利用R语言编写量化投资策略.docx
《利用R语言编写量化投资策略.docx》由会员分享，可在线阅读，更多相关《利用R语言编写量化投资策略.docx（14页珍藏版）》请在冰点文库上搜索。
利用R语言编写量化投资策略
利用R语言编写量化投资策略
选取一股票，利用R语言进行分析，同时构建通道突破，双均线交叉和MACD策略，进行回测。
library（xts）
library（xtsExtra）
library（quantmod）
library（FinTS）
library（forecast）
library（TSA）
library（TTR）
library（fGarch）
library（rugarch）
library（tseries）
setSymbolLookup（MHXX=list（name='0696.hk',src='yahoo'））
getSymbols（"MHXX",from="2013-01-01",to="2015-09-30"）
#显示K线图，如图明显发现股价呈现递增趋势，价格序列是非平稳的。
chartSeries（MHXX）
#考虑对数收益率
#获取收盘价
cp=MHXX[,4]
lgcp=log（MHXX[,4]）
#tdx=c（1:
456）/365+2014
#计算日收益率
ret=dailyReturn（MHXX）
chartSeries（ret,theme="white",TA=NULL）
#plot（tdx,cp,xlab="year",ylab="closeprice",type='l'）
#计算对数收益率，如图课件，股价在15年左右有一个跳跃，15年第二季度的股价增长导致
#之后股价有较大的下降，这些特征给后续的分析带来一些较大的异常值
lgret=log（ret+1）
chartSeries（lgret,theme="white",TA=NULL）
#由ACF和PACF图可以看出,该股1股价的日收益率序列即使存在某种相关性，该自相关性也
#很小
par（mfcol=c（2,1））
acf（lgret,lag=30）
pacf（lgret,lag=30）
#为了验证该收益率序列有没有序列相关性，使用Ljung-Box检验，结果对应的P值0.024，
#在1%的显著水平下，拒绝该股票日收益率没有显著前后相关性的这一原假设。
#但在5%的显著水平下，无法拒绝该股票日收益率没有显著前后相关性的这一原假设。
Box.test（lgret,lag=20,type='Ljung'）
##############################################################################
m1<-auto.arima（lgret,stationary=TRUE,seasonal=FALSE,ic="aic"）
#鉴于该股票对数收益率序列的自相关性并不强，所以建立的ARIMA模型可能适用性不高。
#对于对数收益率序列，单样本的t检验结果的t比为1.0625，p值为0.2884，表明该序列不是
#显著异于零的，同时此处根据ACF图所示，在4阶有轻微的超越标准差线，
#因此取用AR（5）模型拟合，aic=-2987.43
m2<-arima（x=lgret,order=c（4,0,0）,include.mean=F）
tratio=m2$coef/sqrt（diag（m2$var.coef））
tratio
meacf=eacf（lgret,6,12）
print（meacf$eacf,digits=2）
#残差检验并表示改模型可能不是充分的
tsdiag（m2,gof=20）
m3<-auto.arima（ret,stationary=TRUE,seasonal=FALSE,ic="aic"）
m3
################################################################################
#由上述可知，对于价格变化的分析，纯ARMA模型是不充分的，一方面ARMA模型不能处理
#波动率聚集，另一方面，ARMA-GARCH模型能充分处理这些数据的复杂性，
#并能提高样本外预测
price=ts（cp）
dp=ts（diff（cp））
par（mfcol=c（2,1））
plot（price,xlab='year',ylab='price'）
plot（dp,xlab='year',ylab='changes'）
cprice=diff（price）
par（mfcol=c（2,1））
acf（cprice）
pacf（cprice）
#aic=-0.37
m.garch1<-garchFit（~1+garch（1,1）,data=cprice,trace=F）
summary（m.garch1）
#aic=-0.62
m.garch2<-garchFit（~arma（6,0）+garch（1,1）,data=cprice,trace=F,ininclude.mean=F,
cond.dist="std"）
summary（m.garch2）
#aic=-0.60
m.garch3<-garchFit（~arma（2,0）+garch（1,1）,data=cprice,trace=F,ininclude.mean=F,
cond.dist="std"）
summary（m.garch3）
#aic=-0.596
m.garch4<-garchFit（~arma（1,0）+garch（1,1）,data=cprice,trace=F,ininclude.mean=F,
cond.dist="std"）
summary（m.garch4）
#回测检验
source（"backtestGarch.R"）
M2F=backtestGarch（cprice,714,2,inc.mean=F,cdist="sstd"）
source（"backtest.R"）
M2AF=backtest（m2,cprice,714,2,inc.mean=F）
#ArchTest（coredata（ret））
################################################################################
#计算VaR
mgarch1<-ugarchspec（variance.model=list（garchOrder=c（1,1））,
mean.model=list（armaOrder=c（0,0）））
mgarch1_fit<-ugarchfit（spec=mgarch1,data=cprice）
mgarch1_fit
mgarch1_roll<-ugarchroll（mgarch1,cprice,n.start=120,refit.every=1,
refit.window="moving",solver="hybrid",
calculate.VaR=TRUE,VaR.alpha=0.01,keep.coef=TRUE）
report（mgarch1_roll,type="VaR",VaR.alpha=0.01,conf.level=0.99）
#生成PLOT
cprice_var<-zoo（mgarch1_roll@forecast$VaR[,1]）
index（cprice_var）<-as.yearmon（rownames（mgarch1_roll@forecast$VaR））
cprice_actual<-zoo（mgarch1_roll@forecast$VaR[,2]）
index（cprice_var）<-as.yearmon（rownames（mgarch1_roll@forecast$VaR））
plot（cprice_actual,type="b",main="99%dayVarbacktesting",xlab="Date",
ylab="Return/VaRinpercent"）
lines（cprice_var,col="red"）
legend（"topright",inset=.05,c（"MHXXreturn","VaR"）,col=c（"black","red"）,lty=c（1,1））
mgarch1_fcst<-ugarchforecast（mgarch1_fit,n.ahead=6）
mgarch1_fcst
ret.fcst<--qnorm（0.95）*mgarch1_fcst@forecast$sigmaFor
ret.fcst
chartSeries（MHXX,name="中国民航信息",TA=NULL）
addBBands（）
#addMACD（）
################################量化投资策略####################################
######通道突破######
#通道突破函数==================================================================
bband.bk.sim<-function（stk.prc.xts,k=20,p=1.65,q=0.8）{
#q是交易倍数，表示资金的q分用于交易
stk.prc<-coredata（stk.prc.xts） #把主要数据取出
Timeline<-index（stk.prc.xts）
End<-length（stk.prc.xts）
MA<-c（rep（0,k）,0）
std<-c（rep（0,k）,0）
u.bound<-c（rep（0,k）,0）
signal<-c（rep（0,k）,0） #交易信号
trd.state<-c（rep（0,k）,0） #记录买卖状态
share<-c（rep（0,k）,0） #记录持股份数
cash<-c（rep（1e4,k）,0） #现金部位
value<-c（rep（1e4,k）,0） #资产价值=股票市值+现金部位
#Sim----
for（tink:
End）{
stk.prc.pre<-stk.prc[（t-k）:
t]
MA[t]<-mean（stk.prc.pre）
std[t]<-sd（stk.prc.pre）
u.bound[t]<-MA[t]+p*std[t] #布林带上界
signal[t]<-0 #默认不交易
if（stk.prc[t]> u.bound[t]）signal[t]= 1
#当股票价格超出布林上界时，buy
if（stk.prc[t-1]>MA[t-1]&stk.prc[t]<=MA[t]）signal[t]=-1
if（stk.prc[t-1]=MA[t]）signal[t]=-1
#卖的情况
trd.state[t]<-trd.state[t-1]
cash[t]<-cash[t-1]
share[t]<-share[t-1]
value[t]<-value[t-1]
#更新交易状态、持股数目、现金金额
if（trd.state[t-1]==0&signal[t]== 1）{
trd.state[t]<-1
share[t]<-（q*cash[t-1]）/stk.prc[t]
cash[t]<-cash[t-1]-share[t]*stk.prc[t]
}
if（trd.state[t-1]==1&signal[t]==-1）{
trd.state[t]<-0
share[t]<-0
cash[t]<-cash[t-1]+share[t-1]*stk.prc[t]
}
value[t]<-cash[t]+share[t]*stk.prc[t]
}
res<-cbind（stk.prc,signal,trd.state,share,cash,value）
names（res）<-c（"prc","signal","trd.state","share","cash","value"）
return（res）
}
#通道突破函数END================================================================
res<-bband.bk.sim（cp）
head（res）
tail（res）
plot（res[,6],type='l',col='darkred',lty=1,lwd=2）
##通道（end）
###############################均线系统策略###################################
## 双均线交叉策略
mov.avg.sim<-function（stk.prc.xts,k=50,n=7,p=1.05,q=1.10,m=0.8）{
stk.prc<-coredata（stk.prc.xts）
Timeline<-index（stk.prc.xts）
End<-length（stk.prc）
MA.5 <-SMA（stk.prc,5） #计算5日均线
MA.20<-SMA（stk.prc,20） #计算20日均线
signal <-c（rep（0,k）,0）
trd.state<-c（rep（0,k）,0）
share <-c（rep（0,k）,0）
cash <-c（rep（1e4,k）,0）
value<-c（rep（1e4,k）,0）
#Sim-----
for（tink:
End）{
signal[t]<-0
if（sum（MA.5[（t-n）:
（t-1）]>MA.20[（t-n）:
（t-1）]）==n
&stk.prc[t-1]/MA.20[t-1]>p） signal[t]<-1
if（MA.5[t-1]>=MA.20[t-1]&MA.5[t]<=MA.20[t]）signal[t]<--1
if（stk.prc[t-1]/MA.20[t-1]>q）signal[t]<--1
trd.state[t]<-trd.state[t-1]
cash[t] <-cash[t-1]
share[t]<-share[t-1]
value[t]<-value[t-1]
if（trd.state[t-1]==0&signal[t]== 1）{
trd.state[t]<-1
share[t]<-（m*cash[t-1]）/stk.prc[t]
cash[t]<-cash[t-1]-share[t]*stk.prc[t]
}
if（trd.state[t-1]==1&signal[t]==-1）{
trd.state[t]<-0
share[t]<-0
cash[t]<-cash[t-1]+share[t-1]*stk.prc[t]
}
value[t]<-cash[t]+share[t]*stk.prc[t]
}
res<-xts（cbind（stk.prc,MA.5,MA.20,signal,trd.state,share,cash,value）,
order.by=Timeline）
names（res）<-c（"prc","MA.5","MA.20","signal","trd.state",
"share","cash","value"）
head（res）
return（res）
}
#双均线交叉策略END==============================================================
res.mov<-mov.avg.sim（cp）
head（res.mov）
tail（res.mov）
plot（res.mov[,6],type='l',lty=1,lwd=2）
##MACD（begin）
MACD.sim<-function（stk.prc.xts,k=50,m=0.8）{
stk.prc<-coredata（stk.prc.xts）
Timeline<-index（stk.prc.xts）
End<-length（stk.prc）
macd.line<-MACD（stk.prc,nFast=12,nSlow=26,nSig=9）[,1]
signal.line<-MACD（stk.prc,nFast=12,nSlow=26,nSig=9）[,2]
signal <-c（rep（0,k）,0）
trd.state<-c（rep（0,k）,0）
share <-c（rep（0,k）,0）
cash <-c（rep（1e4,k）,0）
value<-c（rep（1e4,k）,0）
#Sim-----
for（tin（k+1）:
End）{
signal[t]<-0
if（macd.line[t-1]<=signal.line[t-1]&macd.line[t]>signal.line[t]） signal[t]<-1
if（macd.line[t-1]>=signal.line[t-1]&macd.line[t]
trd.state[t]<-trd.state[t-1]
cash[t] <-cash[t-1]
share[t]
升级会员 