알고리즘 거래를 위한 Python

4장. 벡터화된 백테스팅 마스터하기

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

[과거를 보고 미래를 예측할 수 있다고 생각하는 사람들은 어리석었습니다.¹

이코노미스트

알고리즘 트레이딩 프로그램에 대한 아이디어와 가설을 개발하는 것은 일반적으로 준비 단계에서 더 창의적이고 때로는 재미있는 부분입니다. 이를 철저하게 테스트하는 것은 일반적으로 더 기술적이고 시간이 많이 걸리는 부분입니다. 이 장에서는 다양한 알고리즘 트레이딩 전략의 벡터화된 백테스팅에 대해 설명합니다. 여기서는 다음 유형의 전략을 다룹니다( "트레이딩 전략"도 참조하세요):

단순이동평균(SMA) 기반 전략

매수 및 매도 신호 생성을 위한 SMA 사용의 기본 아이디어는 이미 수십 년 전의 일입니다. SMA는 주가의 기술적 분석에서 주요 도구로 사용됩니다. 예를 들어, 짧은 기간(예: 42일)에 정의된 SMA가 긴 기간(예: 252일)에 정의된 SMA를 교차할 때 신호가 도출됩니다.

모멘텀 전략

이는 최근 실적이 일정 기간 더 지속될 것이라는 가설에 기반한 전략입니다. 예를 들어, 하락 추세인 주식은 더 오래 하락할 것으로 가정하므로 이러한 주식은 숏 포지션을 취합니다.

평균 복귀 전략

평균 복귀 전략의 원리는 주가나 다른 금융상품의 가격이 평균 수준에서 너무 많이 벗어났을 때 평균 수준이나 추세 수준으로 되돌아가는 경향이 있다는 것입니다.

이 장은 다음과 같이 진행됩니다. "벡터화 활용하기 "에서는 트레이딩 전략 수립 및 백테스트를 위한 유용한 기술적 접근법으로서 벡터화를 소개합니다. "단순이동평균 기반 전략" 은 이 장의 핵심으로, 단순이동평균 기반 전략의 벡터화 백테스트를 심도 있게 다룹니다. "모멘텀 기반 전략"에서는 종목의 시계열 모멘텀("최근 수익률")에 기반한 트레이딩 전략을 소개하고 백테스트합니다. '평균회귀에 기반한 전략'에서는 평균회귀 전략을 다루며 장을 마무리합니다. 마지막으로 '데이터 스누핑과 과적합' 에서는 알고리즘 트레이딩 전략 백테스팅의 맥락에서 데이터 스누핑과 과적합의 함정에 대해 설명합니다.

이 장의 주요 목표는 NumPy 및 pandas 같은 패키지를 통해 효율적이고 빠른 백테스팅 도구로 사용할 수 있는 벡터화된 구현 접근법을 마스터하는 것입니다. 이를 위해 여기서는 벡터화라는 주요 주제에 더 집중할 수 있도록 몇 가지 단순화 가정을 통해 접근 방식을 소개합니다.

다음과 같은 경우 벡터화된 백테스팅을 고려해야 합니다:

간단한 트레이딩 전략

벡터화된 백테스팅 방식은 알고리즘 트레이딩 전략 모델링에 있어 분명 한계가 있습니다. 그러나 많은 인기 있고 간단한 전략은 벡터화된 방식으로 백테스팅할 수 있습니다.

대화형 전략 탐색

벡터화된 백테스팅을 사용하면 트레이딩 전략과 그 특성을 대화식으로 탐색할 수 있습니다. 일반적으로 몇 줄의 코드만으로도 첫 번째 결과를 얻을 수 있으며, 다양한 매개변수 조합을 쉽게 테스트할 수 있습니다.

주요 ...