zoukankan      html  css  js  c++  java
  • R与金钱游戏:均线黄金交叉1

    双11临近的我发现自己真的很穷很穷很穷(重要的问题说三遍)……

    贫穷催人上进。于是我就寻思着在空闲时间自己捣鼓一下钱生钱的游戏是怎么玩的,毕竟就算注定做韭菜也要做一根有知识有理想的韭菜。

    第一个要玩的模型就是股票交易中的均线黄金交叉。

    作为一个基础的韭菜一定听说过均线黄金交叉原则,也就是说当短期移动平均线向上突破长期移动平均线,表明趋势见涨,适合买入;相反地如果短期移动平均线向下突破长期移动平均线,表明趋势看跌,适合卖出。

    那么这个韭菜们都知道的交易原则是不是真的能帮大家赚钱呢?下面我们以中国平安为例(其实选A股分析还是很尴尬,万一无论如何都不能赚钱呢……)就建模简单地验证一下。

    Required Packages


    ```r library(quantmod) library(ggplot2) library(scales) ```

    Get Data


    首先利用 quantmod 包下载股价数据。股票的代码可以在[雅虎财经](https://finance.yahoo.com/)查到。
    stock_code <- "601318.SS"
    start <- as.Date("2018-01-01")
    end <- as.Date("2020-01-01")
    stock <- getSymbols(stock_code, from=start, auto.assign=FALSE)
    names(stock) <- c("Open", "High", "Low", "Close", "Volume", "Adjusted")
    stock <- stock[paste(start, end, sep='/')]$Close
    

    Calculate Moving Average


    移动平均数通常可分为简单移动平均数 (SMA),加权移动平均数 (WMA) 和指数移动平均数 (EMA)。

    通常我们会选用指数移动平均数。因为移动平均数在一定程度上都会落后于股价的实时趋势,而指数移动平均数在计算时越新的数据加权比重越大,能更快地反映股价的变化。

    ma <- function(data, mas=c(5, 20, 60)) {
      ma_data <- data
      for(m in mas) {
        ma_data <- merge(ma_data, EMA(data, m))
      }
      ma_data <- na.locf(ma_data, fromLast = TRUE)
      names(ma_data) <- c('Value', paste('MA', mas, sep=''))
      return(ma_data)
    }
    

    我们可以将计算结果画成图形:
    01

    Get Trading Signals


    以 5 日和 20 日均线为例,我们可以按照均线黄金交叉原则找到买卖交易点,即某一天的 5 日移动平均数大于 20 日移动平均数时为买入,反之某一天的 5 日移动平均数小于 20 日移动平均数时为卖出。

    我们可以将数据分组。当 5 日均线大于 20 日均线时为 “buy”; 当 5 日均线小于 20 日均线时为 “sell”。 其中 “buy” 和 “sell” 是以不定数量间隔出现的,那么每一段中第一个 “buy” 出现的时候为买入, 第一个 “sell” 出现的时候为卖出。在模拟交易的时候为了方便计算利润,我们将买入设为第一次交易,卖出设为最后一次交易。

    如果我们一直依照均线黄金交叉原则,那么从 2018-01-01 开始至今一共有 30 次交易 (买卖合计)。

    get_signals<- function(data, mas_1=5, mas_2=20) {
      if(mas_1 == 0)
        ma_name_1 <- "Value"
      else
        ma_name_1 <- paste('MA', mas_1, sep='')
      ma_name_2 <- paste('MA', mas_2, sep='')
      ma_data <- data[, c("Value", ma_name_1, ma_name_2)] #please calculate ma value before and get a dataframe like the section above
      down_data <- ma_data[which(ma_data[, c(ma_name_1)] > ma_data[, c(ma_name_2)]), c("Value")]
      up_data <- ma_data[which(ma_data[, c(ma_name_1)] < ma_data[, c(ma_name_2)]), c("Value")]
      result <- merge(down_data, up_data)
      names(result) <- c("buy", "sell")
      result <- fortify(result, melt=TRUE)
      result<- result[-which(is.na(result$Value)),]
      signals <- result[order(result$Index),]
      signals$Signal <- ifelse(signals$Series == "buy", 1, 0)
      signals$Signal <- c(ifelse(signals$Series[1] == "buy", 1, -1),diff(signals$Signal))
      signals <- signals[which(signals$Signal != 0),]
      #delete odd rows
      if(nrow(signals)%%2 == 1) {
        if(signals$Series[1] == "buy")
          signals <- signals[-c(nrow(signals)),]
        else
          signals <- signals[-c(1),]
      }
      if(signals$Series[1] == "sell") {
        signals <- signals[-c(nrow(signals)),]
        signals <- signals[-c(1),]
      }
      return (signals)
    }
    

    Mock Trading


    上面我们已经找出交易点,但其实我们找出这些可能的历史交易点目的就是为了知道如果严格按照这些交易点进行交易能不能赚钱呀?

    下面我们可以模拟一下交易的过程:

    假设我们有 100,000 本金,全仓进入,交易费率为 0.3%

    mock_trading <- function(signals, capital=100000, position=1, fee=0.003){
      amount <- 0
      cash <- capital * position
      ticks <- data.frame()
      
      for(ii in 1:nrow(signals)){
        row <- signals[ii,]
        if(row$Series == "buy") {
          amount <- floor((cash/(1+fee))/row$Value)
          amount <- (amount%/%100)*100
          cash <- cash - amount * row$Value - (amount * row$Value) * fee
        }
        if(row$Series == "sell") {
          cash <- cash + amount * row$Value - (amount * row$Value) * fee
          amount <- 0
        }
        row$cash <- cash
        row$amount <- amount
        row$asset<- cash + amount * row$Value  
        row$fee <- (amount * row$Value) * fee
        ticks<-rbind(ticks, row)
      }
      ticks$diff <- c(0, diff(ticks$asset))
      
      rise <- ticks[c(which(ticks$diff > 0)-1, which(ticks$diff > 0)),]
      rise <- rise[order(rise$Index),]
      fall <- ticks[c(which(ticks$Series=="sell" & ticks$diff < 0)-1, which(ticks$Series=="sell" & ticks$diff < 0)),]
      fall <- rise[order(fall$Index),]
    
      return(list(
        ticks = ticks,
        rise = rise,
        fall = fall
      ))
    }
    

    如果严格按照均线黄金交叉原则,那么经过2年的股海沉浮之后,最后我们的本金只有 80,688.14,亏损 19,311.89, 而赚钱的交易只有6次 (买卖合计)。
    02

    我们将资产和股价曲线画成图形对比可以看出我们在前期的交易中是亏损很多的。一方面是股价走势确实是跌跌不休 (经历了 2018 年的韭菜们都知道),那还有没有交易选择错误的原因呢?
    03

    我们将盈利和亏损的交易分别画出来,就可以看出亏损的交易多在股价尚未形成趋势还在震荡,如 2018-08,以及 2018-10-2018-11 期间。所以从数据上来看,均线黄金交叉原则只能对股价已形成趋势的股票起指导作用。
    04

    不过我们也可以乐观地认为,只要我们能够避开震荡期,那么均线黄金交叉原则还是能够帮助我们小小赚一笔的。可是今日不知明日事,一个有知识有理想的韭菜单凭肉眼是很难看出某一个交叉点是否就在趋势上。

    我们又可以引入什么指标来避开震荡期呢?后面会继续探讨一下的。

    作者:Yuki
    本文版权归作者和博客园所有,欢迎转载,转载请标明出处(附上博客链接)。 如果您觉得本篇博文对您有所收获,请点击右下角的 [推荐],谢谢!

    关注我的公众号,不定期更新学习心得
  • 相关阅读:
    OSG-提示“error reading file e:1.jpg file not handled”
    OSG-加载地球文件报0x00000005错误,提示error reading file simple.earth file not handled
    QT-找开工程后,最上方提示the code model could not parse an included file, which might lead to incorrect code completion and highlighting, for example.
    我的书《Unity3D动作游戏开发实战》出版了
    java中无符号类型的第三方库jOOU
    Windows批处理备份mysql数据
    使用 DevTools 时,通用Mapper经常会出现 class x.x.A cannot be cast to x.x.A
    Java版本,Java版本MongoDB驱动,驱动与MongoDB数据库,Spring之间的兼容性
    Jrebel本地激活方法
    wget下载指定网站目录下的所有内容
  • 原文地址:https://www.cnblogs.com/yukiwu/p/11816945.html
Copyright © 2011-2022 走看看