用Python投資加密貨幣(4):實做回測策略

接下來我們廢話不多說,
結合前一篇的買賣訊號
來建構一個加密貨幣的策略吧!

複習前幾篇的知識

這篇文章,將接續著之前的單元,
假如還沒看過前面的部分
可以參考以下的連結喔!

  1. 為什麼要投資加密貨幣
  2. 加密貨幣爬蟲
  3. 策略訊號建立

這篇我寫的比較仔細一點,所以文章稍長,但程式碼很短,先給大家聞香一下


想知道怎麼做出來,要看到最後喔!

將上一篇的程式碼統整,我們可以得到

1
2
signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())


接下來,我們將 signal_longsignal_short 整合在一起
這邊的 signal_longsignal_short
是進場訊號,一個做多、一個是做空 的時間序列
當訊號為 True 時代表入場

多空訊號結合

接下來為了配合 backtesting 函式庫
我們想將 signal_longsignal_short 合併起來
產生一個翻轉策略:
signal_long 為 True 時,不論目前有什麼部位,都翻多
signal_short 為 True 時,不論目前什麼部位,一律翻空
我們想要做出一個新的訊號 叫做 signal
其做多訊號為 1,做空訊號為 -1 ,維持不變則為0

可以用以下的寫法,首先copy signal_long 序列,
並且將 signal_short 為 True 的部分改成 -1
這樣就可以了!

1
2
3
# combine long and short signal
signal = signal_long.copy()
signal[signal_short] = -1


完整總和來說,我們目前已經有以下的程式碼,

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from finlab import crypto

# geth the historical price
df = crypto.get_all_binance('BTCUSDT', '4h')

# calculate moving averages
sma1 = df.Close.rolling(20).mean()
sma2 = df.Close.rolling(60).mean()

# create long and short signal
signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())

# combine long and short signal
signal = signal_long.copy()
signal[signal_short] = -1

接下來我們直接比對一下,回測的程式碼,
橘色部分比較特別,會逐一介紹


(先不急著抄寫,文末會附上完整代碼)

首先,上圖中第一二行,我們將 Backtest 和 SignalStrategy 匯入
Backtest 是一個幫我們回測的 interface,
SignalStrategy 是一個 class
我們可以繼承 SignalStrategy (第5行)
就能把剛剛的訊號 signal 匯入來回測
這邊會用到物件導向的概念,可以參考
w3c提供的簡單 python 物件導向教學

有了一個strategy空殼,接下來就可以實做內部功能了

第7行中,我們覆寫一個parent 方法,叫做 init
init 這個方法中,我們可以計算回測要用的訊號
這個方法會在回測開始前執行一次
所以當我們先把訊號計算好
這樣回測的時候就不用計算,速度上會比較快

init中大部分的程式碼,
跟我們開頭所述的非常雷同,
有幾點不一樣而已:

首先,在第8行中
parent class 會先執行他的 init
你可以想像,父母先吃飯,小孩再吃飯的道理
1
super().init()


然後,第11行,也做了一點修正,從原本的
1
2
# 原本的
df = crypto.get_all_binance('BTCUSDT', '4h')

變成
1
2
# 新的
close = pd.Series(self.data.Close)


我們可以用 self.data.Close 來獲取「開高低收」的歷史價格
這是繼承 SignalStrategy 附加的功能
可以讓程式碼中的「策略」跟「價格」解耦
讓策略不只交易 BTCUSDT
還能交易其他加密貨幣,甚至是股票!

最後12~21行,都跟之前一樣,所以就略過囉!

最後的24行,就是將我們產生的 signal 給匯入
1
elf.set_signal(signal)

這樣子 SignalStrategy 裡面就會根據 signal
來進行翻多翻空的交易囉!

上述 1~26 行,都是一個策略藍圖,我們只是規劃,並沒有真正執行這些程式碼
所以我們還要額外家三行,建構出規劃好的策略,並且回測、統計回測結果:

1
2
3
bt = Backtest(df, Strategy)
bt.run()
bt.plot()


執行後會顯示出非常詳細的買賣點,
這個就是所謂 窮人版 python 版的 multicharts 了吧!
不過看起來策略的 performnace 不太好,賺不到什麼 $$
所以下一個單元,我們就來使用內建的 optimize 方法,
找尋最優的均線交叉策略!優化後的績效,先給大家聞香一下


敬請期待!

以下是完整的程式碼:
另外也可以參考完整的 colab notebook 範例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
from finlab import crypto
from backtesting import Backtest
from backtesting.lib import SignalStrategy
import pandas as pd

df = crypto.get_all_binance('BTCUSDT', '4h')

class Strategy(SignalStrategy):

def init(self):
super().init()

# Precompute the two moving averages
close = pd.Series(self.data.Close)
sma1 = close.rolling(20).mean()
sma2 = close.rolling(60).mean()

# Precompute signal
signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())

signal = signal_long
signal[signal_short] = -1

self.set_signal(signal)


def next(self):
super().next()

bt = Backtest(df, Strategy)
bt.run()
bt.plot()

文章不錯,影音課程更讚:


或我們按個 鼓勵一下吧!