos: https://github.com/braverock/quantstrat https://R-Forge.R-project.org 2. 套件主要用途：提供股票和各國貨幣等資產組合模擬交易的框架能夠產生商品k線圖、進出場flag、留倉部位等也支援使用者定義的技術指標、買賣手續費設定 http://imgur.com/a/BJ5Zo 提供交易次數、Annual Sharpe Ratio、MAE、MFE、年化算術平均/幾何報酬率等統計資料 http://imgur.com/a/RsTO1 還有基於平行運算的Walk Forward Analysis http://imgur.com/a/vsm9l 但因為OS的問題註冊cluster的方式不一樣需要不同的package Windows: doParallel、doRedis、snow等 Ubuntu: doMC 由於多數Finance相關的package都是基於quantmod的框架再延伸所以有蠻多相依的套件，但我覺得主要功能是在quantstrat 所以標題就用quantstrat了XD 3. 套件主要函數列表： quantstrat: add.indicator add.signal add.rule applyStrategy apply.paramset add.distribution add.distribution.constraint walk.forward blotter: tradeStats chart.Posn FinancialInstrument: currency stock 4. 分享內容：其實網路上資料蠻多的，但都是英文所以我很納悶怎麼都沒有人寫中文的教學文台灣看到的回測程式大多是用Python、VBA或現成套裝軟體居多想說可以推廣一下R這個還蠻方便的package Analysis、Visualization和用平行運算處理參數最佳化和WFA是他的特色不過覺得他的documentation不是很完整由於我今年GSoC的project是整合Josh新的xts_0.10-0和quantmod、quantstrat等套件和加入dynamic graphs feature 順利的話在計畫結束前應該能把他補得更完整如果想要自動交易台灣券商的話可以將R作為computing server 將結果pass到C++進行下單國外券商的話可以用IBroker直接用R跟國外券商API串接就可以下單了如果跟shiny結合就可以做出一個簡單的線上應用 https://naturalsmen.shinyapps.io/Backtest 這是小弟有段時間之前寫來自用的已經內建策略了所以請忽略首頁設定參數的tab 直接到Backtest 選擇股號就可以run了 run完請選擇Backtest result highchart是我之前加上去的不在本文介紹的範圍內日後有時間應該會把他完善這邊就先用來做個簡單的範例 ------以下正題------ 以Windows為例 library(doParallel) # for apply.paramset() and walk.forward() library(quantstrat) # main package library(IKTrading) # quantstrat extensions, mainly for asset allocation # and order-sizing functions library(quantmod) # retrieve symbols from yahoo finance, google finance, etc getSymbols("^GSPC") # 由於之前可能有策略存在.blotter environment裡，我們要先把他清空 rm(list = ls(.blotter), envir = .blotter) # 設定貨幣是TWD、USD或EUR等 currency("TWD") # 設定時區，一般是Universal Time(UTC)或GreenWich Mean Time(GMT) # 也可以用xts::indexTZ(GSPC)來確認時區 Sys.setenv(TZ = "UTC") # 可以有多個symbols，多個symbols會形成投資組合 # 如symbols = c("GSPC", "GDAXI") # 為了方便說明，這邊只用一個指數商品 symbols = "GSPC" # multiplier為槓桿乘數，比如90元買入中華電(2412)一張，100賣出 # 當multiplier=m，不計手續費下賺m*10000元 stock(symbols, currency = "TWD", multiplier = 1) # 設定日期、策略名稱和初始權益(本金) initDate = "1999-01-01" strategy.st <- portfolio.st <- account.st <- "myStrat" tradeSize <- 1000000 initEq <- tradeSize*length(symbols) # 避免策略重複，先將投組、策略、帳號等初始化 # 並從initDate開始執行策略 rm.strat(portfolio.st) rm.strat(strategy.st) initPortf(portfolio.st, symbols = symbols, initDate = initDate, currency = "TWD") initAcct(account.st, portfolios = portfolio.st, initDate = initDate, currency = "TWD", initEq = initEq) initOrders(portfolio.st, initDate = initDate) strategy(strategy.st, store = TRUE) # 設定會使用到的參數 nRSI = 2 thresh1 = 10 thresh2 = 6 nSMAexit = 10 nSMAfilter = 200 period = 10 pctATR = .02 # 2% ATR, size the position based on risk maxPct = .04 # 設定indicator # name是這個indicator的名稱，會由名稱呼叫該函數 # 所以你也可以自己定義技術指標或加入ML函數 # mktdata在function內會被替換成你的symbols所以不用更動 # label會讓你指標的欄位名稱變成<column1>.label add.indicator(strategy.st, name = "lagATR", arguments = list(HLC=quote(HLC(mktdata)), n=period), label = "atrX") add.indicator(strategy.st, name = "RSI", arguments = list(price=quote(Cl(mktdata)), n=nRSI), label = "rsi") # 舉例來說，這裡coloumn name 會變成 SMA.quickMA add.indicator(strategy.st, name = "SMA", arguments = list(x=quote(Cl(mktdata)), n=nSMAexit), label = "quickMA") add.indicator(strategy.st, name = "SMA", arguments = list(x=quote(Cl(mktdata)), n=nSMAfilter), label = "filterMA") # 設定signals # 主要有sigComparison、sigThreshold、sigCrossover和sigAND # sigComparison：比較兩個設定好的indicator # sigThreshold：比較設定好的indicator和一個定值 # sigCrossover：也是比較兩個indicator，但default是t-1時和t時的交叉 # 若要其他lag期間需要使用者自行定義函數 # 效果等同於sigComparison(..., cross=TRUE) # sigAND：兩個signal需要同時成立 # relationship有gt(greater than)、lt(lower than)、 # gte(greater than or equal to)、lte(lower than or equal to) # 這邊設定close price > 200日MA時產生訊號，並設定label為upTrend add.signal(strategy.st, name = "sigComparison", arguments = list(columns = c("Close", "filterMA"), relationship = "gt"), label = "upTrend") # cross = FALSE, for current signal # cross = TRUE, for both previous day and current signal # rsi < 10 add.signal(strategy.st, name = "sigThreshold", arguments = list(column = "rsi", threshold = thresh1, relationship = "lt", cross = FALSE), label = "rsiThresh1") # rsi < 6 add.signal(strategy.st, name = "sigThreshold", arguments = list(column = "rsi", threshold = thresh2, relationship = "lt", cross = FALSE), label = "rsiThresh2") # 進場訊號1：今天的rsi<10 且 close price > 200日MA，昨天則否(任一不成立) # long add.signal(strategy.st, name = "sigAND", arguments = list(columns = c("rsiThresh1", "upTrend"), cross = TRUE), label = "longEntry1") # 進場訊號2：今天的rsi<6 且 close price > 200日MA，昨天則否(任一不成立) # 可以看出這是反向加碼策略 add.signal(strategy.st, name = "sigAND", arguments = list(columns = c("rsiThresh2", "upTrend"), cross = TRUE), label = "longEntry2") # 出場訊號1：今天的close price > 10日MA，昨天則否 add.signal(strategy.st, name = "sigCrossover", arguments = list(columns = c("Close", "quickMA"), relationship = "gt"), label = "exitLongNormal") # 出場訊號2：今天的close price < 200日MA，昨天則否 add.signal(strategy.st, name = "sigCrossover", arguments = list(columns = c("Close", "filterMA"), relationship = "lt"), label = "exitLongFilter") # 這邊設定台灣的手續費和交易稅，買入0.001425，賣出0.004425 # function args必須有TxnQty, TxnPrice和Symbol buyCost <- 0.001425 # custom transaction fee function based on value of transaction buyFee <- function(TxnQty, TxnPrice, Symbol, ...) { abs(TxnQty) * TxnPrice * -buyCost } sellCost <- 0.004425 sellFee <- function(TxnQty, TxnPrice, Symbol, ...) { abs(TxnQty) * TxnPrice * -sellCost } # 設定規則，為了方便講解，這邊都以做多為例 # name: rule的名稱，用來呼叫ruleSignal()，所以也可以自己定義 # sigcol: 上面訊號的label # sigval: 當訊號產生，是否給訊號賦值，TRUE為1、FALSE為0 # ordertype: 下單類型，有市價單、限價單、停損單等 # 這邊以市價單為例 # orderside: 做多或放空 # replace: 如果兩個訊號同時成立，這個訊號是否取代另一個 # prefer: 因為是回測，所以我們需要假定買入和賣出的價格 # 這邊假設是開盤價，若要考慮滑價的話需要自行定義function # osFUN: 下單的數量，default為osDollarATR和osMaxDollar # osDollarATR: 依照現有部位產品的波動度和風險承受度加權 # osMaxDollar: 每次都依現有資金買滿，ex.一股160的2330，本金50w，會買滿3張 # 零股需另外定義function # tradeSize: 用多少本金交易 # pctATR, maxPctATR: 風險承受度的百分比 # atrMod: 搭配ATR，最早的indicator，lastATR的label必須要是atrX # TxnFees: 額外交易費用，如上所定義之函數 # type: 進場或出場 # path.dep: 當這個rule未close掉，其他的rule不會執行 # call ruleSignal時需要設為TRUE add.rule(strategy.st, name = "ruleSignal", arguments = list(sigcol = "longEntry1", sigval = TRUE, ordertype = "market", orderside = "long", replace = FALSE, # replace = TRUE may choose just one rule prefer = "Open", # tomorrow because today has closed osFUN = osDollarATR, # order size function tradeSize = tradeSize, pctATR = pctATR, maxPctATR = pctATR, # set an upper limit of orders atrMod = "X", TxnFees = "buyFee"), # atrx above type = "enter", path.dep = TRUE, label = "enterLong1") add.rule(strategy.st, name = "ruleSignal", arguments = list(sigcol = "longEntry2", sigval = TRUE, ordertype = "market", orderside = "long", replace = FALSE, # replace = TRUE may choose just one rule prefer = "Open", # tomorrow because today has closed osFUN = osDollarATR, # order size function tradeSize = tradeSize, pctATR = pctATR, maxPctATR = maxPct, # set an upper limit of orders atrMod = "X", TxnFees = "buyFee"), # atrx above type = "enter", path.dep = TRUE, label = "enterLong2") # 出場規則 # orderqty: 'all'為賣出所有部位，可以是數字或自定義function # ordertype是停損單(stoplimit)時，需額外設定停損點 # 如果tmult=TRUE，threshold需為百分比，如0.2(=20%)，買入價*threshold=停損價 # 如果tmult=FALSE，threshold為絕對數字，如158，停損價就是跌破158時平倉 # 這邊都以市價單出場 add.rule(strategy.st, name = "ruleSignal", arguments = list(sigcol = "exitLongNormal", sigval = TRUE, orderqty = "all", # order quantity, in all and out all ordertype = "market", orderside = "long", replace = FALSE, prefer = "Open", TxnFees = "sellFee"), type = "exit", path.dep = TRUE, label = "normalExitLong") add.rule(strategy.st, name = "ruleSignal", arguments = list(sigcol = "exitLongFilter", sigval = TRUE, orderqty = "all", ordertype = "market", orderside = "long", replace = FALSE, prefer = "Open", TxnFees = "sellFee"), type = "exit", path.dep = TRUE, label = "filterExitLong") # 開始進行回測 out <- applyStrategy(strategy = strategy.st, portfolios = portfolio.st) # 更新投組資料 updatePortf(portfolio.st) tradeDetails <- getPortfolio(portfolio.st) posPL <- tradeDetails$symbols$tsmc$posPL # 更新帳戶資料和期末權益金額 dateRange <- time(tradeDetails$summary)[-1] updateAcct(portfolio.st, dateRange) updateEndEq(account.st) # 統計資料 tStats <- tradeStats(Portfolios = portfolio.st, use = "trades", inclZeroDays = FALSE) tStats[, 4:ncol(tStats)] <- round(tStats[, 4:ncol(tStats)], 2) (aggPF <- sum(tStats$Gross.Profits)/-sum(tStats$Gross.Losses)) (aggCorrect <- mean(tStats$Percent.Positive)) (numTrades <- sum(tStats$Num.Trades)) (meanAvgwLR <- mean(tStats$Avg.WinLoss.Ratio[tStats$Avg.WinLoss.Ratio < Inf], na.rm = TRUE)) # 畫k線圖、進出場flag、持有部位和累積報酬 myTheme<-chart_theme() myTheme$col$dn.col<-'lightgray' myTheme$col$dn.border <- 'lightgray' myTheme$col$up.border <- 'lightgray' chart.Posn(Portfolio = portfolio.st, Symbol=symbols, theme= myTheme) # 自由加入技術指標 sma <- SMA(x = Cl(tsmc), n = 200) sma2 <- SMA(x = Cl(tsmc), n = 10) rsi <- RSI(price = Cl(tsmc), n = 2) atr <- lagATR(HLC = HLC(tsmc), n = 10) add_TA(sma2, on = 1, col = "red") add_TA(sma, on = 1, col = "green") add_TA(rsi, col = "green", lwd = 1.5) ### 參數最佳化 # 設定參數範圍 # add distribution and distribution contraints # rsi # paramset.label: 參數組合名稱 # label: 這個參數的範圍 add.distribution(strategy.st, paramset.label = 'allParam', component.type = 'signal', component.label = 'rsiThresh1', variable = list(threshold = 5:10), label = 'up.rsi' ) add.distribution(strategy.st, paramset.label = 'allParam', component.type = 'signal', component.label = 'rsiThresh2', variable = list(threshold = 5:10), label = 'dn.rsi' ) # 加入參數範圍限制 add.distribution.constraint(strategy.st, paramset.label = 'allParam', distribution.label.1 = 'up.rsi', distribution.label.2 = 'dn.rsi', operator = '>', label = 'RSI' ) # MA add.distribution(strategy.st, paramset.label = 'allParam', component.type = 'indicator', component.label = 'quickMA', variable = list(threshold = 5:15), label = 'quickMA' ) add.distribution(strategy.st, paramset.label = 'allParam', component.type = 'indicator', component.label = 'filterMA', variable = list(threshold = 220:260), label = 'filterMA' ) # Walk Forward Analysis # paramset.label: 設定的參數範圍 # k.training: 樣本期間 # k.testing: 測試期間 # nsamples: 等於0代表所有組合 # obj.func: objective function，目標函數，由於default的最佳化是以 # 報酬率最大為指標，若要改成Max drawdown或其他條件則要自定義函數 # anchored: 是否是moving time window # verbose: 是否印出交易明細 registerDoParallel(cores=detectCores()) resultsWFA <- walk.forward( strategy.st=strategy.st, paramset.label='allParam', portfolio.st=portfolio.st, account.st=account.st, period='years', k.training=4, k.testing=2, nsamples=0, audit.prefix='wfa', #obj.func=my.obj, #obj.args=my.args, anchored=TRUE, verbose=TRUE, include.insamples=TRUE ) 結果會自動輸出樣本內和樣本外的.RData檔到使用者的預設路徑，可以用ls(.audit)看到training和testing的名稱舉例來說： chart.forward.training("wfa.GSPC.2007-01-03.2010-12-31.RData") http://imgur.com/a/Scgc3 如果是testing的部分： chart.forward("wfa.results.RData") 如果不清楚Out of sample和In sample的關係可以參考我網頁上WFA的tab https://naturalsmen.shinyapps.io/Backtest 因為quantstrat的help page真的不太友善，所以打了很多arguments的定義和用法說明 code不知不覺也打了一長串@@ 雖然看起來有點長但我覺得這是用quantstrat搭配其他package建立自己的交易系統蠻完整的code了如果排版或內容有哪裡需要改進再請板友指教之後會再慢慢修改與完善這篇或者可能直接搬到我的部落格了@@ 下一個打算分享IBrokers 如果沒有被其他板友搶先的話XD 還有Josh新版的xts_0.10-0、quantmod、PerformanceAnalytics等或者是等到正式release之後再寫了 5. 備註：因為自己埋頭研究quantstrat和IBrokers這兩個package非常非常久一直希望找個時間把自己經驗分享出去一方面是讓大家知道有這個很好用的package來寫交易程式另一方面是讓大家少走些彎路因為可能碰到的bug我大概都遇過也open issue過了@@: 但是自己一直懶懶的又在忙GSoC的計畫以至於一拖再拖感謝c大提供這個機會讓我上來騙騙p幣也給我個動機寫了第一篇弱弱的分享文感覺板上大大多是討論技術為主所以就想說來個比較應用的範例好了之後會慢慢把這篇補完、弄得更通順更好閱讀一點感謝耐心看完或直接End的大家XD 參考資料： Guy Yollin, Computational Finance & Risk Management, University of Washington, Department of Applied Mathematics: http://www.r-programming.org/papers QuantStrat TradeR: https://quantstrattrader.wordpress.com/ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.228.18.39 ※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1469300017.A.7D0.html