原文链接:http://tecdat.cn/?p=23808
原文出处:拓端数据部落公众号
本文介绍如何根据历史信号/交易制作股票曲线。
让我们以MARKET TIMING与DECISION MOOSE的历史信号为例,为该策略创建股票曲线。
-
#*****************************************************************
-
# 加载信号
-
#*****************************************************************
-
-
-
# 提取交易历史
-
temp = extract.table.from.webpage(txt, 'Transaction History', has.header = F)
-
temp = trim(temp[-1,2:5])
-
colnames(temp) = spl('id,date,name,equity')
-
-
-
tickers = toupper(trim(gsub('\)','', sapply(temp[,'name'], spl, '\('))))[2,]
-
-
-
load(file=filename)
-
-
-
#plota(make.xts(info$equity, info$date), type='l')
-
-
#*****************************************************************
-
# 加载历史数据
-
#*****************************************************************
-
tickers = unique(info$tickers)
-
-
# 加载保存的代理原始数据
-
load('data/data.proxy.raw.Rdata')
-
-
# 定义现金
-
tickers = gsub('3MOT','3MOT=BIL+TB3M', tickers)
-
-
#飞毛腿新亚洲基金(SAF),并入DWS新兴市场股票基金
-
tickers = gsub('SAF','SAF=SEKCX', tickers)
-
-
-
#添加虚拟股票,以保持交易日期,如果它们与数据不一致的话
-
dummy = make.stock.xts(make.xts(info$equity, info$date))
-
-
getSymbols.extra(tickers, src = 'yahoo', from = '1970-01-01', env = data, raw.data = data.proxy.raw, auto.assign = T)
-
-
# 可选择未被Adjusted捕获的分叉点
-
#data.clean(data, min.ratio=3)
-
-
for(i in ls(data)) data[[i]] = adjustOHLC(data[[i]], use.Adjusted=T)
-
-
#print(bt.start.dates(data))
-
-
data$dummy = dummy
-
-
-
-
-
#*****************************************************************
-
# 设置
-
#*****************************************************************
-
prices = data$prices
-
-
models = list()
-
-
#*****************************************************************
-
#代码策略,SPY - 买入和持有
-
#*****************************************************************
-
data$weight[] = NA
-
data$weight$SPY = 1
-
models$SPY = bt.run.share(data, clean.signal=T, silent=T)
-
-
#*****************************************************************
-
# 创建权重
-
#*****************************************************************
-
weight = NA * prices
-
-
for(t in 1:nrow(info)) {
-
weight[info$date[t],] = 0
-
weight[info$date[t], info$ticker[t]] = 1
-
}
-
-
-
-
-
#*****************************************************************
-
#创建报告
-
#******************************************************************
-
plota.matplot(scale.one(data$prices),main='Asset Perfromance')
plot(models, plotX = T)
print(plotbt))
-
m = 'decisionmoose'
-
plotbmap(models[[m]]$weight, name=m)
最受欢迎的见解
1.R语言对S&P500股票指数进行ARIMA + GARCH交易策略
2.R语言改进的股票配对交易策略分析SPY—TLT组合和中国股市投资组合
3.R语言时间序列:ARIMA GARCH模型的交易策略在外汇市场预测应用