0

過去の株式データに対してテストしたい注文の不均衡に基づくシグナルがあります。

また、これらの各シグナルの価格も把握しており、価格のトレンドを計算して、過去 4 つの価格でリターンが上昇しているか下落しているかを確認します。取ったシグナルから

nSignal <- pnorm(Signal, mean = mean(Signal), sd = sd(Signal))

今の私の考えは、nSignal が 0.70 を超えるたびに買い/ショートすることです。トレンドがプラスの場合は買い、トレンドがマイナスの場合は売り注文を出します。

Sell   if( nSignal > = 0.70 && Trend < 0 ) 
Buy    if( nSignal > = 0.70 && Trend > 0 ) 
Ignore if( nSignal > = 0.70 && Trend = 0 )

その後、nSignal が再び低下し始めると、私はポジションから抜け出します。いつでも複数のポジションを保有したくありません。したがって、ポジションを持っているときに売買シグナルが発生した場合、無視します。

私の質問は、売りと買いのベクトルのコーディングと、これらのリターンの計算に関するものです。理想的には、1 つのベクトルを出力として使用したいと考えています。

売買シグナルを生成することはできますが、nSignal が下落してポジションが解放されるまで、それ以上の売買を無視するように R に指示することに固執しています。計算したいものを添付しました。

   dd <- textConnection("PriceTao,nSignal,Trend,Sell ,Buy,,Return
79.35,0.799276057198847,0.00632873284203539, ,Buy,79.35,
79.5,0.800495492911607,0.00631674578326402, ,,,
79.55,0.849748126078447,0.00378111963884864, ,,,
79.7,0.781025021425822,0.00440489652262133, ,release,79.7,0.00100623484156181
79.7,0.850907051807651,0.00251453735437934, ,Buy,79.7,
79.85,0.835339437922026,0.00376766425320585, ,release,79.85,0.000429459362427442
80,0.829431322197511,0.00376057994561618, ,,,
79.75,0.721861766918789,0.000635579945616138, ,,,
79.8,0.749198554641736,-0.000619518523171436,Sell, ,79.8,
79.9,0.655121878771812,-0.00124490792027077,release, ,79.9,-0.000285955381947645
79.85,0.638399458172212,0.00125430985194441, , ,,
79.75,0.677237812176031,-0.00062499754849088, , ,,
79.8,0.77229131417357,-0.00125117113292239,Sell, ,79.8,
79.9,0.78060399324371,0.00062774392694287, ,,,
80,0.785209846277682,0.00313165653529857, ,,,
80,0.71354933296563,0.00250469728764968,release,,80,-0.000571553096032407
80,0.723175396790292,0.00125156445556929, ,,,
80.05,0.645047940052525,0.000624999999999876, , ,,
79.95,0.654754824370203,-0.000624219237976287, , ,,
79.95,0.66648952405407,-0.000624219237976287, , ,,
80.05,0.66246174072327,1.56250061034147E-06, , ,,
80.1,0.64268970941157,0.00187539135757464, , ,,
80.05,0.626534449371471,0.00125117163223132, , ,,
80.05,0.659757399947805,3.89893644814343E-07, , ,,
80.15,0.605440623800618,0.000624999512632951, , ,,
80.15,0.555063339554548,0.00124921923797627, , ,,
80.1,0.623048801370024,0.000625388919822667, , ,,
79.95,0.671863289394849,-0.00249648949418346, , ,,
80.05,0.629889151643382,-0.00124570775559696, , ,,
80.15,0.692044829948308,0.000627341800532921, , ,,
80.25,0.781503635407542,0.00374766161286955, ,Buy,80.25,
80.35,0.767181308420401,0.00374298579328602, ,release,80.35,0.000283988254209611
80.2,0.712321509444304,0.000626933947966979, ,,,
")

Data <- read.table(dd, header = TRUE, sep = ",")
close(dd) 
Data
4

1 に答える 1

3

これが基本的な移動平均クロスシステムの実装です。ニーズに合わせて調整するのは簡単なはずです。

library(quantmod)
library(tseries) # for maxdrawdown if you want it

x <- getSymbols("SPY", src="yahoo", from="2012-01-01", to="2012-12-31", auto.assign=FALSE)
n1 <- 20 # for short term moving average
n2 <- 50 # for long term moving average

x$ma1 <- SMA(Ad(x), n1) # add a short term MA
x$ma2 <- SMA(Ad(x), n2) # add a long term MA
x$spd <- x$ma1 - x$ma2 # difference between the two
x$spd[1:n2] <- 0 # flat until we have enough data to calculate both MAs
x$cross <- c(0, diff(x$spd > 0, na.pad=FALSE)) # short cross long
x$pos <- NA # Position
x$pos[x$cross == 1] <- 1 # long where it crosses from below
x$pos[x$cross == -1] <- -1 # short where it crosses from above
# fill forward your position until you get the next signal.  Also, you have to 
# lag your signal because today's return will be a result of yesterday's position
x$pos <- c(0, lag(na.locf(x$pos), na.pad=FALSE)) 
x$pos[is.na(x$pos)] <- 0
x$ret <- c(0, ROC(Ad(x), na.pad=FALSE))
x$cumret <- cumsum(x$pos * x$ret)
out <- data.frame(n1=n1, n2=n2, cumret=as.numeric(last(x$cumret)), 
                  mdd=maxdrawdown(x$cumret)$maxdrawdown, ntrades=sum(abs(x$cross)))
out
tail(x)

編集

では、データを使用します

library(quantmod) # for Lag.  Also loads zoo which is needed for na.locf, and 
                  # TTR which is needed for ROC
x <- Data[, 1:3]
x$pos <- NA
x$pos[with(x, nSignal >= 0.7 & Trend < 0)] <- -1
x$pos[with(x, nSignal >= 0.7 & Trend > 0)] <- 1
x$pos <- na.locf(x$pos)
x$pos[is.na(x$pos)] <- 0 # first few rows are NA; replace with 0 meaning "no position"
x$ret <- ROC(x$PriceTao) * Lag(x$pos) # yesterdays position * return from yesterday to today
x

data.frameより遅いを使用していることに注意してくださいmatrix。また、データに関連付けられている日付や時刻はありません。IMHOxtsまたはzoo、実際に時系列データがある場合は、より適切なデータ構造になります。

于 2013-02-16T17:12:10.507 に答える