
100
|
第
4
章
本章的内容如下。“利用向量化”介绍了向量化作为制定和回测交易策略的有用技
术方法。“基于简单移动平均线的策略”是本章的核心,并在一定程度上深入介绍
了基于
SMA
的策略的矢量回测。“基于动量的策略”介绍并回测了基于股票时序
动量(“近期表现”)的交易策略。“基于均值回归的策略”结束了本章,介绍了
均值回归策略。“数据窥探和过度拟合”讨论了在算法交易策略的回测情况下数据
窥探和过度拟合的陷阱。
本章的主要目标是掌握向量化的方法,该方法可以通过
NumPy
和
pandas
有效且快速
的完成。为此,对提出的方法进行了一些简化的假设,以使讨论更好地集中在向量
化的主题上。
在以下情况下,应考虑向量化回测:
简单交易策略
向量化回测方法在算法交易策略建模方面显然存在局限性。但是,许多流行的
简单策略都可以用向量化的方式进行回测。
互动策略探索
向量化回测允许对交易策略及其特征进行灵活,交互式的探索。通常只需几行
代码即可得出第一个结果,并且可以轻松测试不同的参数组合。
可视化为主要目标
该方法非常适合于可视化所用数据,统计信息,交易信号和结果表现。通常,
只需几行
Python
代码就能生成足以吸引人同时又洞察深刻的图。
全面的回测程序
通常,向量化回测速度非常快,允许人们在短时间内测试多种参数组合。当速
度是关键时,应考虑该方法。
4.1
利用向量化
向量化或数组编程是指一种编程样式,它把对标量(即整数或浮点数)的操作转化
为向量,矩阵甚至多维数组。考虑一个整数向量
v
= (1
,
2
,
3
,
4
,
5)
T
,在
Python
中表示为列表对象 ...