如何进行指标仿真交易和高频数据回测

goodisme

如何进行指标仿真交易和高频数据回测

来自：MACD论坛(bbs.shudaoyoufang.com) 作者：goodisme 浏览：11705 回复：6

我开发了一个针对股票、期货及期现套利的程序化交易程序，支持用Lua脚本语言进行策略编写，现在支持10几个策略，包括：MACD、CCI、OBV、RSI、SRV、单均线、双均线、克罗均线、海龟交易、网格交易、布林带区间突破、布林带震荡突破、时间价格突破等

1、MACD交易策略的核心函数
--策略逻辑从这里开始
function AutoTrade(indi, evalIndex, data, dataNumber,arg)
_IsDayTrade = false
    _CloseTime = 145500
    _AutoCancel = true
    _IsCheckQuantity = true

    -- the only time series data used in this indicator
    local data1 = data[dataNumber[1]]
    local issueCode = data1.IssueCode
if not _QuantityTable[issueCode] then
        return
    end
local qty = _QuantityTable[issueCode]
indi.FastMA = indi.FastMA or {}--迭代计算快速MA用
indi.SlowMA = indi.SlowMA or {}--迭代计算慢速MA用
indi.Dea = indi.Dea or {}--迭代计算DEA用
indi.MACDDiff = indi.MACDDiff or {}--保存DIFF值用
indi.MACDDea = indi.MACDDea or {}--保存DEA值用
indi.MACD = indi.MACD or {}--保存MACD值用
--DIFF:EMA(CLOSE,SHORT) - EMA(CLOSE,LONG)
local diff = XAverage(indi.FastMA,evalIndex,data1.Close,spShort) - XAverage(indi.SlowMA,evalIndex,data1.Close,spLong)
indi.MACDDiff[evalIndex] = diff
--DEA:EMA(DIFF,M)
local dea = XAverage(indi.Dea,evalIndex,indi.MACDDiff,spM)
indi.MACDDea[evalIndex] = dea
--MACD: 2*(DIFF-DEA)
local macd = 2 * (diff - dea)
indi.MACD[evalIndex] = macd

if diff then
  _Ind1[issueCode] = sys_format("%.02f", diff)
end
if dea then
  _Ind2[issueCode] = sys_format("%.02f", dea)
end
if macd then
  _Ind3[issueCode] = sys_format("%.02f", macd)
end

if indi.MACD[evalIndex - 1] < 0 and indi.MACD[evalIndex] > 0 and _SubmitOrderFlag then--买入:MACD绿翻红(负转正)
  if GetLongQty(issueCode) == 0 then
   EnterLong(issueCode, "", "Ask", "tic", 0, qty, "买进")
  end
  return
end
if indi.MACD[evalIndex - 1] > 0 and indi.MACD[evalIndex] < 0 and _SubmitOrderFlag then--卖出:MACD红翻绿(正转负)
  if GetAvailableLongQty(issueCode) > 0 and evalIndex > _BuyBar[issueCode]  then
   ExitLong(issueCode, "", "Bid", "tic", 0, GetAvailableLongQty(issueCode), "卖出")
  end
  return
end
end

2、MACD交易策略的启动参数
_DefineStrategyParameters
_String spBAMapID = "701-D-001"        //系统账户
_String spPeriodType = "d"                 //d 日线，m 分钟线
_String spPeriodCount = "1"                //周期
_Number spDateBack = 25                // 向前追溯周期
_Number spInitFund = 100000            //账户资金
_String spMode = "A"--A:自动下单，M：手动下单
_Number spShort = 12
_Number spLong = 26
_Number spM = 9
_End

3、这策略用11月1日~3日的1分钟k线的回测结果如下，品种是IF1011，参数设置回测报告里面有的



我可以帮助大家提供指标参数设置回测分析，并提供交易结果报表，数据周期是2009.10~2010.11，包括所有的股票、ETF、商品期货、股指期货的高频数据。有兴趣的可以联系我：
QQ:94544200,           msn:xc_wyn@hotmail.com

喜欢程序化交易，算法交易，金融工程的朋友，大家也可以做些交流，毕竟这是中国金融业发展趋势。


附件1：布林带区间突破交易策略的回测界面，测试数据为600000，时间为11月1日到11月25日，周期为1M K线。


布林带区间突破交易策略的回测报告


附件2：布林带振荡突破交易策略的回测界面，测试数据为600585，时间为11月1日到11月25日，周期为1M k线。


布林带振荡突破交易策略的回测报告如下：


附件3：双均线交易策略的回测界面，测试数据为600000，测试区间为11月1日到11月25日，周期为1M k线。



双均线交易策略的回测报告如下：





附件4：用于回测的高频数据格式如下：
期货
fu1103,4,4513,2,100616, ,2010/07/05 10:04:03.516,4513.000000,1,4484.000000,1,,,,,,,,,,,,,,,,,264.000000
IF1007,3,2510.2,2,100616, ,2010/07/05 10:04:03.559,2510.200000,6,2510.000000,11,,,,,,,,,,,,,,,,,27726.000000
SR1101,5,4915,16,100038, ,2010/07/05 10:04:03.568,4916.000000,50,4915.000000,901,,,,,,,,,,,,,,,,,679638.000000
指数
M000300,1,2500.095,14545,100607, ,2010/07/05 10:04:03.550,,,,,,,,,,,,,,,,,,,,,
深圳股票
000021,2,10.4,1000,100608, ,2010/07/05 10:04:03.735,10.390000,500,10.380000,6400,10.400000,23200,10.370000,11264,10.420000,3700,10.350000,2781,,,,,,,,,
000029,2,4.42,2400,100608, ,2010/07/05 10:04:03.739,4.450000,2300,4.420000,24600,4.460000,10100,4.410000,13500,4.470000,15900,4.400000,45600,4.480000,15200,4.390000,45102,4.490000,10900,4.380000,29300,
上海股票
600528,1,7.91,1000,101152, ,2010/07/05 10:09:46.870,7.910000,54400,7.900000,9707,7.920000,35300,7.890000,25400,7.930000,8700,7.880000,41865,,,,,,,,,
600530,1,7.79,100,101152, ,2010/07/05 10:09:46.874,7.790000,9143,7.780000,6600,,,,,,,,,,,,,,,,,

rypan1

软件不错，策略太烂

杨太极

以后会需要，呵呵

goodisme

策略都是常用策略，可以通过代码修改来实现，其实策略好不好，和其适用性也有关系，比如一个简单的区间突破策略，从今年9月份到现在已经使资金量翻了2倍，同样的策略去年确亏的很厉害，所以也许是简单的MACD策略，如果适用性好，时间、参数、品种都符合，历史数据也能验证之，效果未必不好。

rypan1

LZ准备把这个软件往哪个方面发展？

goodisme

目前这个程序已经支持股票和期货的交易，对我而言，如何利用高频数据有效验证模型，后续主要目标是提升海量数据回测的性能，得出模型经过检验后的报告的精度，现实总是历史的翻版，规律总是在变的，唯有让思想系统化才能有迹可循。